Recommendation-Engine Projekt
Recommendation-Engines sorgen dafür, dass Kunden die für sie relevanten Produkte und Inhalte sehen. Gut umgesetzt heben sie CTR, Conversion und Long-Tail-Umsatz nachweisbar.
Die Übersicht beschreibt eine typische Projektart. Du kannst dein Profil auch hinterlegen, wenn aktuell kein passendes Mandat veröffentlicht ist.
Wann sich dieser Projekttyp lohnt
- Mittlere bis große Sortimente.
- Klare User-Identifikation.
- A/B-Testing-Kultur vorhanden.
Typische Phasen
- Phase 1 · 3 WochenBaselineNaive Empfehlungen + Eval-Setup
- Phase 2 · 6 bis 8 WochenModellTwo-Tower + Re-Ranking
- Phase 3 · 4 bis 8 WochenOnline-TestKontrollierter A/B-Test
Rollen und Tagessätze
- Data Scientist900 bis 1.250 EUR
- ML Engineer950 bis 1.300 EUR
Risiken und Stolperfallen
- Kein A/B-Setup → keine belastbaren Aussagen.
- Cold-Start nicht modelliert.
- Feedback-Loops verzerren Eval.
Häufige Fragen (FAQ)
- Wie messe ich die Wirkung?
- Kontrollierte A/B-Tests mit ausreichender Power, nie nur Offline-NDCG.
- Was bringt Re-Ranking?
- Typisch 10 bis 25 % CTR-Uplift gegenüber reinem Retrieval.
Bewerbung in 60 Sekunden
Profil für passende Mandate hinterlegen
Sag uns, welche Erfahrung du mitbringst, wann du verfügbar bist und welche Projekte du suchst. Wenn ein Mandat fachlich passt, sprechen wir mit dir über die Eckdaten.
- Direkter Draht zum Auftraggeber, kein Recruiter-Pingpong.
- Tagessatz wird vor dem ersten Call abgeklärt, keine versteckte Range.
- Klare Aufgabe, klares Budget, klare Entscheidungswege.
- Antwort in 48 h, nur wenn das Mandat wirklich zu dir passt.
- Wiederkehrende Mandate möglich: gute Profile bleiben im Talent-Pool.
Hinweis: Profil-Link ist optional LinkedIn, freelance.de, freelancermap, Malt, GitHub oder eigene Portfolio-URL.