Die Sortimente großer Online-Shops wie Amazon und Co stellen ihre Kunden durch eine schier unendliche Angebotsvielfalt vor die Qual der Wahl. Empfehlungssysteme wurden ins Leben gerufen, um die Vorlieben der Kaufinteressenten zu erfragen und gezielt auf ihre Wünsche zugeschnittene Produktalternativen vorzuschlagen.

Doch obwohl Empfehlungssysteme ihren Anwendern den Einkauf im Netz spürbar erleichtern, haben sie mit Akzeptanz- und Vertrauensproblemen zu kämpfen. Im Laufe der Zeit wurden hierzu kreative Lösungsvorschläge entwickelt. Beschreibungen der Arbeitsweise der Systeme oder der Gründe für eine Produktempfehlung, sogenannte Erklärungen, sind eine Möglichkeit, diese Hindernisse zu überwinden. Die allseits bekannten „Kunden, die dieses Produkt gekauft haben, kauften auch X“-Empfehlungen sind dabei nur eines von vielen Beispielen.

Ihre Aufgabe:

• Verschaffen Sie sich einen Überblick zu den gängigen Erklärungstypen.
• Untersuchen Sie anhand von Studien und Praxisbeispielen, wie diese Erklärungen Käufer bei ihrer Produktsuche unterstützen.
• Dringen Sie bis zum aktuellen Stand der Wissenschaft vor und geben Sie einen Ausblick über die Fragestellungen der zukünftigen Forschung auf diesem Gebiet.

• Wang, W. / Benbasat, I. (2007): "Recommendation Agents for Electronic Commerce: Effects of Explanation Facilities on Trusting Beliefs.", in: Journal of Management Information Systems, 23(4), S.217-246
• Gregor, S. / and Benbasat, I.: "Explanations from Intelligent Systems: Theoretical Foundations and Implications for Practice", in: MIS Quarterly, 23(4), S.497-530
• Hanson,  W. / Kalyanam, K. (2007): "Internet Marketing & e-Commerce", International Student Edition, Thomson South-Western, Kapitel 9, S.286-323