Carl von Ossietzky Universität Oldenburg Hausarbeit ... - DIKO :: Index

Filterung könnte mit einer Art Mund - zu -Mund - Propaganda verglichen werden.
Abbildung 9 zeigt, dass jeder der nach einem roten Hut fragt, bzw. einen
roten Hut kauft - modelliert durch das Männchen auf der linken Seite - auch
eine grüne Tasche kauft. Auf Grund des Kaufverhalten der anderen Kunden,
wird der Kauf eine grünen Tasche empfohlen. Andere Kunden empfehlen die
grüne Tasche zu dem roten Hut.
Abbildung 9: Schaubild zu kollaborativen Filterung[Buc01]
Recommender Systeme sind eng mit dem Erfolg der Personalisierung verknüpft,
denn ist die Empfehlung gut und treffend kann es sein, dass aus einem potentiellen
Kunden ein Kunde wird. Es kann auch aus einem Kunden ein zufriedener
Kunde werden, da sich dieser gut beraten und individuell betreut fühlt und
deshalb häufiger und mehr kauft.
4.3 Assoziationsund Sequenzanalyse
Die Assoziations- und Sequenzanalyse ist hauptsächlich die Analyse typischer
Bewegungspfade, auch ” Click-Stream“- Analyse genannt. Die Datenbasis für
diese Analyse sind die in Abschnitt 3.3 beschriebenen Logfiles. Es gibt auch
hier einige unterschiedliche Verfahren wie z.B. den Apriori - Algorithmus, hierarchische,
quantitative Assoziationsregel und die Fuzzy Assoziationsregel. Sie
sind für die Aussage über zeitliche Entwicklungen des Konsumverhaltens wichtig.
Beispiele hierfür sind die Auswertungen, nach wie vielen ” Clicks“ es zum
Kauf kommt, oder nach welchem zeitlichen Abstand der nächste Kauf getätigt
wird.
4.4 Klassifikationsanalyse
In dem Klassifikationsverfahren werden Kunden in bestimmte Klassen eingeordnet,
z.B. in ” Käufer und Nichtkäufer“. Hierbei teilt ein Klassenattribut ein
unbekanntes Objekt in eine vorher bekannte Klasse ein. Die meist verwendeten
Werkzeuge hierfür sind Entscheidungsbäume und Neuronale Netze. Die Vorteile
von Entscheidungsbäumen sind die leicht verständlichen Ergebnisse.
19