Personalisierung im Web

Zeidler, Jens

Personalisierung im Web

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop

von Jens Zeidler (Autor:in)

Informatik - Angewandte Informatik

Zusammenfassung

Inhaltsangabe:Einleitung:
In der Online-Welt steht der Konsument vor einem neuen Problem: Die Geschäftszeiten sind zwar uneingeschränkt und die riesige Produktauswahl lässt beinahe keine Wünsche mehr offen, doch dämpft häufig ein erschlagendes Zuviel an Angeboten und Informationen die Kauflust. (Bernfried Howe, Experte für Personalisierung und Integration, RedDot Solutions).
Die Personalisierung von Dienstleistungen ist für Unternehmen wichtiges Marketinginstrument als Mittel zur Kundengewinnung und Kundenbindung. Als Personalisierung kann die spezifische Anpassung der Produkte oder einer Produktlinie an individuelle Kundenwünsche gesehen werden. Dabei ist Personalisierung keine Erscheinung, die erst im Web 2.0 auftrat, sondern schon eher Bestandteil der Strategie von Unternehmen war.
Bei erfolgreichen Unternehmen ist Individualisierung von Produkten fest in die Strategie des Unternehmens integriert. Der Computerhersteller Apple beispielsweise bietet die Produktserie iPod Nano in 9 verschiedenen Farben an, um den persönlichen Geschmack des Kunden zu treffen. Weitere Individualisierung ist das Versehen des MP3-Players mit persönlicher Gravur, um ein individuelles Gerät zu erwerben. Erfolgreich wird hier die Idee von Massenproduktion in Kombination von Individualisierung umgesetzt.
Auch bei andere Unternehmen, welche mit exklusiven Produkten am Markt vertreten sind, sind ähnliche Strategien zu beobachten. Personalisierte Produktgestaltung und Differenzierung nimmt so einen wichtigen Teil des Marketings ein. Doch warum sind Personalisierung und Produktdifferenzierung erfolgreich? Die Vielzahl der am Markt angebotenen Produkte mit ähnlichen Merkmalen erschwert die Kaufentscheidung aus Sicht eines Kunden. Sie können sich auf Grund des Überangebotes schwer für den sie richtigen Artikel unterscheiden. Auf persönliche Präferenzen zugeschnittene Produkte wirken dagegen sehr attraktiv. Sie ermöglichen dem Unternehmen, sich von Mittbewerbern und deren Produkten zu differenzieren und Kaufanreize zu schaffen. Auch ist eine bessere Preisgestaltung seitens der Hersteller möglich, da dem Kunden ein zusätzlicher Mehrwert verkauft werden kann. Methoden der Individualisierung und Personalisierung haben mittlerweile einen hohen Stellenwert im E-Commerce erlangt, was im folgenden Abschnitt erläutert werden soll.
Bedeutung der Personalisierung im E-Commerce:
Mit der Entwicklung von Online-Shops, ausgehend vom Internet-Boom Mitte der 90er Jahre haben sich […]

Leseprobe

Inhaltsverzeichnis

Jens Zeidler

Personalisierung im Web

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop

ISBN: 978-3-8428-1279-6

Herstellung: Diplomica® Verlag GmbH, Hamburg, 2011

Zugl. Fachhochschule Erfurt, Erfurt, Deutschland, MA-Thesis / Master, 2009

Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte,

insbesondere die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von

Abbildungen und Tabellen, der Funksendung, der Mikroverfilmung oder der

Vervielfältigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen,

bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielfältigung

dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen

der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik

Deutschland in der jeweils geltenden Fassung zulässig. Sie ist grundsätzlich

vergütungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des

Urheberrechtes.

Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in

diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme,

dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei

zu betrachten wären und daher von jedermann benutzt werden dürften.

Die Informationen in diesem Werk wurden mit Sorgfalt erarbeitet. Dennoch können

Fehler nicht vollständig ausgeschlossen werden und der Verlag, die Autoren oder

Übersetzer übernehmen keine juristische Verantwortung oder irgendeine Haftung für evtl.

verbliebene fehlerhafte Angaben und deren Folgen.

http://www.diplomica.de, Hamburg 2011

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

Inhaltsverzeichnis

Inhaltsverzeichnis

Einleitung

1.1

Motivation

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1.1

Vorstellung des Unternehmens . . . . . . . . . . . . . . . . . . . . . .

1.1.2

Ziel der Softwarelösung . . . . . . . . . . . . . . . . . . . . . . . . . .

1.2

Ziel der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Personalisierung im Web

2.1

Definition Personalisierung

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

Ebenen der Personalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3

Personalisierungsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.1

Datenerfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.2

Profilerstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3.3

Personalsierungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . .

2.4

Beispiele und Einsatzgebiete . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.4.1

Personalisierte E-Mail Kommunikation . . . . . . . . . . . . . . . . . .

2.4.2

Personalisierte Werbebanner / Seiteninhalte . . . . . . . . . . . . . . .

2.4.3

Personalisierte Suchmaschinen

. . . . . . . . . . . . . . . . . . . . . .

2.4.4

Personalisierte Produktempfehlungen . . . . . . . . . . . . . . . . . . .

Anforderungsanalyse

3.1

Inhalt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2

Allgemeine Anforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3

Grobspezifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3.1

Architekturentwurf . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3.2

Darstellung der Use-Cases . . . . . . . . . . . . . . . . . . . . . . . . .

3.4

Feinspezifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.1

Interface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.2

Datenbankschema . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.4.3

Schnittstelle zwischen beiden Projekten . . . . . . . . . . . . . . . . .

3.4.4

Kommunikation zwischen Shop und Empfehlungssystem . . . . . . . .

Umsetzung

4.1

Auswahl Empfehlungsalgorithmen

. . . . . . . . . . . . . . . . . . . . . . . .

4.2

Vorgehensweise Implementation . . . . . . . . . . . . . . . . . . . . . . . . . .

4.3

Softwaretests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

Inhaltsverzeichnis

4.3.1

Funktionsorientierte Tests . . . . . . . . . . . . . . . . . . . . . . . . .

4.3.2

Kontrollflußorientierte Tests . . . . . . . . . . . . . . . . . . . . . . . .

4.3.3

Datenflußorientierte Tests . . . . . . . . . . . . . . . . . . . . . . . . .

4.3.4

Modellbasierte Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.3.5

Prüfstrategien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.3.6

Umsetzung der Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Algorithmen

5.1

Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.1.1

Collective Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.1.2

Funktionsweise von Empfehlungssytemen . . . . . . . . . . . . . . . .

5.1.3

Distanzberechnung in Empfehlungssystemen . . . . . . . . . . . . . . .

5.1.4

Algorithmenklassen bei Produktempfehlungen . . . . . . . . . . . . . .

5.1.5

Speicherbasierte und modellbasierte Techniken . . . . . . . . . . . . .

5.1.6

Naive-Bayes Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.1.7

Clusterbasierte Modelle . . . . . . . . . . . . . . . . . . . . . . . . . .

5.1.8

Herausforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.2

Überblick der Empfehlungsalgorithmen . . . . . . . . . . . . . . . . . . . . . .

5.2.1

Attributbasierte Empfehlung . . . . . . . . . . . . . . . . . . . . . . .

5.2.2

Warenkorbanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.2.3

Apriori Algorithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.2.4

Bewertungsbasierte Verfahren . . . . . . . . . . . . . . . . . . . . . . .

5.2.4.1

Vergleich der Varianten . . . . . . . . . . . . . . . . . . . . .

5.2.4.2

MovieLens - Filmempfehlungen mit Nutzerratings . . . . . .

5.2.5

Empfehlungen mit KNN Verfahren

. . . . . . . . . . . . . . . . . . .

5.3

Bewertungsmöglichkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.3.1

Prognosegüte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.3.2

Reciever-Operating-Characteristics (ROC) Analyse . . . . . . . . . . .

5.3.3

Mittlerer absoluter Fehler . . . . . . . . . . . . . . . . . . . . . . . . .

5.3.4

Grenzen der Bewertungsverfahren . . . . . . . . . . . . . . . . . . . .

Evaluierung

6.1

Business understanding - Über das Unternehmen . . . . . . . . . . . . . . . .

6.2

Data understanding - Datenverständnis . . . . . . . . . . . . . . . . . . . . .

6.2.1

Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6.2.2

Data preparation - Datenaufbereitung . . . . . . . . . . . . . . . . . .

6.2.2.1

Import der Bestelldaten . . . . . . . . . . . . . . . . . . . . .

6.2.2.2

Import der Ratings . . . . . . . . . . . . . . . . . . . . . . .

6.2.2.3

Sicherung der Datenstände . . . . . . . . . . . . . . . . . . .

6.2.2.4

Evaluierungsdaten . . . . . . . . . . . . . . . . . . . . . . . .

6.3

Evaluierung der Algorithmen . . . . . . . . . . . . . . . . . . . . . . . . . . .

6.3.1

Evaluierungskriterien . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6.3.2

Einzelbewertung der Verfahren . . . . . . . . . . . . . . . . . . . . . .

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

Inhaltsverzeichnis

6.3.2.1

Warenkorbanalyse . . . . . . . . . . . . . . . . . . . . . . . .

6.3.2.2

Apriori-Algorithmus

. . . . . . . . . . . . . . . . . . . . . .

6.3.2.3

K-Nearest Neighbor (KNN) . . . . . . . . . . . . . . . . . . .

6.3.3

Gesamtbewertung in ROC-Diagramm . . . . . . . . . . . . . . . . . .

Fazit und Ausblick

Glossar

III

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

Abk¸rzungsverzeichnis

1 Einleitung

"In der Online-Welt steht der Konsument vor einem neuen Problem: Die Geschäftszei-

ten sind zwar uneingeschränkt und die riesige Produktauswahl lässt beinahe keine Wünsche

mehr offen, doch dämpft häufig ein erschlagendes Zuviel an Angeboten und Informationen

die Kauflust."

Bernfried Howe, Experte für Personalisierung und Integration, RedDot Solutions

1.1 Motivation

Die Personalisierung von Dienstleistungen ist für Unternehmen wichtiges Marketinginstru-

ment als Mittel zur Kundengewinnung und Kundenbindung [May01]. Als Personalisierung

kann die spezifische Anpassung der Produkte oder einer Produktlinie an individuelle Kun-

denwünsche gesehen werden. Dabei ist Personalisierung keine Erscheinung, die erst im Web

2.0 auftrat, sondern schon eher Bestandteil der Strategie von Unternehmen war [FP00].

Bei erfolgreichen Unternehmen ist Individualisierung von Produkten fest in die Strategie

des Unternehmens integriert. Der Computerhersteller Apple beispielsweise bietet die Pro-

duktserie "iPod Nano" in 9 verschiedenen Farben an, um den persönlichen Geschmack des

Kunden zu treffen. Weitere Individualisierung ist das Versehen des MP3-Players mit persön-

licher Gravur, um ein individuelles Gerät zu erwerben

. Erfolgreich wird hier die Idee von

Massenproduktion in Kombination von Individualisierung [KC03] umgesetzt.

Auch bei andere Unternehmen, welche mit exklusiven Produkten am Markt vertreten sind,

sind ähnliche Strategien zu beobachten (Harley Davidson, Porsche).

Personalisierte Produktgestaltung und Differenzierung nimmt so einen wichtigen Teil des

Marketings ein.

Doch warum sind Personalisierung und Produktdifferenzierung erfolgreich? Die Vielzahl der

am Markt angebotenen Produkte mit ähnlichen Merkmalen erschwert die Kaufentscheidung

aus Sicht eines Kunden.

Sie können sich auf Grund des Überangebotes schwer für den sie 'richtigen' Artikel unter-

scheiden. Auf persönliche Präferenzen zugeschnittene Produkte wirken dagegen sehr attrak-

tiv. Sie ermöglichen dem Unternehmen, sich von Mittbewerbern und deren Produkten zu

Beispiel: http://www.apple.com/r/ipodstore/personalization/us.html

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

1 Einleitung

differenzieren und Kaufanreize zu schaffen. Auch ist eine bessere Preisgestaltung seitens der

Hersteller möglich, da dem Kunden ein zusätzlicher Mehrwert verkauft werden kann.

Methoden der Individualisierung und Personalisierung haben mittlerweile einen hohen Stel-

lenwert im E-Commerce erlangt, was im folgenden Abschnitt erläutert werden soll.

Bedeutung der Personalisierung im E-Commerce

Mit der Entwicklung von Online-

Shops, ausgehend vom Internet-Boom Mitte der 90er Jahre haben sich Darstellung, Inhalte

und Funktionen von Shopsystemen stetig verändert und weiterentwickelt. Die ersten Varian-

ten boten dem Kunden lediglich eine schlichte, nicht personalisierte Präsentation der Artikel

und die Möglichkeit, nach Angabe von Lieferdaten, den Kauf abzuschließen.

Die Funktionen heutiger Online-Shops haben sich inzwischen stark verbessert. Diese sind

zunehmend als komplexe Softwaresysteme zu verstehen. Sowohl Profit als auch non-Profit

Gesellschaften bieten mittlerweile Shopsysteme an, die weitreichende Features aufweisen.

Neben der eigentlichen Kaufabwicklung finden sich Funktionen für vor,- und nachgelagerte

Verkaufsprozesse (Pre/Aftersales). Die Zahl der Online-Shops, der Käufer und auch der an-

gebotenen Artikel steigt bis dato stetig an. Mit wachsendem Markt und der Zunahme von

Konkurrenz im E-Commerce Bereich wurde der Wunsch nach Aufwertung der Shops immer

stärker. Anbieter wollten sich durch bestimmte Funktionen abgrenzen und dem Kunden ein

besseres Einkaufserlebnis bieten.

Mit Aufkommen von Nutzeraccounts bot sich die Möglichkeit nutzerbezogene Daten wie

Geschlecht, Alter, Kaufgewohnheiten etc. dauerhaft zu speichern und auszuwerten.

Mit den Nutzerprofilen wird letztendlich auch die Darstellung personalisierter Inhalte reali-

siert.

Personalisierung ermöglicht den Shopbetreibern eine stärkere Kundenbindung und Identifi-

kation mit dem Online-Shop. Dies dient der Sicherung der Bestandskunden und Kostenein-

sparung bei der Neukundenaquise.

Neben der Möglichkeit, das Online-Marketing zu optimieren, werden auch die Wechselbarrie-

ren zu anderen Anbietern erhöht, weil durch Personalisierung die Beziehung zwischen Kunde

und Unternehmen gestärkt werden kann [KC03]. Individualisierte Inhalte innerhalb Online-

Shops stehen daher im Fokus des vorliegenden Ausarbeitung. Ein besonderer Teilaspekt der

Personalisierung, der in den letzten Jahren an Bedeutung gewann, ist die Darstellung von

personalisierten Produktvorschlägen.

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

1 Einleitung

1.1.1 Vorstellung des Unternehmens

Motivation für die Masterarbeit war die Anfrage einer regional ansässigen Softwarefirma.

Das Softwareunternehmen IQ++ entwickelt Produkte auf Open-Source Basis für Zope und

Plone sowie Branchensoftware, welche an klein,- und mittelständige Unternehmen vertrieben

wird

Also wichtigste Produkte sind hier das Content-Managementsystem LFC

, als auch der

Online-Shop LFS

zu nennen.

Technisch basieren beide Produkte auf Django, einem Python-Webframework. Dieses Fra-

mework ermöglicht die schnelle Entwicklung hochperformanter Websites, ohne dabei auf

wichtige Paradigmen des Software-Designs zu verzichten. Derzeit existieren weltweit über

2500 Portale

aus den Bereichen Business, Blog, Communitywebsite etc, die mit diesem Sy-

stem entwickelt wurden.

Für das Django-basierte Shopsystem LFS, soll das Feature 'Produktvorschläge' implemen-

tiert werden. Dies soll analog zu aktuellen E-Commerce Portalen, die diese Funktion bereit-

stellen, geschehen

1.1.2 Ziel der Softwarelösung

Ziel des Softwareprojektes 'Produktvorschläge' ist es, im Online-Shop für den momentan be-

trachteten Artikel weitere Produktvorschläge anzuzeigen, die für Kunden interessant sind.

Abbildung 1.1 zeigt einen Screenshot, wie die Funktion "Kunden kauften auch" beim Online-

Großhändler www.Amazon.de umgesetzt wurde.

Die Softwarelösung soll nach Absprache mit IQ++ in die bestehende Django-Installation

integriert werden. Möglich ist hier die Verteilung als Django-Applikation oder als Django-

Projekt

. Hier soll die geeignetste Variante evaluiert werden.

Als Ergebnis soll für den Nutzer eine Liste der "interessantesten" Empfehlungen erzeugt wer-

den, wobei die Darstellung natürlich live erfolgen soll. Welcher konkrete Algorithmus dabei

verwendet wird, ist freigestellt, es soll jedoch aufgrund der bekannten Daten 'möglichst ge-

eignete' Empfehlungen gefunden werden. Für die Analyse werden Bestelldaten und Ratings

als CSV-Datei bereitgestellt.

Ein Softwareanbieter in Erfurt, Website: www.iqpp.de

Lightning Fast Contentmanagement, www.getlfs.com

Lightning Fast Shop

Quelle: www.djangosites.org, am 20.August 2009: 2563 eingetragene Sites

Beispiele für aktuelle Implementierung: eBay ww.ebay.de, Amazon www.amazon.com

vgl. [HKM08] Applikationen sind schlanke Softwareprodukte in Django, Projekte dagegen Gesamtlösun-

gen, die unabhängig bezogen auf Installation und Datenbank voneinander sind

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

1 Einleitung

Abbildung 1.1: Amazon-Kaufempfehlungen für das Produkt 'iPhone 3Gs'

1.2 Ziel der Arbeit

Ziel der Arbeit ist zunächst die Darstellung von Personalisierungsmöglichkeiten im Web. Es

soll erläutert werden, welche Vorraussetzungen für Personalisierung erforderlich sind, welche

Ebenen der Personalisierung existieren und welches die konkreten Möglichkeiten der Umset-

zung bei Online-Angeboten sind.

Dabei soll auch methodisch erläutert werden, in welchen Phasen die Personalisierung von

Webauftritten realisiert werden kann. Auf aktuelle Tendenzen und Trends soll eingegangen

werden.

Im zweiten Abschnitt wird auf Produktempfehlungen eingegangen, die als Teilaspekt der

Personalisierung gesehen werden. Im Rahmen eines konkreten Softwareprojektes sollen ent-

sprechende Algorithmen zur Umsetzungen dieser Empfehlungen in einem Online-Shop eva-

luiert werden.

Ausgehend von realen Bestelldaten des Online-Shops soll das Verhalten der Algorithmen

untersucht und bewertet werden. Dabei spielen Eignung, Laufzeiten und andere Aspekte

eine Rolle.

Der für das Projekt am besten geeignete Algorithmus soll Grundlage für die Implementati-

on in das Shopsystem LFS werden. Für dieses Softwareprojekt ist eine Anforderungsanalyse

notwendig, welche ebenfalls Inhalt der Arbeit ist.

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

2 Personalisierung im Web

2.1 Definition Personalisierung

Der Begriff Personalisierung wird im wissenschaftlichen Disziplinen wie der Psychologie,

Betriebswirtschaft und Soziologie unterschiedlich betrachtet und erhält dort naturgemäß je-

weils unterschiedliche Bedeutungen.

Bezogen auf den Bereich IT und Informationsverarbeitung lässt sich der Begriff nach Schwen-

ke [Sch06] wie folgt definieren: "Unter Personalisierung versteht man die individuelle Betreu-

ung von Kunden mit der Unterstützung durch Informations,- und Kommunikationssyteme".

Zentraler Punkt der Personalisierung ist also die Individualisierung von Angeboten für den

Kunden in Verbindung mit Informationssystemen.

Das Personalization Consortium

sieht auch die Interaktion zum Kunden im Mittelpunkt:

"Personalization is the combined use of technology and customer information to tailor in-

teractions between a business and each individual customer" [PR06].

Nach Link [Lin00] sind bereits seit 1998 erste Versionen personalisierter Websites entstan-

den. Damals war Yahoo Wegbereiter, in dem das Unternehmen persönliche Ansprache seiner

registrierten Nutzer implementierte. Mit wachsender Rechenleistung stieg auch die Vielfäl-

tigkeit der Methoden zur individuellen Anpassung von Webinhalten. Welche Ebenen der

persönlichen Anpassung möglich sind und wie diese realisiert werden, soll im folgenden Ka-

pitel erläutert werden.

2.2 Ebenen der Personalisierung

Ebenen der Personalisierung beschreiben, wie intensiv der Anpassungsgrad von Geschäfts-

abläufen an persönliche Kundenwünsche sind. Besonders in Bereichen E-Commerce ist dies

aufgrund technischer Entwicklungen möglich.

Zentrale Einsatzfelder liegen hier im Bereich Marketing, Produktmanagement und Kunden-

support, welch häufig online angeboten werden. Bezogen auf personalisierte Webinhalte sind

nach Reichelt [Rei03] folgende Ebenen der Personalisierung möglich:

· Statische Webseiten

Auf dieser Ebene ist keine Personalisierung vorhanden. Besuchern der Website wird -

Eine

US-Marketing

Agentur,

auch

Strategic

Direct

Marketing

Group

(DMSG)

http://www.

personalization.org

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

unabhängig vom Alter, Geschlecht, Kaufverhalten, etc. - identischer Content präsen-

tiert.

· Gruppenpersonalisierung

Auf dieser Ebene werden Inhalte für Nutzergruppen (group-targeting) angepasst. Grup-

pen von Nutzer können z.B. alle Frauen im Alter 20-29, alle Nutzer mit Affinität zu

Reisen, usw. sein. Die Kriterien hierfür sind frei wählbar und werden mit den erfas-

sten Daten abgestimmt. Zuordnung der Nutzergruppen erfolgt über ein Interessen-

profil (Beispielsweise beim Online-Portal www.gmx.de). So ist etwa die Einblendung

bestimmter Werbebanner abhängig vom Profil möglich. Durch die gewonnenen Profi-

daten ist es möglich, Streuverluste bei Werbeplatzierung zu reduzieren. Geotargeting

ist eine spezielle Variante der Gruppenpersonalsierung. Hiermit werden Inhalte abhän-

gig von der Herkunft der Webbesucher verändert

, ohne auf Profildaten zurückgreifen

zu müssen. So ist es möglich, länder,- und regionalspezifische Inhalte darzustellen, und

so noch passendere Angebote zu platzieren. Der Aufwand für die Umsetzung hier ist

relativ gering, da lediglich die IP-Adresse des Nutzers ausgewertet wird. Trotzdem

lassen sich regionale Gebiete ausreichend genau eingrenzen. Die Genauigkeit hängt

von der Netzknotenverteilung des Internet Providers ab. Bei einigen Providern ist die

Differenzierung bis auf Städteebene möglich. Dieses Verfahren kann Teil einer Geo-

marketingstrategie des Unternehmens sein.

· Nutzerbasierte Personalisierung

Die weitere Reduzierung von Gruppen auf den individuellen Nutzer nennt man nut-

zerbasierte Personalisierung. Auf dieser Ebene werden Inhalte für jeden Kunden dy-

namisch generiert. Damit ist eine noch kundennähere Darstellung von Webinhalten

möglich. Die Streuverluste bei der Platzierung von Angeboten sind hier geringer als

bei den vorigen Varianten. Durch die Analyse des Gesamtprofiles eines Nutzers wer-

den neben Stammdaten auch Aktionen (Views, Ratings, Klicks) ausgewertet. Für eine

Website sind nur noch wenige Standardelemente für Nutzer identisch, es entstehen

für die Anwender 'unterschiedliche Websites unter einer Domain'. Nachteil bei dieser

Variante ist der vergleichbar hohe technische Aufwand, bezogen auf die zwei vorigen

Varianten.

Aufgrund der oft datenbankgestützten Lösungen spricht man vom "Databased Online

Marketing" [Lin00].

2.3 Personalisierungsprozess

In der Literatur finden sich neben den Ebenen auch Hinweise zu Verfahren, wie Webportale

personalisiert werden können ([Röh07]:8). Dies lässt sich, unabhängig davon wie der Umfang

der Anpassung ist, in folgenden Schritten beschreiben:

1. Datenerfassung

Siehe Artikel von Jason Tabelling, http://searchenginewatch.com/3634503 aufgerufen am 02.08.2009

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

2. Profilerstellung

3. Personalierungsverfahren

2.3.1 Datenerfassung

Damit ist das Aufnehmen der Nutzerinformationen, welche für Personalisierung notwendig

sind, gemeint. Dies kann entweder explizit oder implizit erfolgen [Saf06] . Explizite Methoden

sind beispielsweise die Verwendung von Auswahllisten und Checkboxen, in denen der Nutzer

persönliche Interessen vermerken kann. Dieses Verfahren wird bei verschiedenen Portalen

verwendet, um Kundendaten zu gewinnen, etwa der Anmeldung eines Accounts beim Online-

Portal von www.GMX.de.

Abbildung 2.1: Profilangaben. Quelle: GMX.DE Screenshot

Eine andere explizite Methode ist das Ranking-Verfahren, bei dem die Online-Nutzer zu

bestimmten Inhalten Bewertungen abgeben sollen. Hier ist etwa der Feedback-Prozess bei

Amazon zu nennen, bei dem Nutzer für jeden gekauften Artikel Bewertungen in Form von

"Sternen" (1-5) vergeben können, und dies später Auswirkung auf die empfohlenen Produkte

hat. Die Erfassung von Bewertungen ist wichtig für verschiedene Personalisierungsalgorith-

men, was detaillierter in Kapitel 5 erklärt wird.

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

Abbildung 2.2: Adspace nach Neuanmeldung mit weiblichen Präferenzen. Quelle: GMX.DE

Screenshot

Wichtig für den Erfolg expliziter Verfahren, daß für den Nutzer einfache und motivieren-

de Interfaces geschaffen werden, um die Abgabe Daten zu fördern. Einige Unternehmen

belohnen Ihre Kunden zudem für die Abgabe von Ratings, in dem sie an Gewinnspielen

teilnehmen dürfen.

Für Nutzer kann es auch Motivation sein, sich mit Ihrer Bewertung und die Erstellung

von öffentlichen Inhalten selbst darzustellen. Damit entstehen Community-Aspekte, welche

Amazon erfolgreich in das Portal integriert hat.

Im Gegensatz dazu sind implizite Verfahren wesentlich komfortabler für den Nutzer, da sie

nicht zu einer bestimmten Eingabe auffordern, sondern vielmehr aus dem Verhalten des

Nutzers Informationen gewinnen.

Beispiele hierfür sind die Logfile-Analyse [MWJL01] und implizites Relevance Feedback. Bei

der Logfile-Analyse werden aus den gesammelten Daten der Webserver-Logfiles Informatio-

nen über die Nutzer und Ihre Herkunft gewonnen. Relevance Feedback ist als Prozess zu

verstehen, welche die ständige Auswertung von Suchergebnissen und Berücksichtigung in

neue Suchanfragen ausführt

. Dies kann durch die Anzahl der geklickten Seiten gemessen

werden und später zu veränderten Suchergebnissen führen, abhängig davon, welche Suchbe-

griffe und Klickpfade vom Nutzer generiert werden.

Die Daten, die hier implizit gewonnen werden, können für weitere Personalisierungsprozesse

verwendet werden.

2.3.2 Profilerstellung

Die folgende wichtige Phase bei der Personalisierung ist die Speicherung vom Nutzer erho-

benen Informationen. Diese werden meist in einem Nutzerprofil gehalten. Das gespeicherte

Profil kann nach dessen Art in drei Klassen differenziert werden [Spe05], [CWS03] :

· Inhaltsbasierte Profile (Speicherung von bestimmten Attributen in Profilen, etwa Al-

ter, Geschlecht, Interessen..)

· Kollaborative Profile (Gruppierung von Nutzern, die ähnliche Merkmale haben)

The modification of the search process to improve accuracy by incorporating information obtained from

prior relevance judgments.

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

· Regelbasierte Profile (Speicherung von bestimmten Verhaltensmustern und Regeln von

Nutzern)

Betreiber personalisierter Online-Angebote können die Nutzerdaten server,- oder clientseitig

speichern.

Serverseitige Speicherung hat den Vorteil für den Betreiber der Website, relativ viele Daten

dauerhaft zu speichern und sie für Marketingzwecke zu nutzen. Der User hat hier unter Um-

ständen keine Möglichkeit, die weitere Verwendung der Daten nachzuverfolgen. Die genauen

gesetzlichen Regelungen hierzu sind im Bundesdatenschutzgesetz (BDSG)

festgelegt. So

existieren unter anderem Auskunfts,- und Löschungspflichten der Betreiber.

Clientseitige Speicherung erfolgt meist per Cookie, also innerhalb des Browsers, wobei der

Nutzer selbst die Kontrolle über seine Daten behält. Aus Gründen der Datensicherheit wird

bei vielen Anwendungen nur die Nutzerkennung lokal gespeichert, um ein Ausspähen durch

Dritte zu verhindern.

2.3.3 Personalsierungsverfahren

Nachdem persönliche Informationen vorliegen, kann die Auswertung und eigentlichen Perso-

nalisierung - also Anpassung der Webinhalte erfolgen. Dies kann durch eine der im folgenden

Abschnitt 2.4 beschriebenen technischen Möglichkeiten geschehen. Deren Ergebnisse können

wiederum Ausgangsdaten für ein weiteres Personalisierungsverfahren sein.

Direktlink im Web: http://www.bfdi.bund.de/cae/servlet/contentblob/409518/publicationFile/

25234/BDSG.pdf

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

2.4 Beispiele und Einsatzgebiete

Die folgenden Absätze zeigen, wie in verschiedenen Bereichen versucht wird, personalisierte

Inhalte in die Interaktion mit dem Kunden einzubringen.

2.4.1 Personalisierte E-Mail Kommunikation

Von E-Mail Personalisierung spricht man, sobald E-Mail Kommunikation zum Kunden -

etwa in Form von Newslettern - nicht unpersönlich durchgeführt wird, sondern durch An-

schreiben mit konkretem Titel, Vor,- und Zunamen und weiteren Methoden persönlicher

gestaltet wird.

Technisch gesehen werden dabei die nicht-personalisierten E-Mails mit Platzhaltern versehen

und diese durch Informationen aus der Kundendatenbank ersetzt, wie es auch in Serienbrie-

fen getan wird.

Eine Studie der Newsmarketing GmbH ergab, daß sich je nach Personalisierungsgrad unter-

schiedliche Ergebnisse erzielen lassen. Abbildung 2.3 zeigt die Steigerung des Erfolges die

Öffnungsrate der E-Mails in Abhängigkeit von personalisierten Merkmalen. Dabei wurden

Durchschnittswerte von verschiedenen Kampagnen verwendet, um die Abhängigkeit von Zeit

und Inhalt der Mails zu bereinigen. Daraus ist zu erkennen, daß mit Angabe des Vor-und

Nachnamens in den E-Mails eine Steigerung um 150% der Response-Rate ergibt.

Abbildung 2.3: Performance % nach Personalisierung. Quelle: [Kru09]

Heute wird diese Form der Personalisierung von vielen E-Commerce Seiten angewandt, da

ein günstiges Aufwand-Erfolgsverhältnis besteht. Ebenso ist hier die Messbarkeit des Erfolges

über die Conversion-Rate gegeben. Je höher die Conversion, desto erfolgreicher sind die E-

Mail Kampagnen. Mittlerweile bieten verschiedene Software-Anbieter Personalsierung von

E-Mails innerhalb ihrer Produkte an, etwa SuperMailer

oder MailList Controller

Aufgerufen am 16.07.2009 www.supermailer.de

Aufgerufen am 16.07.2009 http://www.arclab.de/software/amlc/index.html

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

2.4.2 Personalisierte Werbebanner / Seiteninhalte

Wenn Nutzerinformationen wie Alter, Geschlecht, Interessen in Profilen vorliegen, können

Betreiber von Online-Angeboten diese nutzen, um nutzerbezogene Inhalte darzustellen. Mög-

lich sind hier neben einer persönlichen Anrede nach dem Login auch die Nutzung von Wer-

beflächen (Adspaces).

Nutzung als Werbefläche

Personalisierte Werbung hat den erwähnten Vorteil, die Streu-

verluste zu reduzieren, da zugeschnittene Produkte nach Interessengruppen beworben wer-

den können. Für Online-Portale wie www.web.de, www.gmx.de ist es Teil des Geschäftsmo-

delles. Es ist auch ein Trend der Intensivierung personalisierter Werbeinhalte zu erkennen,

wie die stark wachsenden Sozialen Netzwerke zeigen.

Portale wie Xing (xing.com, ehemals OpenBC), Facebook (facebook.com), Lokalisten

(lokalisten.de), StudiVZ(studivz.de) verdienen an der Platzierung profilbasierter Wer-

bebanner. Der Wert der Nutzerprofile dieser Portale ist sehr hoch, bedenkt man die hohe

Reichweite

einiger Unternehmen. Da durch den sozialen Charakter zumeist gepflegte Pro-

file existieren, kann kostenpflichtiger Adspace relativ teuer angeboten werden.

Trotz der Kritik am "gläsernen Nutzer" und der Preisgabe an persönlichen Informationen

für die Öffentlichkeit erfreuen sich diese Portale größter Beliebtheit.

Persönliche Feeds

Eine Beispiel für nutzerbasierte Personalisierung (vgl. 2.2) ist die

iGoogle Startseite www.google.com/ig. Hier wird Nutzern erlaubt, verschiedenste Webin-

halte zu aggregieren, und in einer persönlichen Weboberfläche zusammenzufassen. Das Un-

ternehmen selbst versteht es selbst als 'angpasste Homepage'

, in der Informationen nach

den eigenen Interessen zusammengestellt werden können. Benötigt hierfür wird ein Google-

Account, in der die Konfiguration der so genannten 'Google Gadgets'

gespeichert wird.

Neben dem Zusammenfassen individueller Nachrichtenquellen auf einer gemeinsamen Sei-

te, kann auch das Aussehen von iGoogle nach persönlichen Präferenzen angepasst werden

(Theming). So entsteht eine für den Nutzergeschmack hoch personalisierte Informations-

seite. Abbildung 2.4 zeigt ausgewählte Inhalte auf einer iGoogle Startseite. Hier wurden

einzelnen Gadgets aus den Bereichen News, Wetter, Mail zusammengefasst und per Drag &

Drop angeordnet.

Facebook 250 Millionen, Xing 8 Millionen, Lokalisten 3 Millionen, Stand: 08.09.2009, eigene Angaben der

Unternehmen

'iGoogle is a customizable homepage' http://www.google.com/support/websearch/bin/answer.py?hl=

en&answer=20324

Google Gadgets sind kleinste auf HTML und JavaScript basierte Webapplikationen http://code.google.

com/apis/gadgets/

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

Abbildung 2.4: Personalisierte Startseite mit iGoogle. Quelle: Eigene

2.4.3 Personalisierte Suchmaschinen

Personalisierte Suche meint die Anpassung der Suchergebnisse bestimmter Webinhalte -

meist Links - basierend auf den persönlichen Interessengebieten. Persönliche Informationen

des Nutzers sind Basis, um den Suchvorgang zu verbessern. Mit der Nutzung persönlicher

Informationen und des Kontextes, kann der Sucherfolg noch gesteigert werden, in dem für

den Nutzer nur relevante Suchergebnisse angezeigt werden.

Riemer und Brüggemann definieren das Ziel solcher Suchmaschinen [RB07] allgemein so:

"Ziel der Personalisierung von Suchdiensten ist es, jedem Nutzer die für ihn relevanten

Informationen so aufzubereiten, dass sie in der für ihn geeigneten Form vorliegen". Bei dieser

Art der Suche werden zwei generische Herangehensweisen unterschieden: inhaltsbasierte und

modellbasierte Profile (vgl. dazu auch Abschnitt 5.1.4).

Implizite und explizite Modelle

Riemer und Brüggemann sehen das Vorhandensein histori-

enartiger Suchanfragen als Grundlage für personalisierte Suchsysteme. Das Erfasssen dieser

Suchanfragen kann implizit erfolgen (etwa durch die Worthäufigkeit bestimmter Suchan-

fragen), oder durch explizites Angeben der Suchfelder durch den Nutzer. Allerdings ist zu

beachten, daß der explizite Ansatz sehr schwierig für den Nutzer ist, da zu Beginn der Su-

che oft nicht bekannt ist, in welchen Themenfelder gesucht wird und so spätere Resultate

ausgegrenzt werden.

Ein implizites personalisiertes Suchmodell verwendet Google mit der persönlichen Suche

schon seit 2005. Dabei werden bei angemeldeten Nutzern mit einem Google Account die

Suchergebnisse mit den letzten Suchanfragen personalisiert ("Google Search History"). Die

Grenzen der implizierten Suche sehen Riemer und Brüggemann, wenn Nutzer für andere

Personen nach bestimmten Begriffen suchen, welches die eigene Google Search History mo-

difiziert und somit bei der nächsten Suchanfrage verfälschte Ergebnisse erscheinen könnten.

Beide Verfahren haben ihre jeweiligen Vorteile: implizite Verfahren eignen sich eher für die

vgl.

Heise.de

Meldung

vom

29.06.2005

http://www.heise.de/newsticker/

Google-startet-personalisierte-Suche--/meldung/61181

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

alltägliche Suche (Durchschnittsanwender). Explizite Suchverfahren können Ihre Vorteile

in bestimmten Fachgebieten ausspielen. Hier werden Expertennutzer die Eingrenzung der

Suchergebnisse zu schätzen wissen.

Ontologiebasierte Suche

Neue Entwicklungen wie ontologiebasierte personalisierte Such-

systeme [GCP03], arbeiten im Gegensatz zu den vorigen Ansätzen mit dem eigentlichen

"Sinn" der Wörter. Dabei werden Ontologien verwendet. Dies sind Wissenssyteme, in denen

Konzepte aus der Realität thematisch abgebildet werden und Beziehungen zwischen Elemen-

ten gespeichert werden. Dadurch soll eine noch bessere Abbildung des Wissens entstehen.

Ein Beispiel: Nutzer, welche nach einem polysemen Begriff suchen, werden bei stichwort-

basierten Suchsystemen wie Google

eine Reihe Ergebnisse finden, die thematisch stark

abweichen - etwa beim Begriff "Schimmel" (das Pferd oder der Pilz). Die ontolgiebasierte

personalisierte Suche versucht dies aufzulösen, in dem "erkannt" werden soll, welche Such-

ergebnisse der Nutzer "gemeint haben könnte". Ein Beispiel für diese Art von Suchengines

ist OntoSearch[ZVS04] (/www.ontosearch.com/).

Soziale Suche - Social Search

Werden Feedbacks zu Suchanfragen in Kombination von

Links mehrerer Nutzer ausgewertet, spricht man auch von Social Search - Sozialer Suche. Es

wird dabei versucht, die Ratings der Nutzer zur Generierung geeigneter Suchergebnisse zu

verfeinern. Das Webportal Digg.com ist ein Beispiel für diesen kollaborativen Ansatz: Links

können von Nutzern bewertet, kommentiert, und mit Themen verknüpft werden. Dadurch

werden Suchanfragen nicht nur mit Suchbegriffen indiziert, sondern erhalten darüber hinaus

Metainformationen.

Durch die Gesamtheit der vorliegenden Metainformationen kann entsprechend dem Nutzer-

profil des Suchenden eine priorisierte und geordnete Ergebnisliste erzeugt werden. Durch

den für den User entstehenden gestalterischen Wiki-Charakter spricht man auch oft von

"Swickis" ("Suche" und "Wiki") ([Röh07]:12). Soziale Suche ist einer der aktuellen Trends,

welcher sich vielleicht in der nächsten Generation von Suchmaschinen wiederfinden könnte.

2.4.4 Personalisierte Produktempfehlungen

Produktempfehlungen sind eine spezielle Form der personalisierten Suche. Statt selbst Suchan-

fragen zu stellen, werden für Nutzer automatisch Suchanfragen gestellt, mit dem Ziel für Ihn

interessante Produkte vorzuschlagen. Dies geschieht auf Basis des impliziten oder expliziten

Wissens, welches über Kunden vorliegt, etwa ein persönliches Profil, oder sein Kaufverhal-

ten, etc. Der technische Aufbau und die Funktionsweise von Empfehlungssystemen wird im

Kapitel 5 erörtert.

Im Kontext von Produktempfehlungen wird im Online-Marketing auch gern von "Cross-

Selling" oder "Up-Selling" gesprochen. Cross-Selling meint die Verknüpfung von Artikeln

miteinander, also dem Kunden beim Kauf von Artikel A einen anderen Artikel B anzubieten

Stand: August 2009

Personalisierung im Web -

Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.

2 Personalisierung im Web

(Zusatzgeschäft). Up-Selling dagegen zielt darauf ab, Kunden durch geeignete Empfehlung

für ein höherwertigen Artikel aus der gleichen Produktkategorie zum Kauf zu bewegen.

Vorteile der Produktempfehlungen ist zum einen die Aufwertung eines Online-Shop Ange-

botes, die Verbesserung der Nutzer-Akzeptanz und stärkere Kundenbindung an den Online-

Shop, da für den Nutzer ein Personalisierungseffekt entsteht..

Zudem werden durch die Steigerung der Loyalität des Kunden Wechselbarrieren zu Mit-

bewerben aufgebaut. Dies bietet für das Unternehmen späteres Einsparpotenzial bei der

Neukundenaquise.

Für das konkrete Projekt der Masterarbeit soll ein Empfehlungsmodul entworfen werden,

welches in einen Online-Shop integriert wird. Die technischen Anforderungen hierfür werden

im Kapitel 3 erörtert.

Details

Seiten
Erscheinungsform: Originalausgabe
Jahr: 2009
ISBN (eBook): 9783842812796
DOI: 10.3239/9783842812796
Dateigröße: 4 MB
Sprache: Deutsch
Institution / Hochschule: Fachhochschule Erfurt – Angewandte Informatik, Gebäudetechnik
Erscheinungsdatum: 2011 (März)
Note: 1,2
Schlagworte: personalisierung online shop empfehlungssystem empfehlung

Autor

Jens Zeidler (Autor:in)