Session-basierte Empfehlung
Empfehlungen basierend auf der aktuellen Nutzer-Session statt auf historischen Profilen – ideal für anonyme Besucher.
Session-Based Recommendation sagt basierend auf der aktuellen Klick-Sequenz das nächste relevante Item vorher – ohne historisches Nutzerprofil.
Erklärung
Session-Based RecSys nutzt RNNs, Transformer oder GNNs, um aus der Klick-Sequenz einer Session das nächste relevante Item vorherzusagen. Kein User-Profil nötig.
Relevanz für Marketing
Für E-Commerce mit hohem Anteil anonymer Besucher ist Session-Based Recommendation der wichtigste Personalisierungsansatz.
Beispiel
Ein Besucher klickt auf Laufschuhe → Sportshorts → Fitnesstracker. Das System empfiehlt Sportbekleidung basierend auf der Session-Sequenz.
Häufige Fallstricke
Sessions können sehr kurz sein (1-2 Klicks). Multi-Intent-Sessions (Browsing + Kaufabsicht) sind schwer zu modellieren.
Entstehung & Geschichte
GRU4Rec (Hidasi et al., 2016) war das erste Deep-Learning-Modell für Session-Based Recommendation. SR-GNN (2019) nutzte Graph Neural Networks. SASRec (Kang & McAuley, 2018) brachte Self-Attention.
Abgrenzung & Vergleiche
Session-basierte Empfehlung vs. Collaborative Filtering
CF braucht User-Historie; Session-Based funktioniert mit anonymen Besuchern und der aktuellen Session allein.