Thesis
Wie persönlich dürfen Produktempfehlungen sein?
Relevante Empfehlung oder Eingriff in die Privatsphäre?
Personalisierung ist im Onlinehandel zu einem wichtigen Instrument geworden, um Kundinnen und Kunden gezielter anzusprechen. Empfehlungssysteme nutzen dafür Daten über Interessen und bisheriges Verhalten, um möglichst relevante Produkte vorzuschlagen. Für Online-Händler bietet Personalisierung großes Potenzial. Gleichzeitig kann eine stärkere Personalisierung auch als überwachend oder aufdringlich wahrgenommen werden. Dieses Spannungsfeld zwischen Nutzen und Privatsphäre wird als Personalization Privacy Paradox (Awad & Krishnan, 2006) beschrieben.
Die Bachelorarbeit untersucht deshalb, wie unterschiedlich tiefe Onsite-Produktempfehlungen Kaufintention, Vertrauen, Privatsphärebedenken und psychologische Reaktanz beeinflussen. Zusätzlich wurde erfasst, ob die Empfehlungen als creepy, also unheimlich oder unangenehm, wahrgenommen wurden.
Drei ähnliche Shopszenarien mit jeweils einer gezielten Veränderung
In einem Online-Experiment sahen 207 Personen zufällig eine von drei nahezu identischen Seiten des fiktiven Kopfhörer-Shops „Taveroa“. Nur der Hinweis unter den Produktempfehlungen änderte sich:
| Personalisierung | Hinweis | Datengrundlage |
|---|---|---|
| A · Niedrig | „Aktuell beliebte Produkte“ | keine individuelle Datengrundlage |
| B · Mittel | „Zuletzt angesehen“ | früheres individuelles Verhalten |
| C · Hoch | „Kauf- und Suchhistorie“ | umfassendere shopinterne Daten |
Anschließend bewerteten die Teilnehmenden die empfohlenen Produkte und den Shop auf siebenstufigen Skalen. Die Gruppen waren mit 67, 69 und 71 Personen nahezu gleich groß. 83,1 Prozent erkannten die jeweils genannte Empfehlungsgrundlage korrekt.
Das zentrale Ergebnis: Tiefere Personalisierung führte zu höherer Kaufintention
Je stärker die Empfehlungen personalisiert waren, desto höher fiel die Kaufintention aus. Sie stieg von 3,72 Punkten bei beliebten Produkten bis hin zu 4,52 Punkten bei Empfehlungen aus der Kauf- und Suchhistorie. Der Gesamtunterschied war statistisch signifikant (p = .005; η² = .056). Die höchste Stufe lag auch in den Paarvergleichen signifikant über A (p = .006) und B (p = .035). Entgegen der Erwartung war die Kaufintention nicht bei mittlerer Personalisierung am höchsten. Stattdessen stieg sie mit zunehmender Personalisierung weiter an.

Keine signifikanten Unterschiede: Für Vertrauen, Creepiness und psychologische Reaktanz zeigten sich in der Hauptanalyse keine signifikanten Unterschiede. Auch die Privatsphärebedenken stiegen dort nicht signifikant.
Ergänzender Hinweis: In der Robustheitsanalyse mit den 172 Personen, die den Hinweis korrekt erkannt hatten, nahmen die Privatsphärebedenken mit der Personalisierungstiefe signifikant zu (linearer Kontrast: p = .012).
Was Online-Händler daraus mitnehmen können
Im untersuchten Szenario ging die Nutzung shopinterner Kauf- und Suchdaten in der Hauptanalyse mit der höchsten Kaufintention einher, ohne stärkere negative Reaktionen auszulösen. Daraus folgt jedoch nicht, dass mehr Daten und möglichst tiefe Personalisierung automatisch besser sind. Entscheidend dürfte sein, ob die Datennutzung zum Kontext passt. Empfehlungsgründe sollten verständlich erklärt und Einstellungen leicht auffindbar sein. Möglichkeiten zum Anpassen oder Abschalten personalisierter Empfehlungen können das Gefühl von Kontrolle stärken.
Was die Studie nicht zeigen kann
Untersucht wurden fiktive Screenshots und selbstberichtete Reaktionen der Teilnehmenden. Tatsächliche Klicks oder Käufe wurden nicht erfasst. Zudem blieb die Produktkategorie Kopfhörer wenig sensibel, und es wurden nur shopinterne Daten genannt. Bei Gesundheits-, Finanz-, Standort- oder externen Trackingdaten könnten Reaktionen deutlich kritischer ausfallen. Weil die dargestellten Produkte identisch blieben, erfasste das Experiment vor allem die Wirkung der kommunizierten Datengrundlage und kein reales Empfehlungssystem.
Fazit
Nicht die Datenmenge allein entscheidet, ob Personalisierung hilfreich oder unheimlich wirkt. In der Hauptanalyse des Experiments ging die umfassendste Onsite-Personalisierung mit der höchsten Kaufintention einher. Die Robustheitsanalyse deutet zugleich darauf hin, dass Privatsphärebedenken mit zunehmender Personalisierung steigen können. Für Online-Händler spricht dies dafür, Personalisierung transparent und kontrollierbar zu gestalten.
Quellen:
Awad, N. F., & Krishnan, M. S. (2006). The Personalization Privacy Paradox: An Empirical Evaluation of Information Transparency and the Willingness to be Profiled Online for Personalization1. MIS Quarterly, 30(1), 13–28. doi.org/10.2307/25148715