Selbstversuch im Empfehlungsnetz
Amazon, iTunes und Co. versuchen unterschiedlich effektiv, Nutzer mit automatisierten Einkaufstipps zu ködern.
Es ist fast egal, wo man heutzutage auch online einkauft: Ein Teil des Bildschirms ist stets für Hinweise an den Nutzer reserviert, dass "andere Kunden, die dieses Produkt gekauft haben, sich auch für diese anderen Produkte interessiert" hätten. Laute Pop-up-Reklame und kontextsensitive Textanzeigen werden so durch eine suggestive, automatisierte Werbeform ergänzt, die auf so genannten Empfehlungs-Engines basiert – Algorithmen, die versuchen, aus dem früheren Einkaufsverhalten und dem Vorgehen anderer Nutzer passende neue Produkte für den Kunden zu finden. Michael Schrage, MIT-Forscher und IT-Autor, hat im Auftrag des Technologiemagazins Technology Review einen Selbstversuch gewagt und vergleicht in einer ausführlichen Analyse die verschiedenen Ansätze von E-Commerce-Anbieten, Kunden mit Produkten zu ködern, die sie eigentlich gar nicht erwerben wollten.
Im Test stellte sich heraus, das der Online-Verkaufsriese Amazon noch immer die beste Empfehlungsmaschinerie besitzt. Die Firma ist Pionier auf diesem Gebiet – sie führte die Technik bereits kurz nach ihrer Gründung 1995 ein. Greg Linden, der heute bei Microsoft arbeitet, half dabei, die erste Vorschlagssoftware für Amazon zu schreiben. Ihr Name lautete "Instant Recommendation" – und sie war im Gegensatz zu einem älteren System namens "BookMaker" sehr schnell sehr erfolgreich. Die Empfehlungs-Engine wurde danach schrittweise weiter verbessert. "Wir lernten, was funktioniert und was nicht, in dem wir beobachteten, wie Veränderungen bei den Empfehlungen den Nutzern dabei halfen, neue Bücher zu finden", sagt Linden. Besonders gefallen habe ihm, den Usern neue Titel vorzuschlagen, die sie selbst nicht gefunden hätten. "Es ging dabei nie um das Marketing, sondern darum, die Leute mit Büchern zusammenzubringen, die sie mögen könnten." Der wirtschaftliche Erfolg kam allerdings trotzdem: Inzwischen ist das Empfehlungsmodell hoch profitabel und führt regelmäßig dazu, dass Nutzer mehr Produkte in den virtuellen Einkaufskorb packen, als ursprünglich geplant.
Doch so nützlich die Algorithmen auch sind, ab und zu scheinen sie noch blind zu sein, stellte Schrage fest. Ihn störte im Test beispielsweise, dass Amazon nicht intelligent unterscheiden kann, ob ein Produkt für den Nutzer selbst gedacht ist oder für jemand anderen, er also nach einem Geschenk suche. "Natürlich kann ich eine kleine Box anklicken, um der Seite zu zeigen, dass ich ein Geschenk will. Außerdem gibt es unter "Mein Amazon" eine Spalte, in der ich meine "Empfehlungen verbessern" kann." Doch diese Funktionen seien nicht besonders gut zu finden und selbst langjährigen Amazon-Nutzern oft unbekannt.
Die ganze Analyse in Technology Review online:
(bsc)
