entscheidungshilfe: recommender system

Download Entscheidungshilfe: Recommender System

Post on 07-Nov-2014

500 views

Category:

Technology

2 download

Embed Size (px)

DESCRIPTION

Ein Vortrag von Andreea Fabritius aus dem Hauptseminar "Personalisierung mit groen Daten".

TRANSCRIPT

  • 1. Herzlich Willkommen zu Entscheidungshilfe: Recommender System Glaubwrdige und berzeugende Empfehlungssysteme entwerfen Veranstaltung HS: Personalisierung mit groen Daten Referentin Andreea Fabritius 06.12.2013
  • 2. Glaubhafte Recommender Systeme Gliederung 1. Einleitung: Einsatz von Recommender Systemen 2. Psychologische Grundlage: Der menschliche Entscheidungsprozess 3. Erfolgsfaktoren fr glaubwrdige Recommender Systeme 4. Glaubhafter Recommender Systeme entwerfen 5. Empfehlungssysteme der Zukunft Andreea Fabritius Seite 2 / 36
  • 3. Glaubhafte Recommender Systeme Einleitung Wo wir auf Recommender Systeme treffen: Andreea Fabritius Seite 3 / 36
  • 4. Glaubhafte Recommender Systeme Einleitung Wo wir auf Recommender Systeme treffen: Andreea Fabritius Seite 4 / 36
  • 5. Glaubhafte Recommender Systeme Wozu Recommender Systems? Empfehlungssysteme aus Nutzersicht Recommendation Systems (RS) helfen Nutzern: beim Finden von bekannten Personen in Netzwerken als Verkaufsassistenten in Online Shops bei der Orientierung in groen Informationsmengen zur Eingrenzung groer Auswahlangebote beim Entdecken weiterer interessanter Informationen und Produkte Andreea Fabritius Seite 5 / 36
  • 6. Glaubhafte Recommender Systeme Wozu Recommender Systems? Empfehlungssysteme aus Anbietersicht Recommendation Systems (RS) helfen Anbietern: als personalisierte Verkaufsassistenten in Online Shops als Trustfaktor und Loyalittsfaktor fr Online Shops zur Steigerung von Umsatz, Conversions und Clickraten als Mittel fr Promotion um mehr Daten ber Nutzer zu sammeln Andreea Fabritius Seite 6 / 36
  • 7. Glaubhafte Recommender Systeme Wozu Recommender Systems? Recommender Systeme sind effektive Entscheidungshilfen, die nicht nur aus technischer Sicht funktionieren mssen Recommender Systeme als Social Actors unumgnglich Andreea Fabritius Seite 7 / 36
  • 8. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Fr E-Commerce ist es extrem wichtig menschliches Kaufverhalten zu verstehen. Dies ist eng gekoppelt an verschiedene Theorien, die whrend des menschlichen Entscheidungsprozesses beobachtet werden knnen. Studien haben herausgefunden, das es so etwas wie eine stabile Prferenz im Entscheidungsprozess nicht gibt: Bsp: Eine Person mchte sich einen Laptop kaufen und definiert dafr ein festes Preislimit. Eine detaillierte technische Beschreibung des Gerts im Vergleich zu anderen kann aber dazu fhren, dass das Limit zu Gunsten Ausstattung doch berschritten wird. Andreea Fabritius Seite 8 / 36
  • 9. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Kontext-Effekt Die Wahrnehmung eines Produkts wird immer auch durch seinen Kontext beeinflusst. Das bedeutet, die Darstellung eines Produktes in einer Auswahl verschiedener Produkte kann die Wahrnehmung sowohl positiv als auch negativ beeinflussen. Die Kaufentscheidung wird immer auch im Bezug auf den Kontext getroffen. Andreea Fabritius Seite 9 / 36
  • 10. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Kontext-Effekt Produkt A B C Preis 30 25 50 10 GB 3 GB 12 GB Download Limit Welches Produkt wird eher gekauft? Andreea Fabritius Seite 10 / 36
  • 11. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Kontext-Effekt Produkt A B C Preis 30 25 50 10 GB 3 GB 12 GB Download Limit Der Kontext lsst Produkt A im Vergleich sehr attraktiv wirken. Fr signifikant weniger erhlt man nahezu so viel, wie bei dem teuersten Produkt C. C ist hierbei der Kder fr A. A ist der Kompromiss zwischen niedrigem Preis und hoher Leistung. Mchtiges Instrument fr den Abverkauf von Ladenhtern Andreea Fabritius Seite 11 / 36
  • 12. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Attraction-Effekt Produkt A B C Preis 30 25 36 10 GB 3 GB 32 GB Download Limit Und nun? Andreea Fabritius Seite 12 / 36
  • 13. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Attraction-Effekt Produkt A B C Preis 30 25 36 10 GB 3 GB 32 GB Download Limit C dominiert A deutlich bei der erhaltenen Leistung, whrend der Preis vergleichsweise nur geringfgig hher ist. Andreea Fabritius Seite 13 / 36
  • 14. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Dieses Wissen kann genutzt werden um: Gesteigerte Wahrscheinlichkeiten herbeizufhren, ein Produkt zu verkaufen Die Zufriedenheit der Nutzer beim Kauf zu steigern Kaufbereitschaft zu steigern, als Konsequenz aus zufriedeneren Kunden Wichtig: Kalkulieren der Dominanz der Produkte, um gewnschten Effekt zu erzielen. Andreea Fabritius Seite 14 / 36
  • 15. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Weitere Effekte: Primacy / Recency Effekt: kognitives Phnomen, das beschreibt, dass Menschen sich aus einer Liste an Informationen besonders diejenigen Sequenzen am Anfang und am Ende merken knnen. Analog dazu: Produkte am Anfang und am Ende werden viel hufiger beachtet, im Vergleich zu Produkten in der Mitte der Liste Plus: User evaluieren typischerweise nicht jedes einzelne Produkt einer Liste, um das beste zu finden Als Konsequenz daraus, sollte dieses Wissen in Recommender Systemen miteinkalkuliert werden. Andreea Fabritius Seite 15 / 36
  • 16. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Weitere Effekte: Framing: Darstellung einer Information kann die Evaluierung des Produkts beeinflussen: Bei der Darstellung des Preises Bei der Darstellung der einzelnen Attribute Der Framing-Effekt ist dabei hher, je unerfahrener der User auf dem Themengebiet ist. Bei Usern, die mit der Thematik gut vertraut sind, knnen Framingeffekte kaum festgestellt werden. Andreea Fabritius Seite 16 / 36
  • 17. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Weitere Effekte: Priming: Hier kann beispielsweise der Hintergrund einer Seite Einfluss auf die Entscheidung des Nutzers nehmen (background priming) Beispiel von Mandel and Johnson 1999: Der Hintergrund einer Seite fr Mbel wurde in einem A/B-Test einmal mit Mnzen und einmal mit Wolken gestaltet. Die User mit dem wolkigen Hintergrund gaben dabei signifikant mehr Geld aus, als die andere Nutzergruppe. Hier wurde besonders die Gefhlswelt angesprochen. Die Wolken vermittelten eine wohlige und beruhigende Stimmung. Andreea Fabritius Seite 17 / 36
  • 18. Glaubhafte Recommender Systeme Psychologische Grundlage: Der menschliche Entscheidungsprozess Weitere Effekte: Defaults: Standardeinstellungen werden hufig als Status Quo gesehen und dadurch hufiger mit Alternativen verglichen, als Alternativen untereinander. Status Quo Bias: User tendieren auerdem dazu Standardeinstellungen NICHT zu ndern. nderungen von Defaults werden mit einem Risiko in Verbindung gebracht die falsche Entscheidung zu treffen. Vorauswahl von Versicherungen, extra Garantie etc. Andreea Fabritius Seite 18 / 36
  • 19. Glaubhafte Recommender Systeme Erfolgsfaktoren glaubwrdiger Empfehlungssysteme Glaubwrdigere Quellen sind auch berzeugender. Fr den Erfolg eines Recommender Systems ist damit eine Vertrauensbasis essenziell. Die Glaubwrdigkeit ist mageblich abhngig von der Wahrnehmung des Nutzers. Das Design des Recommender Systems muss so gestaltet sein, dass sich der Nutzer damit gut beraten fhlt. Wie kann eine Vertrauensbasis geschaffen werden? Psychologie der zwischenmenschlichen Interaktion Andreea Fabritius Seite 19 / 36
  • 20. Glaubhafte Recommender Systeme Erfolgsfaktoren glaubwrdiger Empfehlungssysteme Intrinsische Eigenschaften fr Empfehlungssysteme Glaubwrdigkeit & Seriositt Eigenschaften wie Wohlwollen, Neutralitt, Wahrhaftigkeit sind Menschen von sozialer Interaktion bekannt und vertraut. Schaffen einer Vertrauensbasis: Beim Nutzer das Gefhl wecken, in seinem Interesse zu handeln. Gegenteil: Forsches berzeugen weckt Misstrauen Andreea Fabritius Seite 20 / 36
  • 21.

Recommended

View more >