Datan analysointi verkkokauppojen suosittelujärjestelmissä big datan konteks-tissa

Abstract

Tämä tutkielma keskittyy suosittelujärjestelmien yleiseen toimintaperiaattee-seen ja niiden tarjoamiin hyötyihin. Suosittelujärjestelmien toiminta täyttää Big datalle ominaiset piirteet, mistä syystä asiaa lähestytään Big datan analysointi-na. Tarkoituksena on antaa lukijalle yleiskuva suosittelujärjestelmistä, niiden toimintaperiaatteesta ja käyttötarkoituksesta. Tutkielmassa käsitellään suositte-lujärjestelmistä yhteisöllistä, yhteistoimintapohjaista, demografista ja tietä-myspohjaista suodatusta sekä hybridejä variaatioita. Lisäksi kerrotaan suositte-lujärjestelmien tarjoamista hyödyistä nimenomaan palveluntarjoajan näkökul-masta. Tutkielma on toteutettu kirjallisuuskatsauksena. Lähdeaineisto koostuu pääosin tieteellisistä artikkeleista ja muutamasta aiheeseen liittyvästä kirjasta, jotka on julkaistu pääosin 2000-luvulla. Yleisesti tiedossa olevissa asioissa on viitattu kaupallisiin lähteisiin ja blogikirjoituksiin. Lähdeaineistoa valitessa yhtenä prioriteettina oli julkaisuajankohta, sillä suosittelujärjestelmät ovat melko uusi ja nopeasti kehittyvä ala. Tämän tutkielman luettuaan lukijalla on yleiskäsitys suosituimpien suo-datustekniikoiden toimintaperiaatteesta. Suosittelujärjestelmien tarjoamat hyödyt ja huomionarvoiset asiat suosittelujärjestelmien käyttöönotossa tulevat myös esille. Verkkokaupalle ominainen pitkä häntä-ilmiö käsitellään omana lukunaan.

This research paper’s main focus is on general function of recommender sys-tems and what benefits they will give. Recommender systems function fulfills the principles of big data and therefore this area is approached as a big data context. The idea is to provide general view about recommender systems, how they function and for what purpose they are designed. This paper focuses on collaborative filtering, content-based filtering, demographic filtering, knowledge-based filtering and hybrid variations. In addition to that, possible commercial benefits are discussed in a service provider point-of-view. This research is made as a literature review. References consists of scien-tific articles and a few area related books, most of these published in 2000-era. Commercial sources and blogs have been used in a few relatively commonly known issues. One of the priorities in selecting references was publishing date because recommender systems is fast-developing area of interest. After reading this research paper reader should have general understand-ing about most common recommendation filtering techniques. Commercial benefits and what to take in consideration when applying recommender system in use are also pointed out. The long tail, phenomenon occurring in e-commerce, is also addressed as its own chapter.