Skip to main content
SpringerLink
Log in

Ein hybrider Empfehlungsdienst für Handelspartnerschaften im E-Commerce

  • Published:
HMD Praxis der Wirtschaftsinformatik Aims and scope Submit manuscript

Zusammenfassung

Kaufempfehlungen werden für den Online-Handel in Zukunft zu einem immer entscheidenderen Instrument, um Kunden zu binden. Für kleinere Online-Händler ist die Entwicklung und Pflege komplexer Empfehlungssysteme nicht machbar. Zudem verfügen sie meist über ein vergleichsweise kleines Sortiment und können daher kaum Empfehlungen generieren. In diesem Beitrag soll daher die Idee eines Empfehlungsdienstes vorgestellt werden, welche die Möglichkeiten sozialer Vernetzung nutzt und auch kleineren Online-Anbietern erlaubt, sich in Netzwerken zu organisieren. Der in diesem Beitrag vorgestellte RaaS-Prototyp („Recommendation as a Service“) implementiert auf Basis von Apache Mahout für diesen Anwendungsfall einen hybriden Empfehlungs­algorithmus als Kombination der Auswertung von personenbezogenen Daten aus Facebook und der Einbeziehung von Produktdaten.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1
Abb. 2
Abb. 3

Notes

  1. http://www.prudsys.de/en/solutions/rde-recommendations.html. Gesehen 20. Dezember 2014.

  2. http://nfxmedia.de/shopware-agentur/amazon-schnittstelle/. Gesehen 03. Januar 2015.

  3. https://www.sugestio.com/. Gesehen 27. Dezember 2014.

  4. http://azure.microsoft.com/de-de/ und http://aws.amazon.com/de/ec2/. Gesehen 03. Januar 2015.

  5. http://easyrec.org/, Gesehen 03. Januar 2015.

  6. http://mahout.apache.org/. Gesehen 03. Januar 2015.

  7. Magento ist eine E-Commerce-Plattform mit der sich in PHP Shopsysteme entwickeln lassen, siehe hierzu http://magento.com. Gesehen 17. Januar 2015.

  8. http://www.gartner.com/newsroom/id/2819918. Gesehen 03. Januar 2015.

Literatur

  • Abadi D (2012) Consistency tradeoffs in modern distributed database system design: CAP is only part of the story. Computer 45(2):37–42. doi:10.1109/MC.2012.33

    Article  MathSciNet  Google Scholar 

  • Abowd G, Dey A, Brown P, Davies N, Smith M, Steggles P (1999) Towards a better understanding of context and context-awareness, Proceedings of the 1st International Symposium on Handheld and Ubiquitous Computing, HUC ’99. Springer-Verlag, London, S 304–307

  • Adomavicius G, Kwon Y (2007) New recommendation techniques for multicriteria rating systems. Intell Syst IEEE 22:48–55

    Article  Google Scholar 

  • Adomavicius G, Tuzhilin A (2005) Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Trans Knowl Data Eng 17:734–749. doi:10.1109/TKDE.2005.99

    Article  Google Scholar 

  • Adomavicius G, Tuzhilin A (2011) Context-aware recommender systems. Recommender systems handbook. Springer, Berlin, S 217–253

    Chapter  Google Scholar 

  • Allan M (2013) RestFB – a Lightweight Java Facebook Graph API and Old REST API client. http://restfb.com. Zugegriffen: 16. Jan. 2015

  • Brewer E (2012) CAP twelve years later: how the „rules“ have changed. Computer 45(2):23–29. doi:10.1109/MC.2012.37

    Article  Google Scholar 

  • Brusilovsky P, Kobsa A, Nejdl W (2007) The adaptive web: methods and strategies of web personalization. Springer, Berlin

    Book  Google Scholar 

  • Davidson J, Liebald B, Liu J, Nandy P, Van Vleet T, Gargi U, Gupta S, He Y, Lambert M, Livingston B, Sampath D (2010) The YouTube video recommendation system, Proceedings of the Fourth ACM Conference on Recommender. RecSys 10:293–296. doi:10.1145/1864708.1864770

    Google Scholar 

  • Fortuna B, Fortuna C, Mladeni’c D (2010) Machine learning and knowledge discovery in databases: real-time news recommender system, Lecture Notes in Computer Science 6323. Springer, Berlin, S 583–586

  • Gedikli F, Jannach D (2010) Recommending based on rating frequencies. Proceedings of the Fourth ACM Conference on Recommender Systems. ACM 233–236. doi:10.1145/1864708.1864755

  • Han S, Hassan M, Yoon C, Huh E (2009) Efficient service recommendation system for cloud computing market. Proceedings of the 2nd International Conference on Interaction Sciences: Information Technology, Culture and Human. ACM 839–845. doi:10.1145/1655925.1656078

  • Jacobi J, Benson E, Linden G (2006) Personalized recommendations of items represented within a database. Google Patents

  • Jannach D, Zanker M, Felfernig A, Friedrich G (2012) Recommender systems - an introduction. Cambridge University Press

  • Kelly J, Hamm S (2013) Smart machines: IBM’s Watson and the Era of Cognitive Computing. Columbia University Press, New York

    Google Scholar 

  • Klahold A (2009) Empfehlungssysteme. Vieweg + Teubner, Wiesbaden

    Book  Google Scholar 

  • Lammenett E (2014) Praxiswissen online-marketing, 4., vollst. überarb. und erw. Aufl. ed. Springer Gabler, Wiesbaden

    Book  Google Scholar 

  • Linden G, Smith B, York J (2003) Amazon.com recommendations: item-to-item collaborative filtering. Internet Computing IEEE 7:76–80. doi:10.1109/MIC.2003.1167344

    Article  Google Scholar 

  • Liu L, Mehandjiev N, Xu D (2011) Multi-criteria service recommendation based on user criteria preferences. Proceedings of the Fifth ACM Conference on Recommender Systems. ACM 77–84. doi:10.1145/2043932.2043950

  • Modha D, Ananthanarayanan R, Esser S, Ndirango A, Sherbondy A, Singh R (2011) Cognitive computing. Commun ACM 54(8):62–71. doi:10.1145/1978542.1978559

    Article  Google Scholar 

  • Oracle (2013) The Java EE 6 tutorial. http://docs.oracle.com/javaee/6/tutorial/doc/giepu.html. Zugegriffen: 23. Dez. 2014

  • Rack C, Arbanowski S, Steglich S (2007) A generic multipurpose recommender system for contextual recommendations. Eighth International Symposium on Autonomous Decentralized Systems. ISADS ’07: 445–450. doi:10.1109/ISADS.2007.2

  • Ricci F, Rokach L, Shapira B, Kantor P (2009) Recommender systems handbook. Springer, New York

    Google Scholar 

  • Vogels W (2009) Eventually consistent. Commun ACM 52(1):40–44. doi:10.1145/1435417.1435432

    Article  Google Scholar 

Download references

Danksagung

Allen Studierenden, die mit ihren Studien- und Abschlussarbeiten zur Entwicklung des RaaS-Prototypen beigetragen haben und die als Probanden in Experimenten mitgewirkt haben, gilt unser Dank.

Author information

Authors and Affiliations

  1. Fakultät für Informatik und Mathematik, Competence Center Wirtschaftsinformatik, Hochschule München, Lothstraße 34, 80334, München, Deutschland

    Johannes Forster, Martin Häusl, Peter Mandl, Johannes Weiß & Sandro Bresolin

Authors
  1. Johannes Forster
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Martin Häusl
    View author publications

    You can also search for this author in PubMed Google Scholar

  3. Peter Mandl
    View author publications

    You can also search for this author in PubMed Google Scholar

  4. Johannes Weiß
    View author publications

    You can also search for this author in PubMed Google Scholar

  5. Sandro Bresolin
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Peter Mandl.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Forster, J., Häusl, M., Mandl, P. et al. Ein hybrider Empfehlungsdienst für Handelspartnerschaften im E-Commerce. HMD 52, 227–239 (2015). https://doi.org/10.1365/s40702-015-0120-x

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1365/s40702-015-0120-x

Schlüsselwörter

Search

Navigation