Implizites Feedback
Nutzersignale, die aus Verhalten abgeleitet werden (Klicks, Verweildauer, Käufe) statt aus expliziten Bewertungen.
Implicit Feedback nutzt Nutzerverhalten (Klicks, Views) statt expliziter Bewertungen – die Hauptdatenquelle für moderne Empfehlungssysteme.
Erklärung
Implicit Feedback ist abundanter als explizites (Ratings), aber verrauschter. Fehlende Interaktion ≠ Ablehnung. Algorithmen wie ALS und BPR sind speziell für implizites Feedback optimiert.
Relevanz für Marketing
Im Marketing ist implizites Feedback die Hauptdatenquelle: Klickverhalten, Scroll-Tiefe, Verweildauer – explizite Ratings sind selten.
Beispiel
Ein Nutzer schaut 80% eines Videos → starkes positives Signal. Er scrollt schnell vorbei → schwaches negatives Signal.
Häufige Fallstricke
Position Bias (obere Items bekommen mehr Klicks). Fehlende Interaktion ist nicht dasselbe wie Ablehnung. Popularity Bias verstärkt sich.
Entstehung & Geschichte
Hu, Koren & Volinsky (2008) formalisierten implizites Feedback für CF. Bayesian Personalized Ranking (Rendle et al., 2009) wurde Standard für paarweises Lernen. Heute dominiert implizites Feedback RecSys-Forschung.
Abgrenzung & Vergleiche
Implizites Feedback vs. Explicit Feedback
Explicit Feedback (Ratings, Reviews) ist qualitativ besser aber selten; Implicit Feedback ist abundant aber verrauschter.