Kooperativer Bibliotheksverbund

UID:

Format: xvii, 294 pages : , illustrations ; , 24 cm.

ISBN: 9783832523718 (pbk.) , 3832523715 (pbk.)

Content: MACHINE-GENERATED SUMMARY NOTE: "Onlinekonsumenten stehen vor der Herausforderung die im Internet verfügbaren Produktinformationen verarbeiten zu müssen, um zu einer zufrieden stellenden Kaufentscheidung zu kommen. Produktempfehlungssysteme sind als Entscheidungsunterstützungssysteme in der Lage Konsumenten bei der Auswahl eines adäquaten Produktes zu unterstützen. In den letzten Jahren wurden verschiedene Algorithmen vorgestellt, um Produktempfehlungen generieren zu können. Die vorliegende Arbeit stellt einen neuen Ansatz vor, der gestützt auf den Theorien der Nutzenmessung und des Informationsverhaltens von Konsumenten entwickelt wurde. Ausgehend von der Erklärung von Kaufentscheidungen werden in der Arbeit verschiedene Instrumente zur Messung des Erklärungskonstruktes Nutzen analysiert. Aus diesen Instrumenten wurde die traditionelle Conjoint Analyse, mit welcher eine Messung der Nutzenwerte von Produkteigenschaften möglich ist, ausgewählt. Die traditionelle Conjoint Analyse kann jedoch nicht als per se geeignet für Produktempfehlungssysteme bezeichnet werden, da Aspekte des Informationsverhaltens, welches die Nutzenmessung beeinflusst nur unzureichend beachtet werden. Daher wird eine Adaption der traditionellen Conjoint Analyse auf Basis von Erkenntnissen des Informationsverhaltens sowie ebenfalls aus methodischer Sicht vorgenommen. Die adaptierte Conjoint Analyse ermöglicht die Nutzenmessung für ein individuell ausgewähltes Set an Produkteigenschaften. Die erhaltenen Teilnutzenwerte können sodann produktspezifisch kumuliert werden, wodurch die Bildung einer Rangordnung über Produkte und somit die Empfehlung von Produkten möglich ist. Zur Überprüfung der Empfehlungsqualität wurde ein prototypisches Produktempfehlungssystem auf Basis der adaptierten Conjoint Analyse entwickelt und in Laborexperiment empirisch evaluiert. In den durchgeführten Experimenten konnte dem entwickelten Ansatz eine hohe Prognosevalidität nachgewiesen werden, wodurch der Einsatz der adaptierten Conjoint Analyse als viel versprechend in Produktempfehlungssystemen anzusehen ist." -- "Online consumers are faced with the challenge of having to process the product information available on the Internet in order to make a satisfactory purchasing decision. Product recommendation systems, as decision support systems, are able to assist consumers in selecting an adequate product. In recent years, various algorithms have been introduced to generate product recommendations. The present work presents a new approach, which was developed based on the theories of utility measurement and information behavior of consumers. Based on the explanation of purchase decisions, various tools for measuring the explanatory construct of benefit are analyzed. From these instruments, the traditional conjoint analysis was chosen, with which a measurement of the utility values ​​of product properties is possible. However, traditional conjoint analysis can not be considered as per se suitable for product recommendation systems because aspects of information behavior that affect utility measurement are under-considered. Therefore, an adaptation of the traditional conjoint analysis on the basis of knowledge of information behavior and also from a methodological point of view is made. The adapted conjoint analysis enables the benefit measurement for an individually selected set of product properties. The resulting partial utility values ​​can then be cumulated product-specifically, which makes it possible to create a hierarchy of products and thus the recommendation of products. To verify the recommendation quality, a prototypical product recommendation system based on the adapted conjoint analysis was developed and empirically evaluated in laboratory experiments. In the experiments carried out, a high prognosis validity could be proven for the developed approach, whereby the use of the adapted conjoint analysis is to be regarded as promising in product recommendation systems." --

Note: DISSERTATION NOTE: Originally presented as the author's doctoral thesis in Business Computing at the University of Passau, 2009. , MACHINE-GENERATED CONTENTS NOTE: Abbildungsverzeichnis Tabellenverzeichnis Symbolverzeichnis 1 Einleitung 2 Theoretische Grundlagen 3 Adaption eines Ansatzes zur Nutzenmessung in Produktempfehlungssystemen 4 Prototypische Implementierung 5 Empirische Evaluation 6 Zusammenfassung und Implikationen Anhang Literaturverzeichnis -- Provided by publisher.

Language: German

Keywords: Academic theses