Empfehlungssysteme beobachten die User und treffen Entscheidungen. Marc Gasser, Managing Partner der Astina AG untersucht, was solche Systeme heute schon leisten und zeigt auf, was Empfehlungssysteme dem Website-Benutzer und dem Website-Betreiber voraussagen können. Google, Parship und Facebook bestimmen was oder wen wir interessant und relevant finden, Amazon will zum bestellten Reiseführer auch noch lokale Literatur vom Ferienort verkaufen, die Kosmetik-Webseite empfiehlt den zur Hautfarbe passenden Lippenstift. Für den Benutzer ist weder transparent, wo solche Empfehlungssysteme eingesetzt werden, noch wie sie funktionieren. Denken wir also immer weniger und werden immer mehr von Empfehlungssystemen gesteuert? Ja und nein, schliesslich werden die Empfehlungssysteme hauptsächlich schlauer, weil sie von uns lernen. Dieses Referat zeigt, wie stark wir bereits von Online-Empfehlungssystemen beeinflusst und gelenkt werden, wie wir diese Blackbox sichtbar machen und wie wir ein Empfehlungssystem als Website-Betreiber zu den eigenen Gunsten nutzen können.

1. Recommender
Systems

2. 60’000 v.Chr.
bis 2008
< 2009

3. Im Jahre 2009 sind
mehr Informationen
entstanden als in der
Geschichte der
Menschheit bis 2008

4. Informationen
filtern

5. Algorithmen
die Präferenzen
lernen
vergleichen
vergessen

6. Empfehlungen
Beeinflussung
Sichtbarkeit
Nutzung

7. Beeinflussung

8. Wie stark wir bereits
von online
Empfehlungs-
Systemen beeinflusst
und gelenkt werden

9. Google, Parship und Facebook
bestimmen was oder wen wir
interessant und relevant finden,
Amazon will zum bestellten
Reiseführer auch noch lokale
Literatur vom Ferienort verkaufen,
die Kosmetik-Webseite empfiehlt
den zur Hautfarbe passenden
Lippensti !

10. Behauptung
Empfehlungssysteme
verändern dein
Leben und das ist
gut so

11. 1
Google

12. Google
57 Signale werden von Google
interpretiert wenn der Benutzer
nicht angemeldet ist
Google entscheidet was
nützlich ist, der geänderte
Index-Algorithmus bevorzugt
Hochwertiges

13. 2
OkCupid

14. OkCupid
“Online matchmaking is
ge ing be er at
telling us whom we
ought to like”

15. 3
Facebook

16. Facebook
Mit wem sind die Fans
befreundet, Interesse an anderen
News, Interaktionshäufigkeit,
Zeit seit letztem Status Update
Der EdgeRank

17. 4
News

18. News
Story > Ich
Story > Filter > Ich
Re-Intermediation

19. 5
Und mehr...

20. Und mehr...

21. 6
Kino

22. Kino
60% von Netflix-Mieten sind
Empfehlungen.
Zuerst die Zutaten
für den Kassenschlager
berechnen...
dann den Film dazu.

23. Is the
personalization
of the Web making us
less informed
?

24. Sichtbarkeit

25. BlackBox

26. BlackBox

27. Behauptung
Du weisst nicht was du
nicht siehst...
aber vielleicht kannst
du es einschätzen

28. 1
Google

29. Google
Wer oder was
entscheidet für mich
was ‘hochwertig’ ist?

30. Internet Kuvahaku Kartat Kääntäjä Scholar Blogit Gmail lisää Verkkohistoria | Hakuasetukset | Kirjaudu sisään
Google
fukushima 2011 Haku
Noin 104 000 000 tulosta (0,16 sekuntia) Tarkennettu haku
Kaikki Etsi sivuja, joiden kieli on englanti
Kuvahaku
Fukushima I Nuclear Power Plant - Wikipedia, the free encyclopedia
Videot - [ Käännä tämä sivu ]
Siirry kohtaan Nuclear accidents of 2011: Main article: Fukushima I nuclear accidents.
Lisää Before and after images of the Unit 1 from March 12, 2011, ...
en.wikipedia.org/.../Fukushima_I_Nuclear_Power_Plant - Välimuistissa - Samankaltaisia
Verkkohaku
Etsi sivuja, joiden Japan Fukushima 2011 - [ Käännä tämä sivu ]
kieli on englanti Fundamentals of the Fukushima nuclear power plants and sequence of events of the
Käännetyt reactor accidents in Japan This document was released on 14 March 2011 ...
vieraskieliset sivut www.necsa.co.za/Japan-Fukushima-2011-544.aspx - Välimuistissa
Milloin tahansa Videot haulle fukushima 2011 - Ilmoita videoista
Viimeisin
Fukushima, Japan - Fukushima nuclear plant
Viim. 24 tuntia
Nuclear Reactor blast puts Japan on ...
Viim. viikko Explosion ... 12. maaliskuu 2011
Viim. kuukausi 1 minuuttia - guardian.co.uk
Viim. vuosi 12. maaliskuu 2011
Oma aikaväli... Lataaja: kthedral
youtube.com
Kaikki tulokset
Sivustot, joissa on
kuvia
Learning from Fukushima 2011 — The Straits Times Blogs
- [ Käännä tämä sivu ]
Wonder wheel
5 Apr 2011 ... But the critics say if you go back to look at Chernobyl in 1986, and then fast
forward to Fukushima 2011 which is still unfolding (there ...

31. 2
Alleine im Filter

32. Alleine im Filter
Die abenteuerlichen
Klicks ausserhalb
der eigenen
Interessen

33. 3
Facebook

34. Facebook
Den eigenen “Ich
putze mir die
Zähne”-Modus
erlernen

36. Facebook erfand
den EdgeRank und
95% der User sehen
nichts anderes mehr

37. 4
#AmazonFail

38. #AmazonFail
Nicht mehr gefunden wegen
dem Familienfreundlich-
Algorithmus

39. Perhaps the UN
should commission
internationally
recognized
'algorithm inspectors'

40. Nutzen

41. Jetzt wird der Spiess
umgedreht!
Was kann
vorausgesagt werden.

42. Behauptung
Du kannst von
Empfehlungs-Systemen
profitieren

43. 1
Nutzerprofile

44. Nutzerprofile
Wer sind die
Benutzer
und was wollen die?

49. 2
Relevanz

50. Relevanz
Interessantere Inhalte für
die Benutzer
Long Tail
Erhöhung der Verweildauer

53. 3
E-Commerce

54. E-Commerce
Mövenpick-Wein hat nach
Einsatz eines
Recommender System die
Umsätze nachweislich
um 20% erhöht
(mit A/B-Tests verifiziert)

56. 4
Relationen

57. Relationen
Zusammenhänge
aufzeigen
Verbindungen zwischen
Informationen erstellen

60. 5
EdgeRank

61. EdgeRank
Optimieren des
(Edge)Ranks bei
Facebook, Twi er & Co.
SEO von Morgen

62. Marc Gasser
Astina AG
Hardturmstrasse 105
CH – 8005 Zürich
mgasser@astina.ch
Connect