{"id":29672,"date":"2023-12-05T10:25:31","date_gmt":"2023-12-05T09:25:31","guid":{"rendered":"https:\/\/www.l3s.de\/?page_id=29672"},"modified":"2025-02-04T14:11:44","modified_gmt":"2025-02-04T13:11:44","slug":"multi-armed-bandits-for-the-recommender-system-for-returns-reduction","status":"publish","type":"page","link":"https:\/\/www.l3s.de\/de\/research-at-l3s\/all-projects\/project-archive\/multi-armed-bandits-for-the-recommender-system-for-returns-reduction\/","title":{"rendered":"Multi-armed bandits for the recommender system for returns reduction"},"content":{"rendered":"
\r\n \r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n \"\"\r\n
<\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n

Start:<\/p>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n

\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n

01.01.2023<\/p>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n

\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n

Ende:<\/p>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n

\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n

18.01.2025<\/p>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n

\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n

Webseite:<\/p>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n

\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
–<\/span><\/a>\r\n <\/span>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n \"\"\r\n
<\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n <\/div>\r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n
\r\n
\r\n \r\n \r\n
\r\n \r\n
\r\n \r\n
\r\n \r\n \r\n

Multi-Armed-Bandits f\u00fcr das Recommender-System zur Retourenreduktion<\/h2>\r\n <\/div>\r\n <\/div>\r\n
\r\n \r\n \r\n
\r\n

Entwicklung eines kontextualisierten MAB (multi-armed-bandit), um das\nPotential des Recommender Systems mittels Reinforcement-Learning\nauszusch\u00f6pfen<\/p>\r\n <\/div>\r\n <\/div>\r\n

\r\n \r\n <\/div>\r\n
\r\n \r\n \r\n
\r\n

In Deutschland steigt der E-Commerce-Umsatz f\u00fcr Bekleidung, getrieben durch Passform, Bequemlichkeit und Preis-Leistungs-Verh\u00e4ltnis. Die Corona-Pandemie verst\u00e4rkte Onlinebestellungen, doch R\u00fccksendungen verursachen hohe Kosten und CO2-Emissionen. Die Modeindustrie tr\u00e4gt \u00fcber 10 % zu den globalen CO2-Emissionen bei und muss diese bis 2030 um \u00fcber 50 % reduzieren, um das 1,5\u00b0C-Ziel zu erreichen. Deutschland f\u00fchrt mit bis zu 50 % Retouren im europ\u00e4ischen Vergleich. Gesetze wie die \"Obhutspflicht\" sollen der Vernichtung retournierter Ware entgegenwirken, k\u00f6nnten jedoch b\u00fcrokratischen Aufwand f\u00fcr H\u00e4ndler bedeuten. Datengetriebene L\u00f6sungen, insbesondere der Einsatz von Reinforcement-Learning, bieten eine pr\u00e4ventive Alternative zur Reduzierung von Retouren. Ein MAB-Konzept (multi-armed bandit) wird entwickelt, um das Recommender-System mittels Reinforcement-Learning zu optimieren. Ziel ist eine automatisierte Anpassung an ver\u00e4nderte Marktsituationen, um den Revenue per User um 8-20 % zu steigern und die Retourenquote um 10 % zu senken. Die Kooperation mit dem Institut f\u00fcr Informationsverarbeitung (TNT) der Leibniz Universit\u00e4t Hannover f\u00f6rdert Innovation und Wissenstransfer. Perspektivisch soll das Recommender-System auf andere E-Commerce-Bereiche ausgeweitet werden, um Arbeitspl\u00e4tze zu schaffen und die regionale Wirtschaft in Niedersachsen zu st\u00e4rken.<\/p>\r\n <\/div>\r\n <\/div>\r\n

\r\n \r\n <\/div>\r\n
\r\n \r\n
\r\n \r\n \r\n F\u00f6rderprogramm<\/span>\r\n
<\/path><\/svg><\/span><\/div>\r\n
<\/path><\/svg><\/span><\/div>\r\n <\/a>\r\n
\r\n
\r\n \r\n
\r\n \r\n \r\n
\r\n