Produktempfehlungssysteme mit minimalem Konsumentenaufwand und hoher Genauigkeit

In aktuellen Arbeiten zu Produktempfehlungssystemen wird die wahlbasierte Conjoint-Analyse zur Messung von Benutzerpräferenzen vorgeschlagen. Diese Methode erzielt eine hohe Empfehlungsqualität und leidet nicht unter dem Start-up-Problem, weil sie auch für neue Nutzer und neue Produkte Empfehlungen generiert. Die Anwendung der wahlbasierten Conjoint- Analyse bedeutet für Konsumenten jedoch einen erheblichen Aufwand, der zu einer Abneigung gegenüber derartigen Empfehlungssystemen führt. In diesem Artikel werden mit einer Simulation die hohe Entscheidungsqualität und der hohe Benutzeraufwand eines nutzenbasierten Systems mit wahlbasierten Conjoint-Analysen mit hierarchischem Bayes’-Schätzer aufgezeigt. Um den Widerspruch zwischen hoher Empfehlungsgüte und niedrigem Aufwand aufzulösen wird ein neuer Ansatz entwickelt, der nur Pareto-effiziente Alternativen zeigt und diese anhand der Anzahl der dominierten Attribute sortiert. Es zeigt sich, dass diese rangbasierte Pareto-Front zu einer besseren Empfehlungsliste führt als die Anwendung der wahlbasierten Conjoint-Analyse. Zudem ist der Aufwand für Konsumenten sehr gering und vergleichbar mit sehr einfachen Sortierverfahren.