wie empfehlungssysteme mehr umsatz bringen – auch im kmutoner zu hp laserjet 5 si, c3909x,...
Post on 10-Oct-2020
1 Views
Preview:
TRANSCRIPT
1
Wie Empfehlungssysteme mehr Umsatz bringen – auch im KMU
Orbit-iEX Konferenz 2007a7 - POS-Learnings und Empfehlungssysteme für E-Shops
Zürich, 23. Mai 2007
Urs Gehrigbbv Software Services AG
Dr. Uwe LeimstollCompetence Center E-Business Basel
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 2Urs Gehrig und Uwe Leimstoll
Agenda
Ziele und Einsatzbereiche der PersonalisierungProfile und Technologien für die PersonalisierungRechtliche AspekteRealisierung von Empfehlungssystemen im DetailGrenzen eines EmpfehlungssystemsZusammenfassung und Ausblick
2
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 3Urs Gehrig und Uwe Leimstoll
Personalisierung – Was ist das?
Quelle: www.amazon.de, 04.04.2006
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 4Urs Gehrig und Uwe Leimstoll
Beispiel: Mein Konto
Quelle:www.amazon.de, 04.04.2006
3
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 5Urs Gehrig und Uwe Leimstoll
Wir definieren Personalisierung als …
Personalisierung ist die individuelle Anpassung von Inhalten und Funktionen von E-Commerce-Applikationenan die speziellen Bedürfnisse eines Nutzers. Die Anpassung erfolgt auf Basis explizit oder implizit erhaltener und gespeicherter Daten über den Nutzer.
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 6Urs Gehrig und Uwe Leimstoll
Beispiel für Personalisierung
HOME WARENKORB MEIN KONTO SUCHEN CHECKOUT LETZTE AUFTRÄGE
Toner zu HP LaserJet II/III, 92295A, 1'000 Seiten, schwarz 126.23 / Stk. Toner zu HP LaserJet II/III, C3900A, 1'100 Seiten, schwarz 176.96 / Stk. Toner zu HP LaserJet II/III, C3903A, 4'000 Seiten, schwarz 109.20 / Stk. Toner zu HP LaserJet II/III Si, C3909A, 15'000 Seiten, schwarz 233.48 / Stk.*Toner zu HP LaserJet II/III Si, C3909X, 17'100 Seiten, schwarz 230.03 / Stk.*Maintenance-Kit zu HP LaserJet II/III, C4110-67 589.46 / Stk.
000302
HP Laser Jet II/III
Toner zu HP LaserJet 5P Si, C3903A, 4'000 Seiten, schwarz 109.20 / Stk. Toner zu HP LaserJet 5 Si, C3909A, 15'000 Seiten, schwarz 233.48 / Stk.*Toner zu HP LaserJet 5 Si, C3909X, 17'100 Seiten, schwarz 230.03 / Stk.*Maintenance-Kit zu HP LaserJet 5 Si, C4110-67 589.46 / Stk.
0003
Lexmark Optra K 1220
HP Laser Jet 5P
HP Laser Jet 5 Si
Canon NP 6150
Artikel Ihr Preis Menge
Artikel Ihr Preis Menge
* Die Preise mit einem * sind Standardpreise. Sie erhalten Ihren Preis auf Anfrage.
Sehr geehrte Frau MusterHerzlich Willkommen im E-Shop der audacia agSie haben uns am 08.07.2005 das letzte Mal besucht.
Änderungen in Ihrem Gerätebestand?Bitte teilen Sie uns die Änderungen mittels einer formlosen Mail an geraete@audacia.bizmit, damit wir Sie auch weiterhin optimal bedienen können.
Ihr Gerätebestand
Quelle:KTI-ProjektPersECA I
4
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 7Urs Gehrig und Uwe Leimstoll
Zielbereiche der Personalisierung
Individualisierung und Verbesserung der Mensch-Maschine-Interaktion (HCI)Zusätzlichen Wert für den Kunden generierenVerkaufsstrategien unterstützen
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 8Urs Gehrig und Uwe Leimstoll
Einsatzbereiche der Personalisierung
Online-ShopsE-BusinessE-Government
MarketingOne-to-One-MarketingOnline- und Offline-Kanäle des CRM (Customer RelationshipManagement)
Virtual CommunitiesProduktanwendung
Individuelle ProdukteinstellungenBeispiel: Fahrerprofile in modernen PKWs (Einstellungen von Sitzen, Spiegeln, Lüftung, etc. werden gespeichert)
5
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 9Urs Gehrig und Uwe Leimstoll
Eignung der Personalisierung
Personalisierung bietet sich an beiwiederkehrendem Bedarfinformationsintensiven Produktenkundenspezifisch konfigurierbaren Produkten(Mass Customization)grossen oder kundenspezifischen Sortimenten
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 10Urs Gehrig und Uwe Leimstoll
KTI-Projekt PersECA II
Anwendungsfälle
Konsolidierende Arbeiten
t
Teilprojekt 2
Teilprojekt 4
Teilprojekt 3
Teilprojekt 1
Konzeption – Methodik – Analyse – Synthese
6
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 11Urs Gehrig und Uwe Leimstoll
Die Personalisierungslandkarte
Personalisierungsfunktionenim E-Commerce
aus derKundenperspektive
Teil II Supplementäre Funktionen
5 Screendesign
5.1 Ansprache, Begrüssung
5.2 Designoptionen
MyHomepage
Farben
Formen
Portlets (bevorzugte Infos und Funktionen)
5.3 Content-Optionen
5.4 Menü ("horizontal")Funktionen
Achtung: Wichtige Funktionen dürfen nichtausgeblendet werden
5.5 Navigation ("vertikal")
Detailgrad der Webseite
Navigationsleisten
Kontextbasierte Navigationshilfen
Neu BR: Favoriten anzeigen(MyTools)
Neu BR: VisualisierungNeu BR: Bilder ausschalten
Neu BR: Empfehlungenausschalten
6 Community
6.1 Review
6.2 Hitliste
6.3 Collaborative Filtering
6.3.1 Grundfunktion
6.3.2 Soul Sister
6.3.3 Collaborative Kategorien
6.4 Rating
6.4.1 Produkt-Rating
6.4.2 Anbieter-Rating
6.4.3 Rating von Reviews
Neu bbv: Memberprogramm /Bonusprogramm
Aktiv Kunden werben
Einkäufe
Produkte Kollegen vorschlagen
Wenn Kunde Aritkel anklickt /kauft gibt's nochmals Punkte
7 Kundenprofil und Rollenkonzept
7.1 Rollenkonzept
7.1.1 Individuelles Profil (pro Benutzer)
7.1.2 Funktionsprofil (mehrere Benutzer)
7.1.3 Beispiele:Administrator, StrategischerEinkäufer, Operativer Einkäufer
7.1.4 Administrator: Kann eigeneBenutzerkonten einrichten und Rollenzuweisen
7.2 Anmeldemaske für Neukunden
7.3 Zugriff auf Kundenprofile7.3.1 Daten einsehen
7.3.2 Daten mutieren
8 CRM und Marketing
8.1 Newsletter, Tipps und News
8.1.1 Newsletter zu Produkten undDienstleistungen, die der Kunde bereits inAnspruch genommen hat
8.1.2 Newsletter zu alternativen Artikeln undderen Vor-/Nachteilen
8.2 Alerts (Scheduler)
8.2.1 Event-triggered News
8.2.2 Werbung
8.2.3 Angebote
8.2.4 Erinnerung an Fälligkeiten, Nachbestellung, Austausch
Neu bbv: Preisgrenze -> Schickmir eine Mail wenn's dasProdukt für XXX CHF gibt.
Neu Actebis: Meldung über Umsatz pro Hersteller (Kontrolle Bonus/Malus)
8.3 Personalisiertes Cross- und Up-Selling
8.4 Werbung
8.4.1 Banner
Statische Banner
Animierte Banner
HTML-Banner
Nanosite-Banner
Transaktive Banner
Rich-Media-Banner
Button
8.4.2 Interstitials
8.4.3 PopUp
8.4.4 Linktausch, Webring
8.4.5 E-CardsGeburtstage
sonstige Ereignisse
8.5 Entertainment
8.5.1 Wettbewerbe
8.5.2 Spiele
8.5.3 Video-Files
Neu BR: AfterSales Support
Updates zum Produkt
Neues Zubehör
Erinnerung an Wartung (passtauch zu 8.2 Alerts)
Neu Actebis -> RMA Abwicklung(Return of Material Authorization )
Über Bestellhistorie (Auswahlder genauen Position)
Über Seriennummer
Neu Actebis: EducationOnline Trainings
Online Zertifizierung
9 Auswertungen
9.1 Bestellverhalten
9.1.1 Bestellhistorie
einsehen
gruppieren
Bestellsumme anzeigen
Positionen in den Warenkorb übernehmen
9.1.2 Auswertungen und Statistiken
9.1.2.1 Budgetkontrolle
9.1.2.2 Status der Zahlungen
9.1.2.3 Personalisierte Anzeige
Neu Actebis: Bonusrechner
9.1.3 Individuelle Top Seller
Neu BR: Prozessauswertung
Zeitlicher Ablauf jedesAuftrages anzeigen
9.2 Shop- und Surf-Verhalten
9.3 Data Mining
Teil I Aktiver Bestellprozess
1 Informationsphase
1.1 Katalogfunktion
1.1.1 Suchfunktion
1.1.1.1 Vorkonfigurierte Suche
1.1.1.2 Kriterienbasierte Suche
1.1.1.3 Volltextsuche
1.1.1.4 Strukturierte Suche
Neu bbv - Intelligente oder unscharfe Suche beifalsch eingegeben Suchbegriffen (bspw. ->Komputer -> Computer)
Neu BR: Einstellung der Sortierung derSuchresultate
Neu BR-> LernfähigerSuchassistent (meinten Sie...)
1.1.2 Sortimentsstruktur
1.1.3 Kundenspezifisches Sortiment
1.1.3.1 Individuelles Teilsortiment
1.1.3.2 Sortiment für bereits vorhandene Produkte
1.1.3.3 Vordefiniertes Sortiment (Favoriten)
1.1.4 Persönliche Einkaufsliste
Neu bbv: Merkliste
Neu bbv: Wunschliste
Neu bbv: normale persönlicheEinkaufsliste
1.1.5 Musterbestellliste1.1.5.1 Kontextbezogene Musterbestellliste
1.1.5.2 Transaktionsbezogene Musterbestellliste
1.1.6 Kompatibilitätsliste
1.1.7 Translator (Substitutionsliste)
Neu Actebis ->End of Life Liste
Neu Actebis ->Hersteller Roadmap
Neu Actebis ->Nachfolgeprodukte
1.2 Produktangebot
1.2.1 Salespromotion-Seite
1.2.2 Empfehlungen
Neu bbv: Alternative zum Produkt
Neu BR: Best Price Produkt
Neu bbv: Zusätzliches Produkt(Zubehör)
Neu Actebis: Kompatible Produkte(Zubehör, Erweiterungen)
1.2.3 Leistungsbündel
1.2.4 Wartungsverträge
1.2.5 Cross-/Up-/Down-Selling
Neu bbv: Cross-Selling: Zubehör-> Siehe 1.2.2. Empfehlungen
Neu BR: Zusatzleistungen
1.2.6 Geschenkideen
1.2.7 Neuheiten
Produkte, die in den letzten xx Tagen insAngebot aufgenommen wurden
Tipps in bestimmten Präferenzkategorien
1.3 Informationenzu Preisgestaltungund Konditionen
1.3.1 Individuelle Preise
1.3.2 Spezialpreise
1.3.3 Rabattprogramme
1.3.4 BonusprogrammeVergünstigung durch "Punkte"
Gutscheine
1.3.5 Bundling
2 Vereinbarungsphase
2.1 Konfiguration vonProdukten und Leistungen
2.2.1 Mass Customization2.2.2 Eigene Produktkonfiguratoren
2.2.3 Einbindung vonProduktkonfiguratoren Dritter
2.1.2 Open Innovation
2.2 Berechnung des mit Hilfe vonBerechnungsmodulen
2.3 Offertanfragen
2.4 Vereinbarung der Konditionen
2.5 Füllen des Warenkorbes
Neu BR: Via CSV,XLS Upload
Neu BR: Expressbestellung viaArtikelnummer und Menge
2.6 Checkout-Unterstützung
2.6.1 Versandoptionen
2.6.1.1 Verpackung
Standard
GeschenkserviceGeschenkverpackung
Grusskarte
2.6.1.2 Versandart
Standard
Express
Abholung
2.6.1.3 Versanddatum
sofort
erst wenn alle Artikel erhältlich
auf ein bestimmtes Datum
2.6.1.4 Versandziel (Lieferadresse)
2.6.1.5 Rechnungsadresse
Neu BR: Zusatzoptionen
Neu BR: Aufdruck/ Gravur
Neu BR: Werbeaufdruck
Neu BR:Wartungsvertrag (beiInvestitionsgütern)
2.6.2 Zahlungsoptionen
Vorauszahlung
Rechnung
Kreditkarte
Finanzierung
Purchasingcard
Prepaid-Karte
Neu bbv: Gutschein einlösen
Neu bbv: Punkte ausBonusprogramm einlösen
3 Abwicklungsphase
3.1 Automatische Bestellauslösung
3.1.1 Bestellung mit festem Bestellrhythmusund fester Bestellmenge
3.1.2 Vorschlag zur Bestellmenge
3.2 Automatische Lieferauslösung3.2.1 Abonnemente
3.2.2 Automatisches Auffüllen desKundenlagers
3.3 Tracking und Tracing
Neu BR: Auftragsstatus Abfrage
Lagersituation
Reservierte Menge
Rückstände
Lieferstatus beim Hersteller
4 phasenneutrale Funktionen
4.1 Bestellprozessführung
4.1.1 Wizard
4.1.2 Avatare
4.1.3 Persönlicher Berater
4.1.4 Callcenter
4.1.5 Co-Browsing
4.2 B2B-Funktionen
4.2.1 Intermediäre unterstützen
4.2.2 Artikelnummern hinterlegen
4.2.3 Genehmigungsprozess abbilden
4.2.4 Budgetlimits für einzelne Einkäufer
periodenbezogen (pro Monat/Jahr)
artikelbezogen
mengenbezogen
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 12Urs Gehrig und Uwe Leimstoll
Kundenprofile ...
... bilden den Ausgangspunkt für die Personalisierung
Explizite ProfileIdentifikationsprofilPräferenzprofilKonditionsprofil
Implizite ProfileInteraktionsprofilTransaktionsprofilVerhaltensprofil
Kalkulierte Profile
7
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 13Urs Gehrig und Uwe Leimstoll
Schritt 1: Kundenprofile modellierenSchritt 2: Daten erfassen/ladenSchritt 3: Daten verarbeitenSchritt 4: Information ausgeben
Der Profillebenszyklus
Quelle: in Anlehnung an Schubert/Kummer/Leimstoll (2006, 208)
Input for Redesign
Modeling Profiles
Specifications:StructureSourceStorage
Learning from Actual User Behavior
Information Output
Examples:RecommendationsHistoryPersonalized
Product Catalog
Data Input
Explicit:Identification ProfilePreference ProfileConditions ProfileImplicit:Interaction ProfileTransaction Profile
Input Profiles
Data Processing
Instruments:Data WarehouseData MiningCollaborative FilteringContent Based Filtering
Output Profiles
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 14Urs Gehrig und Uwe Leimstoll
Auswertungstechnologien
Collaborative Filtering
Content-Based Filtering
Gekaufte ProdukteRatings
usw.
Gekaufte ProdukteRatings
usw.
Genre, Schauspieler,
Erscheinungsjahr, usw.
Genre, Schauspieler,
Erscheinungsjahr, usw.
A B
8
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 15Urs Gehrig und Uwe Leimstoll
Vor- und Nachteile dieser Verfahren
Collaborative-Filtering-Techniken laufen vollkommen automatisch ab.Sie erreichen insbesondere bei vielen Daten (Ratings) bessere Ergebnisse als Content-Based-Filtering-Techniken. Problem: Ist ein Produkt neu, d.h. noch nicht gekauft oder bewertet worden, kann es mit diesen Verfahren nicht vorgeschlagen werden.
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 16Urs Gehrig und Uwe Leimstoll
Empfehlungssysteme in der Praxis
Profilbasierte Webradioswww.last.fm – Collaborative Filteringwww.pandora.com – Content-Based Filtering
Profilbasierte Fotogaleriewww.mylandscapes.ch
9
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 17Urs Gehrig und Uwe Leimstoll
Produktempfehlung bei Brütsch/Rüegger
Quelle: KTI-Projekt PersECA II, www.brw.ch
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 18Urs Gehrig und Uwe Leimstoll
Anforderungen der Datenschutzgesetzte
Die Speicherung und Verarbeitung personenbezogener Daten ist zulässig, sofern diverse Massnahmen getroffen werden, z.B.
Erhöhte Anforderungen an Datensicherheit und Datenschutz beachtenDen Kunden darauf hinweisen, wie seine Daten genutzt werden (Datenbearbeitungserklärung)Dem Kunden Einsicht in die über ihn gespeicherten Daten gewähren und Berichtigung zulassenVerhältnismässigkeit und Zweckmässigkeit der Datenanalyse beachtenBeachten, dass das Datenschutzrecht im Land des Kunden massgeblich istDaten nicht an Dritte weitergeben
Hinweis: Diese Aufzählung ist nicht vollständig und ersetzt in keiner Weise eine juristische Beratung!
10
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 19Urs Gehrig und Uwe Leimstoll
Welche Infos werden benötigt?
IdentitätLetzte EinkäufeBewertungenAngebotVorlieben anderer
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 20Urs Gehrig und Uwe Leimstoll
Gesammelt als Bewertungsmatrix
P1 P2 P3 P4 P5 P6 P7
K1 1 1 1
K2 1
K3 1 1
K4 -1 1
K5 1 1
K6 1 0.8
K7 1 1
K8 1 1
K9 1 1
K10 1 1
11
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 21Urs Gehrig und Uwe Leimstoll
User-based Collaborative Filtering
P1 P2 P3 P4 P5 P6 P7
K1 1 1 1
K2 1
K3 1 1
K4 1 1
∑ ∑
∑
= =
=
⋅
⋅=
m
k
m
kjkik
m
kjkik
vv
vvvjvia
0 0
22
0),(
+ Empfehlungen auch ausserhalb von ähnlichen Produkten
Abwechslung
- Funktioniert nicht, wenn nur 1-er in der Matrix vorkommen
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 22Urs Gehrig und Uwe Leimstoll
Item-based Collaborative Filtering
P1 P2 P3
K1 1 1
K2 1
K3 1
K4
K5 1
K6 1
K7 1 1
K8 1
α)()(),( 0:
,,
jFreqiFreq
Rjisim jqRq
jq
×=
∑>∀
+ funktioniert ausgezeichnet
- Empfehlungen nicht persönlich
12
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 23Urs Gehrig und Uwe Leimstoll
Persönliche Empfehlungen
P1 P2 P3 P4 P5 P6P1 - 0.4 0.7 0.1 0.4 0.2P2 0.4 - 0.6 0.1 0.7 0.7P3 0.7 0.6 - 0.3 0.1 0.9P4 0.1 0.1 0.3 - 0.1 0.1P5 0.4 0.7 0.1 0.1 - 0.6P6 0.2 0.7 0.8 0.2 0.6 -
∑∀
=gekauftj
jisimirec:
),()(+ funktioniert ausgezeichnet
+ auch für Warenkorbanalyse
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 24Urs Gehrig und Uwe Leimstoll
Variationen in den Empfehlungen
wiederkehrende Einkäufesaisonale ProdukteAktualität der Produktepushen und zurückhalten von einzelnen Produkten
Shop-Parameter auf Niveau Shop / Produktgruppe / Produkt
13
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 25Urs Gehrig und Uwe Leimstoll
Besondere Herausforderungen
(noch) nicht angemeldet, d.h. Identität fehltCookie ablegen
dünne BewertungsmatrixClick-Stream aufzeichnen
neue ProdukteFeature-based Filtering
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 26Urs Gehrig und Uwe Leimstoll
Woher kommen die Informationen?
Direkt aus dem ERP!Bewertungsmatrix: VerkaufsbelegeParameter: ArtikelstammClick-Stream: Webshop-Log
Vorverarbeitet im Batch!
14
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 27Urs Gehrig und Uwe Leimstoll
Grenzen eines Empfehlungssystems
hohes Datenvolumen notwendigCookies abgeschaltet
persönliche Empfehlung nur für angemeldete Kundengezieltes Anbieten von Zubehör oderAlternativprodukten mit denAutomatismen nicht möglichGüte der Empfehlung ~15%
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 28Urs Gehrig und Uwe Leimstoll
Integration in einen E-Shop
15
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 29Urs Gehrig und Uwe Leimstoll
Dank
Die KTI-Projekte „PersECA“ werden mitfinanziert durch die Kommission für Technologie und Innovation KTI/CTI am Bundesamt für Berufsbildung und Technologie BBT.
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 30Urs Gehrig und Uwe Leimstoll
Zusammenfassung
Personalisierung bietet vielfältige Ansatzpunkte, um E-Commerce-Applikationen zu erweitern.Empfehlungssysteme unterstützen
Up- und Cross-SellingSteigerung der KauffrequenzKundenzufriedenheit und damit Kundenbindung
Der Aufwand für die Realisierung eines Empfehlungssystems ist überschaubar.Wichtig ist die Feinabstimmung der Empfehlungen im Einzelfall.
16
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 31Urs Gehrig und Uwe Leimstoll
Wie sieht die Zukunft aus?
Personalisierung ist ein anhaltender Trend.Attraktive E-Shops werden Personalisierung und Empfehlungssysteme nutzen.Es besteht die Tendenz weg von der Massenwerbung hin zur individuellen Ansprache des Kunden auch im Web.Grundlage dafür bilden die Kundenprofile, wobei datenschutzrechtliche Aspekte zu beachten sind.
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 32Urs Gehrig und Uwe Leimstoll
Fragen?
Urs Gehrigbbv Software Services AG
Dr. Uwe LeimstollCompetence Center E-Business Basel
Besuchen Sie uns an der Orbit-iEXHalle 3 – Stand B14
17
© 2007 bbv Software Services AG / Competence Center E-Business Basel | 33Urs Gehrig und Uwe Leimstoll
Literatur
Adomavicius, Gediminas; Tuzhilin, Alexander: Personalization Technologies, Communications of the ACM, Volume 48, No. 10, 2005.
Kummer, Mathias; Leimstoll, Uwe; Risch, Daniel: Checkliste für den Datenschutz im E-Commerce, in: Weblaw (Hrsg.), Informatikrecht in der Praxis: Recht und Praxis rund um den Einsatz von Informatik- und Kommunikationsmitteln, S. 1 - 52, Zürich: WEKA Verlag AG, 2006.
Riecken, Doug: Personalized Views of Personalization, in: Communications of the ACM, Volume 43, No. 8, 2000.
Risch, Daniel: myLandscapes.ch – Explaining Recommender System Principles in a Web-based Application, in: Proceedings of CollECTeR Europe 2006, 2006, S. 55-61.
Risch, Daniel; Schubert, Petra: Customer Profiles, Personalization and Privacy, in: Proceedings of CollECTeR Europe 2005, June 2005, S. 1-12.
Schubert, Petra; Leimstoll, Uwe; Risch, Daniel: Personalization Beyond Recommender Systems, in: Suomi, Reima et al. (Hrsg.), IFIP International Federation for Information Processing, Volume 226, Project E-Society: Building Bricks, S. 126-139, Boston: Springer, 2006
Schubert, Petra; Kummer, Mathias; Leimstoll, Uwe: Legal Requirements for the Personalization of Commercial Internet Applications in Europe, in: Journal of Organizational Computing and Electronic Commerce 16 (3&4), 203–220, 2006.
Schubert, Petra; Leimstoll, Uwe: Handbuch zur Personalisierung von E-Commerce-Applikationen, Basel: Fachhochschule beider Basel (FHBB), Institut für angewandte Betriebsökonomie (IAB), Arbeitsbericht E-Business Nr. 7, 2002.
top related