Wir wünschen Ihnen einen guten Start ins neue Jahr 2021! Vielleicht haben Sie sich in den letzten Monaten von automatischen Produktempfehlungen inspirieren lassen und dadurch auch neue Produkte entdeckt, die Sie anschließend gekauft haben. Automatische Produktempfehlungen begegnen uns auch beim digitalen Fernsehen, z.B. bei Netflix oder Amazon Prime Video. Solche Systeme versuchen mit Hilfe von maschinellem Lernen herauszufinden, welche Filme und Serien Sie mit einer möglichst hohen Wahrscheinlichkeit mögen werden. Leider liegen auch die derzeit besten Empfehlungsalgorithmen in mehr als 2 von 10 Fällen daneben und somit erhalten wir regelmäßig auch Empfehlungen, die uns wenig hilfreich erscheinen. Ein Problem bei solchen Empfehlungen ist, dass die meisten gängigen Systeme keine überzeugenden Erklärungen liefern, warum der Algorithmus ein bestimmtes Produkt für Sie als Konsument_in ausgewählt hat. Manchmal liest man, dass ein Produkt basierend auf Ihrer Browsing-Historie empfohlen wird und manchmal sind es sogar Produkte, die man längst gekauft hat und kein zweites Mal kaufen möchte.
Die Marketingwissenschaftler Professor André Marchand und Jun.-Prof. Paul Marx (Universität Siegen) haben nun einen neuen Algorithmus entwickelt, der genau dieses Problem adressieren soll. Der Algorithmus verwendet eine Kombination aus inhaltsbasierter und kollaborativer Filterung. Die empirischen Experimente mit zwei realen Datensätzen mit mehr als 100 Millionen Produktbewertungen zeigen, dass dieser neue Algorithmus die etablierten Empfehlungsansätze übertreffen, in Bezug auf die Vorhersagegenauigkeit (mehr als 5% besser als der Netflix-Preisträger-Algorithmus) und ihrer Fähigkeit, verwertbare Erklärungen zu liefern, was auch eine ethische Anforderung an Systeme der künstlichen Intelligenz betrifft.
Diese neue Studie ist im Journal of Retailing erschienen und kann hier heruntergeladen werden.
