In den letzten Jahren haben Online-Shops, Online-Kinos und andere Dienstleister Algorithmen entwickelt, die die Interessen der Nutzer verfolgen und auf dieser Grundlage eine individuelle Liste potenziell interessanter Produkte und Dienstleistungen erstellen.
Empfehlungssysteme sind eine Win-Win-Situation für Dienstleister und Kunden. Der Dienstanbieter erzielt mehr Umsatz und die Nutzer verbringen weniger Zeit mit der Suche nach dem Gewünschten.
Wenn von Empfehlungssystemen die Rede ist, wird das kollaborative Filtern immer häufiger erwähnt und verwendet. In diesem Artikel werden wir darüber sprechen, was kollaboratives Filtern ist, wann und wie man es einsetzt, aber auch über Vor- und Nachteile.
Kollaboratives Filtern kurz erklärt
Die kollaborative Filterung ist eine Technik, die darauf abzielt, die Vorlieben und Interessen der Nutzer auf der Grundlage der Interessen anderer Nutzer, die dieselbe Ressource verwenden, zu erkennen. Auf der Grundlage der gesammelten Informationen empfiehlt das System die Produkte, an denen das Publikum bereits interessiert war, bestimmte Nutzer aber nicht.
Die kollaborative Filterung und ihre Algorithmen werden von Tech-Giganten wie Amazon, eBay, Facebook, Netflix, Medium und anderen eingesetzt. Die intelligenten Algorithmen helfen dem Dienst, den Nutzern verwandte Produkte und Dienstleistungen vorzuschlagen, sodass sie weniger Zeit für die Suche nach dem, was sie interessiert, aufwenden müssen.
Wie funktioniert die kollaborative Filterung?
Hinter dem gruseligen Namen verbirgt sich in Wirklichkeit eine sehr einfache und effektive Methode, um dies zu erreichen. Das System gruppiert die Nutzer in verschiedene Segmente und empfiehlt dann Nutzern, die neu sind und eher zu einem dieser Segmente gehören, Produkte und Dienstleistungen, die von diesen Segmenten genutzt wurden.
Nehmen wir zum Beispiel YouTube. Ein neuer Nutzer registriert sich und sieht sich eine Comedy-Show an. Unmittelbar nach dem Ende des Videos empfiehlt der Dienst andere Videos mit ähnlichem Inhalt. Das kann sich auf Schauspieler, Videotyp, Länge usw. beziehen.
So funktioniert bei YouTube das Prinzip des gesammelten Wissens: Je mehr Videos der Nutzer ansieht, desto präziser ist die Empfehlung. In anderen Fällen bittet das System den Nutzer, die Empfehlung zu bewerten, damit es den entsprechenden Inhaltsdienst weiter verbessern kann. Aber das ist irgendwie riskant.
Arten der kollaborativen Filterung
Es gibt drei Arten des kollaborativen Filterns: netzwerkbasiert, modellbasiert und hybrid.
- Netzwerkbasierte Filterung
Dies ist die erste Art der kollaborativen Filterung, die aufkam und heute die beliebteste unter den Empfehlungssystemen ist. Der Nutzer wird einer Untergruppe zugeordnet, die ähnliche Interessen hat. Auf der Grundlage der Inhalte, die von bereits existierenden Nutzern in dieser Gruppe konsumiert werden, generiert das System relevante Empfehlungen.
- Modellbasierte Filterung
Dieser Typ ermöglicht die Erstellung von Empfehlungen auf der Grundlage spezifischer Parameter bestimmter Modelle, wie Clustering, latente Segmentierung usw. Die Modelle werden mit Hilfe von intellektuellen Analysen und Algorithmen des maschinellen Lernens erstellt. Die Anzahl der Parameter ist nicht begrenzt und kann so niedrig oder hoch sein, wie es die Hauptkomponente erfordert. Dieses Modell erfreut sich aufgrund seiner hohen Präzision und seines komplexeren Ansatzes immer größerer Beliebtheit. Schließlich leben wir bereits im Zeitalter der KI. Natürlich gibt es einige Herausforderungen bei dieser Art der kollaborativen Filterung, aber die größte Herausforderung sind die hohen Kosten.
- Hybride kollaborative Filterung
Der hybride Ansatz ist bei Online-Shops und Marktplätzen beliebter. Er kombiniert die ersten beiden Arten und hilft den Nutzern, interessante verwandte Inhalte zu finden, aber mit höherer Präzision. Er löst auch andere Probleme, wie den Verlust von Informationen oder die Zugänglichkeit von Daten. Dieses Modell hat jedoch seinen Preis, und es ist zwar die teuerste, aber auch die effektivste Art, Nutzer zu konvertieren.
Alles in allem hat das kollaborative Filtern seine eigenen Vor- und Nachteile, und es hängt von den Anforderungen des jeweiligen Unternehmens ab, ob es sich lohnt, es zu implementieren oder nicht.
