Der Schlüssel hierzu heisst «Recommender Systems». Solche Empfehlungsdienste benutzen statistische Verfahren aus dem Bereich des kollaborativen Filterns um das Problem der Produktempfehlung zu adressieren. Sie machen sich dabei die bereits aufgezeichneten Transaktionen zu Nutze. In unserem Fall bestand der erste Schritt darin, die individuellen, historischen Transaktionsgeschäfte zu extrahieren. Der zweite Schritt bestand dann darin, Ähnlichkeitsmatrizen zu berechnen um die Beziehungen zwischen Individuen und Artikeln zu beschreiben. Der dritte Schritt ist der Prognoseschritt. Ein neuer (oder bestehender) Kunde kann aufgrund seines (Such-)Verhaltens zu bereits bekannten Nutzern in Beziehung gesetzt werden und daraus ableitend können die erfolgversprechendsten Vorschläge für Ihn angezeigt werden.