Fashion-Recommender

Empfehlungssysteme oder Recommender dienen in erster Linie der Personalisierung von Angeboten im World Wide Web. Aus der Sicht von Online-Shop-Betreibern können diese zum einen den Umsatz erhöhen, indem Kunden zu sogenannten Cross-Sells bewegt werden, zum anderen den Verkäufer durch direkten Einfluss auf die produzierten Empfehlungen bei seiner aktuellen Marketingstrategie unterstützen. In dieser Arbeit wird ein wissensbasierter Ansatz für die Generierung von Empfehlungen im Bereich der Mode vorgestellt. Den zentralen Teil des entwickelten Systems stellt eine Ontologie dar, die einerseits die Produkttaxonomie und andererseits Regeln und Eigenschaften enthält, welche die Grundlage für die Berechnung von Produktähnlichkeiten bilden. Basierend auf den offline berechneten Ähnlichkeiten sowie einem flexiblen Empfehlungsmodell werden Alternativen und Ergänzungen zu einem Referenzprodukt in Echtzeit generiert. Die Evaluierung des Systems wurde mit Hilfe eines Online-Experiments mit simulierten Käufen durchgeführt. Es konnte ein tatsächlicher Einfluss von Empfehlungen auf das Konsumverhalten der Teilnehmer festgestellt werden. Zudem wurden die berechneten Ähnlichkeiten mit den tatsächlich wahrgenommenen Ähnlichkeiten einiger Testpersonen verglichen, welche offensichtlich miteinander korrelieren.