Open Access

Simon Paul Böttger

• Empfehlungssysteme sind auf E-Commerce-Webseiten omnipräsent und unterstützen die Nutzer an bestimmten Touchpoints beim Onlineshopping, indem sie auf Produkte aufmerksam machen. In den meisten Anwendungsfällen werden Produkte empfohlen, die den Interessen der Nutzer entsprechen oder einen Warenkorb komplettieren sollen. Während klassische Empfehlungssysteme die Nutzer meistens zu Beginn oder zumEmpfehlungssysteme sind auf E-Commerce-Webseiten omnipräsent und unterstützen die Nutzer an bestimmten Touchpoints beim Onlineshopping, indem sie auf Produkte aufmerksam machen. In den meisten Anwendungsfällen werden Produkte empfohlen, die den Interessen der Nutzer entsprechen oder einen Warenkorb komplettieren sollen. Während klassische Empfehlungssysteme die Nutzer meistens zu Beginn oder zum Ende einer Produktannäherung erreichen, finden sie dazwischen selten Anwendung. Dabei könnten Empfehlungssysteme bereits in die Navigations-Journey der Nutzer integriert werden und so maßgeblich zur Produktauffindbarkeit beitragen. Trotz der Tatsache, dass Empfehlungssysteme maßgeblich zum Geschäftserfolg im Online-Handel beitragen, ist ihre Integration in die Navigation von E-Commerce-Plattformen noch wenig erforscht. Ziel dieser Arbeit ist es daher zu ergründen, wie ein Empfehlungssystem in der lokalen Navigation von E-Commerce-Plattformen ausgestaltet sein sollte. Dabei soll der Prototyp eines Empfehlungssystems in der lokalen Navigation konzipiert werden, indem einerseits echte Warenkorbdaten einer E-Commerce-Plattform und andererseits Nutzerpräferenzen untersucht werden. Die Untersuchung umfasst die algorithmische Datenverarbeitung von Warenkorbdaten und die Durchführung einer quantitativen Befragung. Darüber hinaus wurde domänenspezifisches Wissen über die Verfahren, Algorithmen, Designkriterien und weitere Erfolgsfaktoren recherchiert. Die Ergebnisse deuten darauf hin, dass die alleinige Verarbeitung von Warenkorbdaten nicht ausreichend für ein navigatorisches Empfehlungssystem ist, obwohl sich die Alternating Least Squares Matrixfaktorisierung als geeignetes Verfahren herausgestellt hat. Des Weiteren können Empfehlungssysteme in der lokalen Navigation sowohl einen positiven als auch einen negativen Einfluss auf die Nutzerzufriedenheit haben. Aus den Ergebnissen konnte ein detaillierter Prototyp konzipiert und vorgestellt werden. Bei diesem Prototyp handelt es sich um ein Session-basiertes Empfehlungssystem, das den Onlineshopping-Kontext der Nutzer ermitteln kann. Auf dieser Basis kann das System Produktkategorien in Echtzeit empfehlen, die zu diesem Kontext komplementär sind oder einen Social Proof abbilden.…
• Recommendation systems are omnipresent on e-commerce websites and support users at specific touchpoints during online shopping by drawing their attention to products. In most use cases, products are recommended to match users' interests or to complete a shopping cart. While traditional recommendation systems usually reach users at the beginning or end of approaching a product, they are rarelyRecommendation systems are omnipresent on e-commerce websites and support users at specific touchpoints during online shopping by drawing their attention to products. In most use cases, products are recommended to match users' interests or to complete a shopping cart. While traditional recommendation systems usually reach users at the beginning or end of approaching a product, they are rarely supported in between. Yet, recommendation systems could already be integrated into the user's navigation journey and thus contribute significantly to the success of the findability of products. Despite the fact that recommendation systems are key contributors to business success in online retail, their integration into the navigation of e-commerce platforms has been little explored. Therefore, this master thesis investigates how a recommendation system in the local navigation of e-commerce platforms should be designed. The goal is to conceptualize the prototype of a recommendation system in the local navigation by investigating real-world shopping cart data of an e-commerce platform on the one hand and user preferences on the other hand. The investigation includes algorithmic data processing of shopping cart data and the conduction of a quantitative survey. In addition, domain-specific knowledge about methods, algorithms, design criteria, and other success factors was researched. The results indicate that processing shopping cart data alone is not sufficient for a navigational recommender system, although Alternating Least Squares Matrix Factorization has been shown to be a suitable method. Furthermore, recommendation systems in local navigation can have both a positive and a negative impact on user satisfaction. From the results, a detailed prototype could be designed and presented. This prototype is a session-based recommendation system that can determine the online shopping context of users. Based on this, the system could recommend product categories in real time that are complementary to the user context or are based on social proof.…