Recommender-Systeme im E-Commerce

E-Commerce-Plattformen wie Amazon, Zalando, Netflix und Spotify sind im Unterschied zu traditionellen Vertriebskanälen durch ein breites Produktsortiment unter Berücksichtigung von Nischenprodukten charakterisiert. Dieses unter dem Begriff Long Tail bekannte Konzept führt für die Kunden zu einem unübersichtlichen Produktangebot. Um die Auswahlentscheidung zu erleichtern und den Konsumenten das Angebot vorzustellen, sind im E-Commerce Recommender-Systeme weit verbreitet. Praktisch gibt es kaum eine Plattform ohne einen entsprechenden Empfehlungsalgorithmus. Trotz der weiten Verbreitung und der hohen praktischen Relevanz handelt es sich bei Recommender-Systemen um ein junges Forschungsgebiet mit zahlreichen Forschungslücken.

Das Forschungsprojekt analysiert die Bedeutung von Recommender-Systemen im E-Commerce, identifiziert aktuelle Herausforderungen und entwickelt Lösungsansätze. So werden beispielsweise die Robustheit von Recommender Systemen gegenüber Manipulationen, die optimale ökonomische Konfiguration sowie innovative Ansätze zur Effizienzsteigerung von Empfehlungsalgorithmen untersucht.

Publikationen

• Wöhner, T. (2019) Recommender-Systeme, In: WISU, Heft 4/2019, S. 442-444, Düsseldorf, Germany.
• Köhler, S., Wöhner, T., Peters, R. (2016) The Impact of Consumer Preferences on the Accuracy of Collaborative Filtering Recommender Systems. In: Electronic Markets – The International Journal on Networked Business (26: 369), Heidelberg, Germany (Best Paper Award der Wirtschaftswissenschaftlichen Fakultät der MLU 2016).