Zum Inhalt

Cookie-Einstellungen

Sie entscheiden je Kategorie, welche Dienste wir nutzen dürfen; vorausgewählt ist nichts. Ihre Wahl gilt für alle Seiten unter fh‑wedel.de, wird 12 Monate in einem Cookie gespeichert und lässt sich jederzeit im Footer unter „Cookie-Einstellungen“ ändern oder widerrufen. Datenschutz

Notwendig

Immer aktiv

Speichert Ihre Wahl, damit die Einwilligung funktioniert. Immer aktiv.

  • EinwilligungsverwaltungFachhochschule Wedel gGmbH
    Anbieter
    Fachhochschule Wedel gGmbH, Feldstraße 143, 22880 Wedel
    Zweck
    Speichert Ihre Entscheidung über Cookies und Dienste, damit wir Sie nicht bei jedem Aufruf erneut fragen.
    Cookies
    • fhw_einwilligung12 Monate
    • fhw_widerspruch12 Monate
    Drittland
    keins (EU)

Statistik

Wir messen, wie viele Menschen unsere Seiten besuchen und welche Beiträge sie lesen, um das Angebot zu verbessern.

  • Google Tag ManagerGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Lädt die Dienste der Kategorien, in die Sie eingewilligt haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
  • Google Analytics 4Google Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Misst, wie unsere Seiten genutzt werden, etwa welche Seiten aufgerufen werden und woher die Besuche kommen.
    Cookies
    • _ga2 Jahre
    • _ga_*2 Jahre
    Drittland
    USA (Data Privacy Framework)
  • MatomoFachhochschule Wedel gGmbH (eigener Server)
    Anbieter
    Fachhochschule Wedel gGmbH (eigener Server), Feldstraße 143, 22880 Wedel
    Zweck
    Misst auf unserem eigenen Server, welche Seiten und Beiträge aufgerufen und gelesen werden und woher die Besuche kommen.
    Cookies
    • _pk_id*13 Monate
    • _pk_ses*30 Minuten
    • _pk_ref*6 Monate
    Drittland
    keins (EU)

Marketing

Wir zeigen Werbung für die FH Wedel bei Google, Facebook, Instagram und TikTok (auch Menschen, die unsere Seiten besucht haben) und messen, ob sie wirkt. Dabei gelangen Daten in die USA und nach China.

  • Google Tag ManagerGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Lädt die Dienste der Kategorien, in die Sie eingewilligt haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
  • Google AdsGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Misst, ob Besuche auf unsere Anzeigen zurückgehen, und zeigt unsere Anzeigen Besucherinnen und Besuchern erneut (Remarketing).
    Cookies
    • _gcl_*3 Monate
    Drittland
    USA (Data Privacy Framework)
  • Meta-PixelMeta Platforms Ireland Limited
    Anbieter
    Meta Platforms Ireland Limited, Merrion Road, Dublin 4, D04 X2K5, Irland
    Zweck
    Misst den Erfolg unserer Anzeigen auf Facebook und Instagram und zeigt sie passenden Zielgruppen.
    Cookies
    • _fbp3 Monate
    • _fbc3 Monate
    Drittland
    USA (Data Privacy Framework)
  • TikTok-PixelTikTok Technology Limited
    Anbieter
    TikTok Technology Limited, 10 Earlsfort Terrace, Dublin, D02 T380, Irland
    Zweck
    Misst den Erfolg unserer Anzeigen auf TikTok und zeigt sie passenden Zielgruppen.
    Cookies
    • _ttp13 Monate
    • _tt_enable_cookie13 Monate
    • ttcsid*siehe Anbieter
    Drittland
    Drittländer einschließlich China (Standardvertragsklauseln)

Externe Medien

Wir zeigen eingebettete Videos und andere Inhalte fremder Anbieter direkt auf unseren Seiten; dabei erhält der Anbieter Daten wie Ihre IP-Adresse.

  • YouTubeGoogle Ireland Limited
    Anbieter
    Google Ireland Limited, Gordon House, Barrow Street, Dublin 4, Irland
    Zweck
    Spielt eingebettete Videos von YouTube ab, nachdem Sie ein Video geladen haben.
    Cookies
    keine eigenen
    Drittland
    USA (Data Privacy Framework)
Alle Artikel

Thesis

Wie persönlich dürfen Produktempfehlungen sein?

Personalisierte Empfehlungen sollen das Einkaufserlebnis verbessern. Doch ab wann wird aus hilfreicher Relevanz ein Eingriff in die Privatsphäre? Die Bachelorarbeit untersucht, wie unterschiedliche Personalisierungstiefen auf Konsumentinnen und Konsumenten wirken.

  • Veröffentlicht am
  • Verfasst von Moritz Maisel, B. Sc. E-Commerce
  • Betreut von Prof. Atilla Wohllebe
  • Teilen

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:

PersonalisierungHinweisDatengrundlage
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.

Balkendiagramm: Kaufintention steigt von 3,72 (beliebte Produkte) über 3,97 (zuletzt angesehen) auf 4,52 (Kauf- und Suchhistorie).
Abb. 1: Mittlere Kaufintention nach Personalisierungsbedingung.

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