Produktempfehlungssysteme mit minimalem Konsumentenaufwand und hoher Genauigkeit

Abstract

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.AbstractIn recent studies on recommendation systems, the choice-based conjoint analysis has been suggested as a method for measuring consumer preferences. This approach achieves high recommendation accuracy and does not suffer from the start-up problem because it is also applicable for recommendations for new consumers or of new products. However, this method requires massive consumer input, which causes consumer reluctance. In a simulation study, we demonstrate the high accuracy, but also the high user’s effort for using a utility-based recommendation system using a choice-based conjoint analysis with hierarchical Bayes estimation. In order to reduce the conflict between consumer effort and recommendation accuracy, we develop a novel approach that only shows Pareto-efficient alternatives and ranks them according to the number of dominated attributes. We demonstrate that, in terms of the decision accuracy of the recommended products, the ranked Pareto-front approach performs better than a recommendation system that employs choice-based conjoint analysis. Furthermore, the consumer’s effort is kept low and comparable to that of simple systems that require little consumer input.