Read more
Diese Studienarbeit setzt sich mit den Einsatz von Recommender-Systemen im E-Tourismus-Bereich auseinander. Der Fokus wird dabei auf das Marketing gerichtet, da die Stärkung der Kundenbindung im touristischen Umfeld untersucht werden soll. Dabei werden im Verlauf der Studienarbeit einige besonders interessante Recommender-Systeme vorgestellt.
In der jüngeren Vergangenheit wurden verschiedenste Methoden und touristische Interfaces von Empfehlungssystemen entwickelt. Die Qualität der Systeme hängt vor allem von der Qualität der Datenmenge ab, da die Berechnung von Produktvorschlägen anhand gespeicherter Daten über das Kundenverhalten oder über die verschiedenen Produkte erfolgt. Recommender-Systeme können in personalisierte und nicht-personalisierte Systeme sowie in automatisch und nicht automatische Empfehlungssysteme eingeteilt werden. Personalisierte Systeme greifen auf frühere Buchungen des Kunden zurück, während dies bei nicht-personalisierte Systemen nicht möglich ist. Das anzuwendende System richtet danach, welchen Aufwand der Kunde zu leisten bereit ist, d. h. ob er seine Vorlieben und Präferenzen angeben möchte.
In der Vergangenheit wurden bereits Recommender-Systeme untersucht, die einen großen Vorteil gegenüber der touristischen Offline-Beratung haben. Der überragende Vorteil in diesem Bereich besteht darin, dass der User mit dem System kommuniziert und daraus seine späteren individuellen Empfehlungen erhält. Touristische Anbieter von Recommender-Systemen können strategische Wettbewerbsvorteile im Bereich Zeit und Kosten für sich nutzen. Durch qualitative hochwertige und zielgruppenspezifische Informationen entsteht beim Kunden eine gewisse Bindung zum Unternehmen.
Nicht nur Veränderungen im Käuferverhalten sind durch Empfehlungssysteme gegeben, sondern auch touristische Leistungsträger bzw. Reiseveranstalter können dadurch neue Absatzwege zum Kunden finden. Da der Tourismus auch ein Informationsgeschäft ist, bestehen Synergien in der Beratung von touristischen Leistungen und der schnellen Abfrage bzw. Zusendung von personalisierten Informationen.
Je nachdem, welches Beratungssystem verwendet wird, können jedoch Probleme und Schwachstellen auftreten, da vor allem bei personalisierten Systemen oftmals das Problem besteht, dass zu wenig Daten über den Kunden oder das touristische Produkt vorhanden sind, um Empfehlungen abgeben zu können. Auch Manipulationen sind bei manchen Recommender-Systemen leichter möglich als bei anderen Systemen.
Die Akzeptanz der Recommender-Systeme beim Kunden hängt von vielen Faktoren ab. In dieser Studienarbeit werden einige dieser Kriterien aufgeführt und anschließend an einer Benchmark-Analyse von Amazon näher betrachtet. Amazon gehört zu den erfolgreichsten E-Commerce-Unternehmen. Ein Faktor für den großen Erfolg liegt sicher im Einsatz von verschiedenen kombinierten Empfehlungssystemen, die den Kunden immer auf neue und ähnliche Produkte aufmerksam machen.
