wirtschaftsuniversität wien diplomarbeit - SemanticLab.net
wirtschaftsuniversität wien diplomarbeit - SemanticLab.net
wirtschaftsuniversität wien diplomarbeit - SemanticLab.net
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
werden, dass diese für Maschinen und Menschen auswertbar werden [Dustdar et al.,<br />
2006].<br />
In den folgenden Kapiteln werden exemplarisch die verschiedenen Anwendungen<br />
des Semantic Web im E-Commerce erläutert. Als Erstes werden die digitalen seman-<br />
tischen Empfehlungssysteme dargestellt. Diese unterstützen die Benutzer beim Kauf<br />
von Produkten und bieten ihnen bedürfnisorientierte Angebote an. Zweitens werden<br />
die Einsatzmöglichkeiten des Semantic Web im mobilen Bereich erläutert. Anschlie-<br />
ßend wird die Verknüpfung von Semantic Web und Werbung dargestellt.<br />
2.1.1 Semantische Empfehlungssysteme<br />
Digitale B2C (Business to Consumer)-Empfehlungssysteme unterstützen die Benut-<br />
zer bei der Selektion von Informationen über Produkte und Dienstleistungen und<br />
beim Treffen von Entscheidungen [Mayr, 2006, S. 2]. Das Ziel der digitalen Empfeh-<br />
lungssysteme ist, die Entscheidungsqualität der Benutzer bei der Produktauswahl zu<br />
optimieren und zu verbessern [West et al., 1999].<br />
Es gibt zwei Arten von digitalen Empfehlungssystemen, die personalisierten und<br />
nicht-personalisierten Empfehlungssysteme. Die nicht-personalisierten Empfeh-<br />
lungssysteme basieren auf den Empfehlungen und Ratings von anderen Benutzern.<br />
Die personalisierten Empfehlungssysteme beziehen sich auf die Eigenschaften oder<br />
Informationen über die Benutzer und geben dementsprechend Empfehlungen ab, die<br />
am besten zu der Person passen [Spitzer, 2005, S.6, ff.].<br />
Die meisten personalisierten Empfehlungssysteme werden bei Online-Shops wie<br />
zum Beispiel Amazon 4 oder Reel 5 eingesetzt. Diese Systeme haben meistens einen<br />
engen Fokus bei der Erfassung von transaktionellen Daten und empfehlen ähnliche<br />
Produkte, die die Benutzer in der Vergangenheit gekauft haben. Zum Beispiel, ein<br />
Online-Shop weiß, dass ein bestimmter Kunde eine Bluse gekauft hat oder nach<br />
dieser gesucht hat. Dieser Shop weiß vielleicht auch, welche weiteren Kleidungsstü-<br />
cke diese Person in der Vergangenheit erworben hat. Er kennt die Artikelnummer,<br />
den gezahlten Preis, die Farbe, die Marke und Tag und Zeit, an dem der Artikel<br />
4 http://www.amazon.com<br />
5 http://www.reel.com<br />
- 19 -