Textprobe: Kapitel 3.3, Multivariate Analysemethoden: Eine andere Möglichkeit für die Erstellung einer individuellen Produktempfehlung bieten multivariate Analysemethoden. Diese Methoden werden in der Marktforschung verwendet, wenn mehr als zwei Variablen gleichzeitig betrachtet, und deren Beziehungsstruktur untersucht werden sollen. Dabei kann zwischen Dependenzanalysen und Interdependenzanalysen unterschieden werden. Während bei der Interdependenzanalyse zur Analyse von wechselseitigen Beziehungen alle Input-Variablen als gleich angesehen werden, wird bei der Dependenzanalyse zwischen abhängigen und unabhängigen Variablen unterschieden, um den Einfluss der unabhängigen Variablen auf die abhängigen zu beschreiben (vgl. [Berekoven et al. 2006, S.209]). [Backhaus et al. 2006, S.7] unterscheidet zwischen strukturen-prüfenden und strukturen-entdeckenden Analyseverfahren, weist aber darauf hin, dass eine überschneidungsfreie Zuordnung der Verfahren nicht immer möglich ist. Struktur-entdeckende Verfahren suchen Zusammenhänge zwischen Variablen oder Objekten. Zu dieser Art der Analysemethoden gehören z.B. die Faktorenanalyse, die Clusteranalyse oder die Multidimensionale Skalierung. Das Ziel der strukturen-prüfenden Verfahren liegt in der Überprüfung von Zusammenhängen zwischen Variablen. Sie werden primär für die Durchführung von Kausalanalysen eingesetzt, beispielsweise zur Ermittlung des Einflusses der Qualität oder des Preises auf die Nachfrage eines Produktes. Mitglieder dieser Gruppe sind u.a. die Varianzanalyse, die Kontingenzanalyse oder die Logistische Regression (vgl. [Backhaus et al. 2006, S.7-12]). Hinsichtlich der Produktempfehlung existieren also zwei Möglichkeiten, die multivariaten Analysemethoden einzusetzen. Zum Einen können mit Hilfe einer strukturen-entdeckenden Methode mehrere heterogene Klassen bzw. Marksegmente mit homogenen Individuen anhand von Kundenmerkmalen identifiziert werden. Wie bei den bedarfsorientierten Verfahren kann diesen Kunden anschließend ein speziell zu ihrem Segment passendes Produkt empfohlen werden. (vgl. [Pepels 2000, S.100-101]). Bei der anderen Alternative zur Generierung einer Produktempfehlung mit multivariaten Analysemethoden müssen die Klassen (z.B. Käufer oder Nichtkäufer), und zumindest von einem Teil der Kunden, die Klassenzugehörigkeit, bekannt sein. Unter Verwendung von strukuren-prüfenden Analysemethoden können anhand dieser Informationen Merkmale ermittelt werden, die in einem Zusammenhang mit der Klassenzugehörigkeit stehen. Auf Basis der ermittelten Merkmale kann anschließend ein Modell erstellt werden, mit dem die Klassenzugehörigkeit von z.B. einem neuen Kunden prognostiziert werden kann. So kann beispielsweise anhand von Kundenausprägungen festgestellt werden, ob ein Kunde eher in die Klasse der Käufer oder eher in die Klasse der Nichtkäufer eines Produktes einzuordnen ist. Gehört ein Kunde aufgrund seiner Merkmale mit großer Wahrscheinlichkeit zu den Käufern eines Produktes, kann ihm dieses empfohlen werden. (vgl. [Pepels 2000, S.103]). Ein Beispiel für die Verwendung multivariater Analysemethoden aus der Praxis zeigt das System 'Wocas' von Amazon. Das System sammelt sämtliche Aktionen und Äußerungen von Kunden auf ihrer Internetseite. Diese Informationen werden minutiös ausgewertet um die Kaufgewohnheiten des Kunden zu analysieren, so dass ihm ein Produkt angeboten werden kann, welches ihn mit hoher Wahrscheinlichkeit interessiert (vgl. [Sparkasse 2011, S.B5]).