Best Paper Award - Institut für Verbraucherinformatik

Das Paper beschäftigt sich mit der Entwicklung und Validierung eines zeitbasierten Empfehlungssystems für Wiederholungskaufentscheidungen im Lebensmitteleinzelhandel. Dazu wurde zu Beginn eine Einführung in Empfehlungssysteme gegeben und klassische Problemstellungen für Transaktionsdaten des Lebensmitteleinzelhandels abgeleitet. Durch die Betrachtung von State-of-the-Art-Lösungen zur Integration einer zeitlichen Komponente in Empfehlungen wurde eine Überleitung zu aktuellen Modellen in der Literatur geschaffen. Es wurden zwei spezifische Modelle identifiziert, die sich speziell mit Wiederholungskaufentscheidungen beschäftigen. Diese wurden auf einen realen Datensatz eines stationären deutschen Lebensmitteleinzelhändlers angewendet und im Hinblick auf die zuvor abgeleiteten Probleme von Empfehlungssystemen diskutiert. Es wird gezeigt, dass ein Bayesianisches Hierarchisches Modell mit Gamma Prior und der Annahme von einem Poisson-Prozess folgenden Kaufevents für die vorliegende spärliche Datensituation gut geeignet ist.