Wahrnehmung von Produktempfehlungen aus Recommender Systems in Online-Shops

Bachelor-Thesis

Diese Bachelorarbeit zum Thema »Produktempfehlungen« wurde von Sebastian Gollus im Studiengang Angewandte Kognitions- und Medienwissenschaft an der Universität Duisburg-Essen im Jahr 2012 angefertigt.

Auswertung Diagramm, Erinnerung und Betrachtungszeit von Produktempfehlungen

Beispiel: Erinnerung und Betrachtungszeit von Produktempfehlungen

Die durchgeführte Studie liefert neben den messbaren Ergebnissen auch visuelle Ergebnisse in Form von Motion-Maps und Attention-Maps, die erkennbare Unterschiede in den jeweiligen Gruppen aufzeigen.

Beispiel: Motion-Map (links) und Attention-Map (rechts), analysiert mit etracker

Zusammenfassung

Produktempfehlungen in Online-Shops erfreuen sich wachsender Beliebtheit und können ein effizientes und effektives Mittel zur Umsatzsteigerung sein. Recommender Systems (Empfehlungssysteme) sind nicht nur für Shop-Betreiber interessant, sondern können den potentiellen Käufer bei Kaufentscheidungsprozessen unterstützen und das Nutzererleben steigern. Bei der Gestaltung von Produktempfehlungen müssen Konzepte wie die des „Choice Overloads“ oder der „Banner Blindness“ berücksichtigt werden, die die Wahrnehmung und Nutzung der Empfehlungen beeinflussen. In dieser Bachelorarbeit wird untersucht, wie sich die Variation der Abbildungen von Produktempfehlungen auf die Wahrnehmung und das Erinnern an diese durch den Nutzer auswirkt.

Schlüsselbegriffe: Recommender Systems, Online-Shops, Produktempfehlungen, Empfehlungssysteme, Advertising Blindness, Recommendation Blindness, Information Overload, Choice Overload, Design Guidelines, Recommendation Recall, Attention Map, Motion Map, Klickrate

Kopie als PDF-Download anfordern.

Inhaltsverzeichnis

  1. Einleitung (S. 1)
    1. Beschreibung des Problems (S. 1)
    2. Lösungsansatz (S. 2)
    3. Methodik (S. 2)
    4. Beitrag der Arbeit zum Stand der Wissenschaft (S. 3)
    5. Aufbau der Arbeit (S. 3)
  2. Stand der Forschung (S. 5)
    1. Was ist ein Recommender System? (S. 5)
      1. Content-based Filtering (S. 6)
      2. Collaborative Filtering (S. 6)
      3. Knowledge-based Filtering (S. 7)
      4. Hybride Lösungen für bessere Ergebnisse (S. 7)
      5. Vertrauen der Nutzer in Recommender Systems (S. 7)
    2. Nutzung von Produktempfehlungen (S. 8)
      1. Anordnung der Produktempfehlungen in Untergruppen (S. 8)
      2. Vergleich zwischen „Multi-Criteria Filtering Tool“ und Recommender
        System (S. 11)
    3. Ähnlichkeiten und Beziehungen visualisieren (S. 13)
    4. Information Overload im Internet (S. 15)
    5. Choice Overload in Recommender Systems (S. 17)
    6. Wahrnehmung und Akzeptanz von Recommender Systems (S. 20)
    7. Design Guidelines für Recommender System Interfaces (S. 21)
    8. Text Advertising Blindness: The New Banner Blindness? (S. 23)
    9. Zwischenfazit (S. 25)
  3. Studie zur Wahrnehmung und Erinnerung von Produktempfehlungen (S. 29)
    1. Hypothesen (S. 29)
    2. Studienaufbau (S. 30)
      1. Methodik (S. 30)
      2. Gruppenzuordnung (S. 30)
      3. Teilnehmer (S. 31)
      4. Materialien (S. 31)
      5. Aufgaben (S. 32)
    3. Ergebnisse (S. 32)
      1. Wahrnehmung der Produkt-Empfehlungen (S. 32)
      2. Nutzung der Produkt-Empfehlungen (S. 34)
      3. Erinnerung der Produkt-Empfehlungen (S. 34)
      4. Bewertung eines empfohlenen Produkts (S. 36)
    4. Bewertung (S. 36)
  4. Schlussbetrachtungen (S. 39)
    1. Zusammenfassung (S. 39)
    2. Diskussion (S. 40)
    3. Ausblick (S. 41)

Anhang

  • Online-Befragung der Studie

Kopie als PDF-Download anfordern.

Literaturverzeichnis

  • Benway, J. P. (1998). Banner blindness: The irony of attention grabbing on the world wideweb. Proceedings of the Human Factors and Ergonomics Society 42nd Annual Meeting, pages463–467.
  • Bollen, D., Knijnenburg, B. P., Willemsen, M. C., and Graus, M. (2010). Understanding choiceoverload in recommender systems. In RecSys ’10: Proceedings of the 4th ACM Conference onRecommender Systems, pages 63–70, New York, NY, USA. ACM.
  • Burke, M., Hornof, A., Nilsen, E., and Gorman, N. (2005). High-cost banner blindness: Adsincrease perceived workload, hinder visual search, and are forgotten. ACM Transactions onComputer-Human Interaction, 12(4):423 – 445.
  • Burke, R. (2007). The adaptive web. chapter Hybrid web recommender systems, pages 377–408. Springer-Verlag, Berlin, Heidelberg.
  • cand.rer.pol. Matthias Funk (2004). Recommender systems in theorie und praxis.Carlson, C. N. (2003). Information overload, retrieval strategies and internet user empowerment.pages 169 – 173. Media Lab UIAH. The Good, the Bad and the Irrelevant (COST 269),Helsinki (Finland), 3 – 5 September 2003.
  • Castagnos, S., Jones, N., and Pu, P. (2010). Eye-tracking product recommenders’ usage. InRecSys ’10: Proceedings of the 4th ACM Conference on Recommender Systems, pages 29–36, NewYork, NY, USA. ACM.
  • Chen, L. and Pu, P. (2008). A cross-cultural user evaluation of product recommender interfaces.In RecSys ’08: Proceedings of the 2nd ACM Conference on Recommender Systems, pages75–82, New York, NY, USA. ACM.
  • Cooke, L. (2008). How do users search web home pages? an eye-tracking study of multiplenavigation menus. Technical Communication, 55(2):176 – 194.
  • Fogg, B. J., Marshall, J., Laraki, O., Osipovich, A., Varma, C., Fang, N., Paul, J., Rangnekar,A., Shon, J., Swani, P., and Treinen, M. (2001). What makes web sites credible?: a reporton a large quantitative study. In Proceedings of the SIGCHI conference on Human factors incomputing systems, CHI ’01, pages 61–68, New York, NY, USA. ACM.
  • Fox, D., Smith, A., Chaparro, B. S., and Shaikh, A. D. (2009). Optimizing presentation ofadsense ads within blogs. Proceedings of the Human Factors and Ergonomics Society AnnualMeeting, 53:1267 – 1271.
  • Gansner, E., Hu, Y., Kobourov, S., and Volinsky, C. (2009). Putting recommendations on themap – visualizing clusters and relations. In RecSys ’09: Proceedings of the 3rd ACM conferenceon Recommender Systems, pages 345 – 348.
  • Haubl, G. and Trifts, V. (2000). Consumer decision making in online shopping environments: The effects of interactive decision aids. In Marketing Science, pages 4 – 21.Ho, S. and Tam, K. (2005). An empirical examination of the effects of web personalizationat different consumer decision-making stages. In International Journal of Human-ComputerInteraction, pages 95 – 112.
  • Hussein, T., Gaulke, W., Hartmann, A., and Ziegler, J. (2010). Wahrnehmung und akzeptanzvon systemgenerierten produktempfehlungen. In Ziegler, J. and Schmidt, A., editors,Mensch & Computer 2010, München, Germany. Oldenbourg.
  • Kagie, M., vanWezel, M., and Groenen, P. J. F. (2010). Recommender Systems Handbook, chapterMap Based Visualization of Product Catalogs, pages 547–576. Springer, Berlin.
  • Karat, C.-M., Blom, J. O., and Karat, J. (2004). Designing personalized user experiences inecommerce.
  • Kreutzer, R. T. (2012). Trends und perspektiven im online-marketing. In PraxisorientiertesOnline-Marketing, pages 477–489. Gabler Verlag. 10.1007/978-3-8349-6774-96.
  • Maes, P., Guttmann, R., Moukas, A., and Moukas, R. (1999). Agents that buy and sell : Transformingcommerce as we know it. In Communications of the ACM, pages 81 – 91.
  • Matera, M., Rizzo, F., and Carughi, G. T. (2006). Web usability: Principles and evaluation methods.In N. Mosley and E. Mendes (Eds.), Web Engineering, pages 143 – 156. Springer.
  • Owens, J. W., Chaparro, B. S., and Palmer, E. M. (2011). Text advertising blindness: The newbanner blindness? Journal of Usability Studies, 6(3):172 – 197.
  • Ozok, A., Fan, Q., and Norcio, A. F. (2010). Design guidelines for effective recommender systeminterfaces based on a usability criteria conceptual model: Results from a college studentpopulation. Behaviour & Information Technology, 29(1):57–83.
  • Rayner, K., Duffy, S. A., and Morris, R. K. (1988). Lexical ambiguity and fixation times in reading.In Journal of Memory and Language, volume 27, pages 429 – 446.
  • Reutskaja, E. and Hogarth, R. (2009). Satisfaction in choice as a function of the number of alternatives:When goods satiate. In Psychology and Marketing, volume 26(3), pages 197 – 203.
  • Sinha, R. and Swearingen, K. (2002). The role of transparency in recommender systems. In CHI’02 Extended Abstracts on Human Factors in Computing Systems. Minneapolis, Minnesota, USA,pages 830 – 831. ACM Press.
  • Tintarev, N. (2007). Explanations of recommendations. In Proceedings of the 2007 ACM conferenceon Recommender systems, RecSys ’07, pages 203–206, New York, NY, USA. ACM.
  • Wang, W. and Benbasat, I. (2005). Trust in and adoption of online recommendation agents. J.AIS, pages –1–1.
  • Xiao, B. and Benbasat, I. (2007). E-commerce product recommendation agents: use, characteristics,and impact. MIS Q., 31(1):137–209.
  • Yesilada, Y., Jay, C., Stevens, R., and Harper, S. (2008). Validating the use and role of visualelements of web pages in navigation with an eye-tracking study. in www 2008. Beijing, China:ACM Press, pages 11 – 19.


© 2007 – 2024 | E-Commerce & Online-Marketing Sebastian Gollus | aus Reken (Kreis Borken)