Von: SB

Primitive Empfehlungen

Der MIT-Forscher und IT-Autor Michael Schrage hat sich in den Dschungel der Empfehlungsfunktionen der verschiedenen e-Commerce Anbieter gewagt. Im Auftrag des Technologiemagazins Technology Review prüfte er die verschiedenen Systeme im Selbstversuch. Dabei stieß er auf eine ganze Reihe von Verbesserungsvorschlägen.

Auch wenn der Analyse von Schrage Amazon immer noch die effektivste Empfehlungsmaschinerie besitzt, so ist auch sie noch verbesserungswürdig. Als eine der ersten hatte das Unternehmen kurz nach seinem Start 1995 eine Vorschlagssoftware für seinen Buchshop auf die Seite gestellt, die im Laufe der Zeit stetig verbessert wurde. Mittlerweile speist sich der Algorithmus aus Informationen der eigenen Kundenhistorie, Bewertungen und Rezensionen anderer Kunden und ihrem Konsumverhalten.

 

Was die Empfehlungs-Engine von Amazon jedoch scheinbar nicht kann, ist zu unterscheiden, ob man einen Artikel für sich selbst kauft oder es ein Geschenkt sein soll. Doch bei seiner Recherche stieß der laut eigener Angabe häufige Amazon-Kunde Schrage auf ihm noch unbekannte Einstellungsmöglichkeiten. Es ist möglich, eine kleine Box anzuklicken, auf der man den Kauf eines Geschenkes markieren kann. Auch ist es möglich, im Bereich „Mein Amazon“ unter der Rubrik „Empfehlungen verbessern“ die persönliche Amazon-Kundenhistorie in persönliche oder Geschenkeinkäufe zu unterteilen. Doch leider ist diese Funktion bisher fast vollkommen unbekannt geblieben.

 

Bummeln oder Kaufen?

 

Und somit kämpft sich der IT-Autor im Selbstversuch durch Amazon, iTunes und diverse andere eCommerce Optionen, die dem Käufer vorschlagen, was ihn noch interessieren könnte. Äußerst schlecht schnitt bei Schrages Versuch übrigends der Musikdownload-Shop iTunes von Apple ab. Denn die Empfehlungs-Engine scheint laut Schrages Recherche weniger auf Genre, Tempo oder Musikstil ausgerichtet zu sein, als vielmehr auf die zeitliche Einstufung des gewünschten Titels.

 

Schrage fordert daher in seinem Resümee über den Empfehlungsdschungel einen intelligenteren Algorithmus zu entwickeln, denn beispielsweise können sie noch nicht zwischen Betrachten und eigentlicher Auswahl entscheiden. Die bestehenden Empfehlungs-Engines sind „zwar bereits sehr wertvoll, doch  sie bleiben grundsätzlich primitiv.“