Verbesserung der Effektivität von personalisierten Empfehlungen durch Attributionshinweise

Personalisierte Empfehlungen sind allgegenwärtig auf E-Commerce Webseiten, um dem Kunden Kaufentscheidungen zu vereinfachen. Um diese Empfehlungen zu generieren, erstellen die Webseiten umfangreiche Kundenprofile (Li & Karahanna, 2015) und nutzen dann sogenannte Recommender Systems, um passende Empfehlungen zu generieren (Alamdari et al., 2020).

Ziel dieser Studie ist es herauszufinden ob Hinweise auf die Datenbasis der Empfehlung („Eigene Daten“, „Daten ähnlicher Kunden“ sowie als Kontrollgruppe keine Empfehlung) die Wirkung der personalisierten Empfehlung beeinflussen, und zwei mögliche Moderatoren zu testen („Qualität der Empfehlung“, „Valenz der Empfehlung“) Die Wirkung der personalisierten Empfehlung wird dabei anhand der Kaufwahrscheinlichkeit, sowie der Reaktanz (Ablehnung) auf die Empfehlung und des Vertrauens in die Empfehlung erfasst.

Der Attributionstheorie (Weiner, 1986) zufolge sollte der Hinweis auf die eigenen Daten dazu führen, dass Kunden die personalisierte Empfehlung eher auf sich selbst beziehen, und so in einer höheren Kaufwahrscheinlichkeit, einem höheren Vertrauen, sowie einer geringeren Reaktanz resultieren. Gleichzeitig sollte ein Hinweis auf die Daten ähnlicher Kunden dazu führen, dass die Kunden die personalisierte Empfehlung eher als vom Anbieter kommend wahrnehmen, und so ein gegenteiliger Effekt eintreten.

Methode

Die Studie basiert auf einem Experiment, das mithilfe einer Online-Befragung durchgeführt wurde. Jeder Teilnehmer wurde einem Szenario zugeordnet. In dem jeweiligen Szenario wurden dem Teilnehmer personalisierte Empfehlungen mit einem Hinweis präsentiert, der jeweils über die Datenbasis der Empfehlung informiert („Eigene Daten“, „Daten ähnlicher Kunden“ oder als Kontrollgruppe kein Hinweis). Zusätzlich wurde in jedem Szenario ein Moderator untersucht. Im Anschluss wurde die Kaufwahrscheinlichkeit, die Reaktanz und das Vertrauen des Kunden erfasst. Zusätzlich wurden Kontrollvariablen wie das Online-Kaufverhalten erhoben.

Ergebnisse

Die Ergebnisse der Studie zeigen, dass Attributionshinweise die Selbstzuschreibung der Kunden zu personalisierten Empfehlungen erhöhen, was zu höherem Vertrauen in und geringerer Reaktion auf personalisierte Empfehlungen führt. Die Genauigkeit und Valenz der personalisierten Empfehlungen moderieren diesen Attributionseffekt. Folglich kann der Einsatz von Attributionshinweisen ein einfaches und erschwingliches Instrument für Unternehmen sein, um die Effektivität ihrer personalisierten Empfehlungen zu erhöhen.

Literatur

Alamdari, P. M., Navimipour, N. J., Hosseinzadeh, M., Safaei, A. A., & Darwesh, A. (2020). A Systematic Study on the Recommender Systems in the E-Commerce. IEEE Access, 8, 115694–115716. https://doi.org/10.1109/ACCESS.2020.3002803

Li, S., & Karahanna, E. (2015). Online Recommendation Systems in a B2C E-Commerce Context: A Review and Future Directions. Journal of the Association for Information Systems, 16(2), 72–107. https://doi.org/10.17705/1jais.00389

Weiner, B. (1986). An attributional theory of achievement motivation and emotion. In B. Weiner (Ed.), An Attributional Theory of Motivation and Emotion (pp. 159–190). Springer US. https://doi.org/10.1007/978-1-4612-4948-1_6

Steckbrief

Publikationen

Weidig, J., & Kuehnl, C. (2023). Improving the effectiveness of personalized recommendations through attributional cues. Psychology & Marketing, 40, 2559–2575. https://doi.org/10.1002/mar.21914 [Titel anhand dieser DOI in Citavi-Projekt übernehmen]

Kontakt

Jakob Weidig, jakob.weidig@bwi.uni-stuttgart.de