Entwicklung eines Recommender Systems : Unterschiedliche Strategien anhand eines Travel- & Outdoor Online Shops

Abstract

These days recommender systems are an almost fundamental tool for businesses in E-commerce. They enable automated mass customization and personalization of a site and help with increasing sales and customer loyalty. This paper describes the development process of such a system. Various recommender strategies are being presented and implemented with different metrics and algorithms using implicit user data. The advantages and disadvantages of each approach are being discussed. Then, the recommender models are being compared to each other and analysed in an offline evaluation. Furthermore, hybrid methods are being introduced to solve the item cold start and the filter bubble problem. The paper completes with a conclusion, an approach for online testing and suggestions to further improve the recommendation engine.

Recommender Systeme sind heutzutage ein fast fundamentales Tool für Unternehmen im E-Commerce. Sie ermöglichen eine automatisierte Massenpersonalisierung einer Seite und helfen dabei, Umsatz und Kundenloyalität zu steigern. In dieser Arbeit wird der Entwicklungsprozess eines solchen Systems beschrieben. Es werden unterschiedliche Empfehlungsstrategien auf Basis von impliziten Userdaten vorgestellt, die mit verschiedenen Metriken und Algorithmen umgesetzt werden. Dabei wird auf die Vor- und Nachteile jedes Ansatzes eingegangen. Anschließend wird eine Offline Evaluation durchgeführt, bei der die Recommender Modelle auf Basis verschiedener Kriterien miteinander verglichen werden. Es werden außerdem hybride Methoden vorgestellt, die die Probleme des Item-Kaltstarts und der Filter Bubble lösen sollen. Schließlich werden eine Schlussfolgerung gezogen und Aussichten für weiteres Online Testing und Optimierungsvorschläge gegeben.