Der bisherige Teil der Arbeit hat sich der Erarbeitung theoretischer Grundlagen für den folgenden praxisorientierten Abschnitt gewidmet. Die unterschiedlichen Anbieter von Personalisierungssystemen werden nun anhand eines Analyserasters kategorisiert. Die Inputdaten für den Kategorisierungsraster setzten sich aus Informationen aus wissenschaftlichen Arbeiten, facheinschlägigen Fachmagazinen, sowie aus der eigenen Web-Recherche zusammen.
Die Entwicklung des Analyserasters erfolgte in Absprache mit dem verantwortlichen Betreuer der evolaris Privatstiftung. Eine zentrale Komponente stellt die Zweiteilung des Rasters in die Analyse der Personalisierungssoftware einerseits und die Darstellung des Produkt- bzw. Service-Anbieters andererseits dar. Der Raster selbst wurde bewusst allgemein gehalten, um sowohl auf die Personalisierungsprodukte des Festnetz-Internets, als auch auf die neueren Entwicklungen des mobilen Internets umgelegt werden zu können.
Im Folgenden wird der auf Basis dieser Überlegungen entwickelte Analyseraster vorgestellt und die einzelnen Elemente sowie deren mögliche Ausprägungen kurz erläutert:
Teil 1 des Analyserasters - Produktdaten:
Unterkategorie: Gibt einen Hinweis auf den primären Anwendungsbereich des jeweiligen Produkts. Mögliche Ausprägungen: Web (bezieht sich auf allgemeine Personalisierungsprodukte des klassischen Internets); Werbung (personalisierte Werbung); Mobile (bezieht sich auf allgemeine Personalisierungsprodukte des mobilen Internets); Musik (personalisierte Musikempfehlungen).
Anbieter/Beispiel: Entweder der Produktanbieter der Personalisierungssoftware, oder ein Beispiel für ein personalisiertes Service.
Link: Hyperlink zum entsprechenden Anbieter/Produkt/Service.
Anwendungsbereich:
Stichwort. Welche Bereiche auf der Anwendungsebene werden personalisiert? Mögliche Ausprägungen: Inhalte und Informationen; Dienstleistungen; Produkte; Preise; Internationalisierung; Ansprache; Werbung; Layout- und Navigationselemente. Freie Ergänzungen zu den einzelnen Schlagwörtern sind möglich.
Servicebeschreibung. Kurze und freie Beschreibung des jeweiligen Produkts/Services.
Plattform. Ausrichtung auf das klassische Internet (WWW), oder das mobile Internet (Mobile)? Mögliche Ausprägungen: WWW; Mobile.
Individualisiert: Nicht individualisierte Personalisierung (Punkt 2.4.1.) oder personalisierte Personalisierung (Punkt 2.4.2. bis 2.4.8.)? Mögliche Ausprägungen: Ja; Nein.
Art der Datensammlung:
Benutzeridentifikation. Erfolgt eine Benutzeridentifikation durch das System und wenn ja, wie wurde sie technologisch umgesetzt? Mögliche Ausprägungen: Ja; Nein; Login über Benutzername und Passwort; Benutzername und Passwort; Cookies; spezielle URL-Erweiterungen; IP-Erkennung; Zusatzprogramme. Mehrfachnennungen sind möglich.
Implizit. Erfolgt eine implizite Profilierung? Mögliche Ausprägungen: Ja; Nein; freie Ergänzungen.
Explizit. Erfolgt eine explizite Profilierung? Mögliche Ausprägungen: Ja; Nein; freie Ergänzungen.
Werkzeuge zur Profilerstellung: Beinhaltet das Personalisierungsprodukt, -beispiel Softwareelemente zur automatischen Generierung von Benutzerprofilen auf Basis der gesammelten Inputdaten? Mögliche Ausprägungen: Ja; Nein; freie Ergänzungen.
Profiltypen: Welche Profiltypen nach Schubert/Leimstoll werden generiert bzw. sind für das Produkt/Service notwendig? Mögliche Ausprägungen: IdentP. (Identifikationsprofil); PP (Präferenzprofil); SDP (Sozio-demographisches Profil); R (Ratings); B (Beziehungen – Community Profil); R/M (Reviews/Meinungen); TranP. (Transaktionsprofil); InterP. (Interaktionsprofil); ED (externe Daten); Alle (so viele Profiltypen wie möglich). Mehrfachnennungen sind möglich.
Algorithmus: Welches Verfahren der Algorithmusebene wird angewandt? Mögliche Ausprägungen: CBP (Checkbox-Personalisierung); RB (Rule-Based Filtering); FB (Formularbasierte Personalisierung); EF (Einfaches Filtern); CBF (Content-Based Filtering); CF (Collaborative Filtering); Hybrid (werden soweit möglich über eine Addition der eingesetzten Algorithmen ausgedrückt, also z.B. CBF + CF); freie Ergänzungen bei nicht einordnenbare Verfahren.
Teil 2 - Unternehmensdaten:
Firma: Firmenname des Produktherstellers bzw. des Servicebetreibers.
Produkt: Genaue Bezeichnung des jeweiligen Personalisierungsprodukts bzw. personalisierten Services.
Produktbeschreibung: Gekürzte offizielle Produktbeschreibungen.
Referenzen: Auszug aus den bisherigen Referenzen des jeweiligen Unternehmens.
Absatzgebiet: Möglichst genau abgegrenztes Absatzgebiet des Unternehmens (Stand 2007).
Mitarbeiter: Aktueller Stand der Mitarbeiterzahlen.
Umsatz: Möglichst aktuelle Umsatzdaten in Euro. Ansonsten nach Möglichkeit Angaben über die Besitzverhältnisse (Private Unternehmen bzw. Unternehmen mit Venture-Capital-Beteiligungen veröffentlichen kaum Kennzahlen).
Firmensitz/Niederlassungen: Firmensitz bzw. Niederlassungen die möglichst nahe an Österreich liegen.
Der hier beschriebenen Analyseraster diente letztlich zur Kategorisierung von 70 Personalisierungsprodukten, -services aus den Bereichen „Allgemein“, „Werbung“ und „Musik“. Eine detaillierte Abbildung des Rasters ist hier aber schon aus Platzgründen nicht möglich und würde zudem den Rahmen dieser Arbeit sprengen. Ich möchte daher auf Anhang B verweisen, welcher einen Überblick über den Kategorisierungsraster „Allgemein/Werbung/Musik“ bietet.
Der Kategorisierungsraster dient vor allem dazu, einen Überblick und ein Verständnis über den Markt für Personalisierungsprodukte und -services zu entwickeln. Folglich sollen die Ergebnisse keinen tiefer gehenden quantitativen Analysen unterzogen werden, sondern vielmehr qualitativ beleuchtet werden.
Eine wesentliche Erkenntnis der Recherche stellt die Dominanz der Collaborative Filtering Algorithmen im Bereich der allgemeinen Personalisierungsprodukte des klassischen Internets dar (siehe dazu Abbildung 30). Es lassen sich hieraus aber keine genauen Rückschlüsse darüber ziehen, welche Empfehlungs-Algorithmen für welche unterschiedlichen Personalisierungsbereiche auf der Anwendungsebene (Produkte, Layout- und Navigationselemente, Inhalte und Informationen, etc.) herangezogen werden, da viele Anbieter unterschiedliche Algorithmen anbieten und ihre Referenzen nicht entsprechend sortiert publizieren.
Abbildung 30: Ergebnisse Kategorisierungsraster: Eingesetzte Empfehlungs-Algorithmen der 39 Anbieter aus dem Bereich „WWW-Allgemein“. Quelle: Eigene Darstellung
Das Endziel der Personalisierung von Werbung liegt darin, sie so gut auf die einzelnen Benutzer abzustimmen, dass diese die Werbung nicht mehr als solche wahrnehmen, sondern in ihr vielmehr eine gewollte Erweiterung interessanter Inhalte sehen. Die Grenzen zwischen Werbung und Content sollen also weitestgehend verschwinden. Dennoch empfahl sich für den Kategorisierungsraster der Werbung einen eigenen Bereich zu widmen, da sich hier bereits ein recht ausgereifter Markt entwickelt hat und zudem die Anbieter aus diesem Bereich verstärkt Produkte zur User-Profilierung anbieten und nicht unbedingt auch Empfehlungs-Algorithmen. Aufgrund dessen finden sich in der Grafik in Abbildung 31 auch die aktuell wohl gängigsten Targeting-Methoden wieder. Ausführlichere Informationen zum Contextual und dem Behavioral Targeting finden sich in Punkt 2.5.
Abbildung 31: Ergebnisse...