| Kurzbeschreibung | Online-Versandhändler bieten meist eine sehr viel größere Produktvielfalt an als herkömmliche Straßengeschäfte. Häufig werden Nischenartikel erst im Onlineshop rentabel. Dieses Phänomen wird oft auch als Long-Tail des E-Commerce bezeichnet [1,2]. Für Shopbetreiber ist es essentiell, dass die Kunden sich in der manchmal überwältigenden Produktvielfalt zurechtfinden können. Hierfür werden Empfehlungs- und Suchsysteme angeboten, die dem Kunden Orientierung bieten. In einigen Studien wurde bereits untersucht wie unterschiedliche Empfehlungssysteme das Such- und Kaufverhalten in Onlineshops oder Portalen beeinflussen [3-5].
Diese Masterarbeit befasst sich mit sozialen Empfehlungen ("Likes"). Sie soll zunächst den Stand der Forschung im Bereich Long-Tail und Empfehlungssysteme sichten und zusammenfassen. Dann soll analysiert werden, ob und wie das Anzeigen von "Likes" das Suchverhalten der Kunden im Onlineshop verändert. Hierfür wurde bereits ein Feldexperiment durchgeführt.
In der Masterarbeit sollen Hypothesen über den Einfluss der "Likes"
formuliert werden, und dies anhand der vorhandenen Klickdaten getestet werden. Programmierkenntnisse (Python, JAVA, R, ...) sind erforderlich.
|
| Einstiegsliteratur |
- [1] Anderson, C. (2006): The long tail: Why the future of business is selling less of more. New York: Hyperion.
- [2] Brynjolfsson, E.; Hu, Y.; Smith, M. D. (2006): From Niches to Riches: The Anatomy of the Long Tail. In: Sloan Management Review 47 (4), 67-71.
- [3] Fleder, D.; Hosanagar, K. (2009): Blockbuster Culture's Next Rise or Fall: The Impact of Recommender Systems on Sales Diversity. In: Management Science 55 (5), 697-712.
- [4] Hinz, O.; Eckert, J.; Skiera, B. (2011): Drivers of the Long Tail Phenomenon: An Empirical Analysis. In: Journal of Management Information Systems 27 (4), 43-70.
- [5] Tucker, C.; Zhang, J. (2011): How Does Popularity Information Affect Choices? A Field Experiment. In: Management Science 57 (5), 828-842.
|
Drucken
Impressum
Sitemap
Suche
Kontakt
