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.
© Diplomica Verlag GmbH
http://www.diplomica.de, Hamburg 2011
Personalisierung im Web -
Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.
Inhaltsverzeichnis
Inhaltsverzeichnis
1
Einleitung
1
1.1
Motivation
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.1.1
Vorstellung des Unternehmens . . . . . . . . . . . . . . . . . . . . . .
3
1.1.2
Ziel der Softwarelösung . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.2
Ziel der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
2
Personalisierung im Web
5
2.1
Definition Personalisierung
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.2
Ebenen der Personalisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2.3
Personalisierungsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
2.3.1
Datenerfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
2.3.2
Profilerstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
2.3.3
Personalsierungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.4
Beispiele und Einsatzgebiete . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
2.4.1
Personalisierte E-Mail Kommunikation . . . . . . . . . . . . . . . . . .
10
2.4.2
Personalisierte Werbebanner / Seiteninhalte . . . . . . . . . . . . . . .
11
2.4.3
Personalisierte Suchmaschinen
. . . . . . . . . . . . . . . . . . . . . .
12
2.4.4
Personalisierte Produktempfehlungen . . . . . . . . . . . . . . . . . . .
13
3
Anforderungsanalyse
15
3.1
Inhalt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
3.2
Allgemeine Anforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
3.3
Grobspezifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
3.3.1
Architekturentwurf . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
3.3.2
Darstellung der Use-Cases . . . . . . . . . . . . . . . . . . . . . . . . .
17
3.4
Feinspezifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.4.1
Interface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
3.4.2
Datenbankschema . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
3.4.3
Schnittstelle zwischen beiden Projekten . . . . . . . . . . . . . . . . .
21
3.4.4
Kommunikation zwischen Shop und Empfehlungssystem . . . . . . . .
22
4
Umsetzung
24
4.1
Auswahl Empfehlungsalgorithmen
. . . . . . . . . . . . . . . . . . . . . . . .
24
4.2
Vorgehensweise Implementation . . . . . . . . . . . . . . . . . . . . . . . . . .
25
4.3
Softwaretests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
I
Personalisierung im Web -
Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.
Inhaltsverzeichnis
4.3.1
Funktionsorientierte Tests . . . . . . . . . . . . . . . . . . . . . . . . .
27
4.3.2
Kontrollflußorientierte Tests . . . . . . . . . . . . . . . . . . . . . . . .
28
4.3.3
Datenflußorientierte Tests . . . . . . . . . . . . . . . . . . . . . . . . .
28
4.3.4
Modellbasierte Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
4.3.5
Prüfstrategien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
4.3.6
Umsetzung der Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . .
30
5
Algorithmen
31
5.1
Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
5.1.1
Collective Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
5.1.2
Funktionsweise von Empfehlungssytemen . . . . . . . . . . . . . . . .
31
5.1.3
Distanzberechnung in Empfehlungssystemen . . . . . . . . . . . . . . .
32
5.1.4
Algorithmenklassen bei Produktempfehlungen . . . . . . . . . . . . . .
34
5.1.5
Speicherbasierte und modellbasierte Techniken . . . . . . . . . . . . .
36
5.1.6
Naive-Bayes Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
5.1.7
Clusterbasierte Modelle . . . . . . . . . . . . . . . . . . . . . . . . . .
38
5.1.8
Herausforderungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
5.2
Überblick der Empfehlungsalgorithmen . . . . . . . . . . . . . . . . . . . . . .
40
5.2.1
Attributbasierte Empfehlung . . . . . . . . . . . . . . . . . . . . . . .
40
5.2.2
Warenkorbanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
5.2.3
Apriori Algorithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
5.2.4
Bewertungsbasierte Verfahren . . . . . . . . . . . . . . . . . . . . . . .
44
5.2.4.1
Vergleich der Varianten . . . . . . . . . . . . . . . . . . . . .
44
5.2.4.2
MovieLens - Filmempfehlungen mit Nutzerratings . . . . . .
44
5.2.5
Empfehlungen mit KNN Verfahren
. . . . . . . . . . . . . . . . . . .
45
5.3
Bewertungsmöglichkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
5.3.1
Prognosegüte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
5.3.2
Reciever-Operating-Characteristics (ROC) Analyse . . . . . . . . . . .
47
5.3.3
Mittlerer absoluter Fehler . . . . . . . . . . . . . . . . . . . . . . . . .
50
5.3.4
Grenzen der Bewertungsverfahren . . . . . . . . . . . . . . . . . . . .
50
6
Evaluierung
51
6.1
Business understanding - Über das Unternehmen . . . . . . . . . . . . . . . .
51
6.2
Data understanding - Datenverständnis . . . . . . . . . . . . . . . . . . . . .
52
6.2.1
Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
6.2.2
Data preparation - Datenaufbereitung . . . . . . . . . . . . . . . . . .
53
6.2.2.1
Import der Bestelldaten . . . . . . . . . . . . . . . . . . . . .
54
6.2.2.2
Import der Ratings . . . . . . . . . . . . . . . . . . . . . . .
54
6.2.2.3
Sicherung der Datenstände . . . . . . . . . . . . . . . . . . .
55
6.2.2.4
Evaluierungsdaten . . . . . . . . . . . . . . . . . . . . . . . .
55
6.3
Evaluierung der Algorithmen . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
6.3.1
Evaluierungskriterien . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
6.3.2
Einzelbewertung der Verfahren . . . . . . . . . . . . . . . . . . . . . .
58
II
Personalisierung im Web -
Algorithmen, Konzeption, Entwicklung und Bewertung für einen Online-Shop.
Inhaltsverzeichnis
6.3.2.1
Warenkorbanalyse . . . . . . . . . . . . . . . . . . . . . . . .
58
6.3.2.2
Apriori-Algorithmus
. . . . . . . . . . . . . . . . . . . . . .
59
6.3.2.3
K-Nearest Neighbor (KNN) . . . . . . . . . . . . . . . . . . .
62
6.3.3
Gesamtbewertung in ROC-Diagramm . . . . . . . . . . . . . . . . . .
64
7
Fazit und Ausblick
67
8
Glossar
69
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
1
. 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
1
Beispiel: http://www.apple.com/r/ipodstore/personalization/us.html
1
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.
2
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
2
.
Also wichtigste Produkte sind hier das Content-Managementsystem LFC
3
, als auch der
Online-Shop LFS
4
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
5
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
6
.
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
7
. 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.
2
Ein Softwareanbieter in Erfurt, Website: www.iqpp.de
3
Lightning Fast Contentmanagement, www.getlfs.com
4
Lightning Fast Shop
5
Quelle: www.djangosites.org, am 20.August 2009: 2563 eingetragene Sites
6
Beispiele für aktuelle Implementierung: eBay ww.ebay.de, Amazon www.amazon.com
7
vgl. [HKM08] Applikationen sind schlanke Softwareprodukte in Django, Projekte dagegen Gesamtlösun-
gen, die unabhängig bezogen auf Installation und Datenbank voneinander sind
3
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.
4
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
8
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 -
8
Eine
US-Marketing
Agentur,
auch
Strategic
Direct
Marketing
Group
(DMSG)
http://www.
personalization.org
5
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
9
, 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
9
Siehe Artikel von Jason Tabelling, http://searchenginewatch.com/3634503 aufgerufen am 02.08.2009
6
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.
7
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
10
. 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)
10
The modification of the search process to improve accuracy by incorporating information obtained from
prior relevance judgments.
8
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)
11
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.
11
Direktlink im Web: http://www.bfdi.bund.de/cae/servlet/contentblob/409518/publicationFile/
25234/BDSG.pdf
9
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
12
oder MailList Controller
13
.
12
Aufgerufen am 16.07.2009 www.supermailer.de
13
Aufgerufen am 16.07.2009 http://www.arclab.de/software/amlc/index.html
10
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
14
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'
15
, 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'
16
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.
14
Facebook 250 Millionen, Xing 8 Millionen, Lokalisten 3 Millionen, Stand: 08.09.2009, eigene Angaben der
Unternehmen
15
'iGoogle is a customizable homepage' http://www.google.com/support/websearch/bin/answer.py?hl=
en&answer=20324
16
Google Gadgets sind kleinste auf HTML und JavaScript basierte Webapplikationen http://code.google.
com/apis/gadgets/
11
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
17
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
17
vgl.
Heise.de
Meldung
vom
29.06.2005
http://www.heise.de/newsticker/
Google-startet-personalisierte-Suche--/meldung/61181
12
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
18
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
18
Stand: August 2009
13
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.
14
Ende der Leseprobe aus 83 Seiten
- nach oben
Details
- Arbeit zitieren
- , 2009, Personalisierung im Web, Hamburg, Bedey Media GmbH, https://www.diplom.de/document/228441
Ähnliche Arbeiten
Deutschlands größter Sharing Community
Jetzt Zusammenfassungen, Skripte und Klausuren kostenlos downloaden!
Uniturm.de
Ihre Vorteile als Autor
Geld verdienen Für jedes verkaufte Exemplar erhalten Sie Autorenhonorar - bis zu 40%.Kostenlose Buchveröffentlichung
Als eBook-Studie im Original und / oder auf Wunsch zusätzlich als hochwertiges Fachbuch in unserem renommierten Buchverlag.
Renommee als Fachbuchautor
Präsentieren Sie sich als Fachfrau oder Fachmann in Ihrem Fachgebiet und machen Sie sich bekannt.
Persönliche Betreuung
Unser Lektorat wird Sie persönlich betreuen und ist auch telefonisch unter 040-655992-14 erreichbar.
Weltweit im Buchhandel
Ihr Buch ist weltweit im Buchhandel und Online-Buchhandel wie z.B. amazon erhältlich.
Jetzt Autor werden!
Kommentare