Logo des Repositoriums

Auflistung nach Autor:in "Scholz, Michael"

1 - 3 von 3
  • Zeitschriftenartikel
    Das Rezept für die perfekte Rezension?
    (Wirtschaftsinformatik: Vol. 55, No. 3, 2013) Scholz, Michael; Dorner, Verena
    Internethändler bieten ihren Kunden vermehrt die Möglichkeit, Online-Rezensionen zu erstellen. Diese reduzieren die Suchkosten anderer Kunden und erhöhen deren Verweildauer im E-Shop. Mittlerweile sind jedoch so viele Rezensionen verfügbar, dass das Auffinden von Produktinformationen und die Einschätzung der Produktqualität schwierig geworden sind. Abhilfe sollte die Bewertung der Nützlichkeit der Rezensionen durch Leser schaffen. Dieser Mechanismus hat jedoch zwei kritische Schwachstellen. Zum einen bleiben viele Rezensionen unbewertet, sodass sie bei einer Sortierung nach der Nützlichkeit herausfallen. Zum anderen gibt es keine Anhaltspunkte für Rezensenten, wie eine nützliche Rezension aussehen sollte. Zur Ableitung von Einflussfaktoren auf die Nützlichkeit von Produktrezensionen wird das Modell von Wang und Strong zur kontextabhängigen Beurteilung von Datenqualität adaptiert. Eine empirische Analyse von 27.104 Kundenrezensionen auf Amazon.com über sechs Produktkategorien zeigt, dass die Nützlichkeit einer Rezension nicht nur von ihren eigenen Attributen abhängt, sondern auch von kontextuellen Faktoren, die sich aus der Gesamtheit aller verfügbaren Rezensionen ergeben. Rezensionen für Erfahrungs- und Suchgüter unterscheiden sich systematisch voneinander. Das vorgeschlagene Modell erlaubt die Berechnung vorläufiger Nützlichkeitswerte für unbewertete Rezensionen und bildet die Basis für einen Kundenleitfaden zur Erstellung nützlicherer Rezensionen.AbstractOnline product reviews, originally intended to reduce consumers’ pre-purchase search and evaluation costs, have become so numerous that they are now themselves a source for information overload. To help consumers find high-quality reviews faster, review rankings based on consumers’ evaluations of their helpfulness were introduced. But many reviews are never evaluated and never ranked. Moreover, current helpfulness-based systems provide little or no advice to reviewers on how to write more helpful reviews. Average review quality and consumer search costs could be much improved if these issues were solved. This requires identifying the determinants of review helpfulness, which we carry out based on an adaption of Wang and Strong’s well-known data quality framework. Our empirical analysis shows that review helpfulness is influenced not only by single-review features but also by contextual factors expressing review value relative to all available reviews. Reviews for experiential goods differ systematically from reviews for utilitarian goods. Our findings, based on 27,104 reviews from Amazon.com across six product categories, form the basis for estimating preliminary helpfulness scores for unrated reviews and for developing interactive, personalized review writing support tools.
  • Zeitschriftenartikel
    Produktempfehlungssysteme mit minimalem Konsumentenaufwand und hoher Genauigkeit
    (Wirtschaftsinformatik: Vol. 55, No. 6, 2013) Pfeiffer, Jella; Scholz, Michael
    In aktuellen Arbeiten zu Produktempfehlungssystemen wird die wahlbasierte Conjoint-Analyse zur Messung von Benutzerpräferenzen vorgeschlagen. Diese Methode erzielt eine hohe Empfehlungsqualität und leidet nicht unter dem Start-up-Problem, weil sie auch für neue Nutzer und neue Produkte Empfehlungen generiert. Die Anwendung der wahlbasierten Conjoint- Analyse bedeutet für Konsumenten jedoch einen erheblichen Aufwand, der zu einer Abneigung gegenüber derartigen Empfehlungssystemen führt. In diesem Artikel werden mit einer Simulation die hohe Entscheidungsqualität und der hohe Benutzeraufwand eines nutzenbasierten Systems mit wahlbasierten Conjoint-Analysen mit hierarchischem Bayes’-Schätzer aufgezeigt. Um den Widerspruch zwischen hoher Empfehlungsgüte und niedrigem Aufwand aufzulösen wird ein neuer Ansatz entwickelt, der nur Pareto-effiziente Alternativen zeigt und diese anhand der Anzahl der dominierten Attribute sortiert. Es zeigt sich, dass diese rangbasierte Pareto-Front zu einer besseren Empfehlungsliste führt als die Anwendung der wahlbasierten Conjoint-Analyse. Zudem ist der Aufwand für Konsumenten sehr gering und vergleichbar mit sehr einfachen Sortierverfahren.AbstractIn recent studies on recommendation systems, the choice-based conjoint analysis has been suggested as a method for measuring consumer preferences. This approach achieves high recommendation accuracy and does not suffer from the start-up problem because it is also applicable for recommendations for new consumers or of new products. However, this method requires massive consumer input, which causes consumer reluctance. In a simulation study, we demonstrate the high accuracy, but also the high user’s effort for using a utility-based recommendation system using a choice-based conjoint analysis with hierarchical Bayes estimation. In order to reduce the conflict between consumer effort and recommendation accuracy, we develop a novel approach that only shows Pareto-efficient alternatives and ranks them according to the number of dominated attributes. We demonstrate that, in terms of the decision accuracy of the recommended products, the ranked Pareto-front approach performs better than a recommendation system that employs choice-based conjoint analysis. Furthermore, the consumer’s effort is kept low and comparable to that of simple systems that require little consumer input.
  • Konferenzbeitrag