INHALTSVERZEICHNIS 

INHALTSVERZEICHNIS   

INHALTSVERZEICHNIS   

1.  Einleitung.  2

1.1.  Ausgangssituation  2

1.2.  Zielsetzung  4

1.3.  Methodische Vorgehensweise  5

2.  Personalisierung  7

2.1.  Der Begriff „Personalisierung“ - Einführung und Zielsetzung  7

2.1.1.  Personalisierungsgrade.  8

2.1.2.  Sinn und Zweck der Personalisierung  9

2.2.  Die Ebenen der Personalisierung.  11

2.3.  Benutzerprofilierung.  14

2.3.1.  Profilierung als Basis der individualisierten Personalisierung.  14

2.3.1.1.  Der Prozess der User Profilierung  14

2.3.1.2.  Explizite, implizite oder bereits vorhanden Daten  16

2.3.1.3.  Benutzer Identifikation.  18

2.3.1.4.  Speicherung der Profildaten - Client oder Serverseitig  19

2.3.1.5.  Ergebnisse der User Profilierung Profiltypen  20

2.3.2.  Logfiles  23

2.3.3.  Web (Usage) Mining  25

2.3.3.1.  Web Mining Kategorien.  26

2.3.3.2.  Der Prozess des Web Usage Mining  28

2.3.4.  Problemfelder in der User Profilierung  30

2.4.  Matching - (Match Making)  33

2.4.1.  Nicht individualisierte Personalisierung.  35

2.4.2.  Checkbox Personalisierung  36

2.4.3.  Rule Based Filtering (Regelbasiertes Filtern)  38

2.4.4.  Formularbasiertes Filtern.  39

2.4.5.  Einfache Filterung  40

2.4.6.  Content Based Filtering (Inhaltsbasiertes Filtern)  42

2.4.7.  Collaborative Filtering (Kollaboratives Filtern)  48

2.4.8.  Hybride Systeme  57

2.5.  Personalisierte Werbung  59

3.  Best Practice Beispiele aus dem Bereich der Personalisierung im WWW  63

3.1.  Entwicklung des Analyserasters  63

3.2.  Einordnung der Personalisierungsanbieter, beispiele in den Analyseraster  65

3.3.  Erkenntnisse aus dem Analyseraster.  65

3.3.1.  WWW Allgemein  66

3.3.2.  Personalisierte Werbung  66

3.3.3.  Personalisierte Musik.  67

3.4.  Auswahl und Darstellung der Best Practice Beispiele für die WWW Plattform.  68

3.4.1.  Kriterien für die Auswahl der Best Practice Beispiele.  69

3.4.2  Darstellung der Best Practice Beispiele  69

3.4.2.1.  Criteo  69

3.4.2.2.  Taste  70

3.4.2.3.  wunderloop  72

3.4.2.4.  nugg.ad AG  73

4.  Best-Practice Beispiele aus dem Bereich Personalisierung im mobilen Internet.  76

4.1.  Herausforderungen, Grenzen und Möglichkeiten des mobilen Internets.  76

4.1.1.  Potentiale des mobilen Internets.  77

4.1.2.  Mobile Advertising.  79

4.1.3.  Gefahren des mobilen Internets - das Handy als Teil der Persönlichkeit.  80

4.2.  Entwicklung eines Analyserasters  80

4.3.  Einordnung der Personalisierungsanbieter und beispiele in den Analyseraster  81

4.4.  Erkenntnisse aus dem Analyseraster.  81

4.5.  Auswahl und Darstellung der Best Practice Beispiele  82

4.5.1.  Blyk.  82

4.5.2.  Choicestream  84

4.5.3.  Regisoft  85

5.  Leitfaden für die Wahl des richtigen Personalisierungsverfahrens.  87

5.1.  Ablauf der Identifikation des richtigen Personalisierungsverfahrens  87

5.2.  Literaturzusammenfassung: Wann sich welche Personalisierungsmethoden eignen  91

5.3.  Bestimmungsfaktoren für die Wahl des richtigen Personalisierungsverfahrens.  95

5.3.1.  Erörterungen zum Empfehlungsraster.  97

5.3.2.  Betriebswirtschaftliche Ergänzungen zum Empfehlungsraster  99

6.  Personalisierung am Beispiel einer mobilen Videoplattform  103

6.1.  Servicebeschreibung zur mobilen Videoplattform.  103

6.2.  Ziel der Personalisierung auf der mobilen Videoplattform  104

6.3.  Entwicklung einer Personalisierungsstrategie für die mobile Videoplattform.  105

6.3.1.  Phase 1: Fokus Nicht individualisierte Personalisierung.  106

6.3.2.  Phase 2: Fokus Individualisierte Personalisierung  107

6.3.3.  Personalisierte Werbung auf der mobilen Videoplattform  110

7.  Resümee  113

A.  Anhang - Aufzählung von Logfile-Analyzer-Anbietern  115

B.  Anhang - Überblick über den Kategorisierungsraster Allgemein/Werbung/Musik.  116

C.  Anhang Überblick über den Kategorisierungsraster Mobile  120

D  Literaturverzeichnis  122

ABBILDUNGSVERZEICHNIS 

Abbildung 1: Entwicklung der Webseiten‐Anzahl im Zeitraffer. Quelle: 

http://news.netcraft.com/archives/web_server_survey.html, Stand 25.01.2008 ....................................................... 3  Abbildung 2: Personalisierungsgrade. Quelle: Schubert/Ginsburg (2000).................................................................... 8  Abbildung 3: Vom Massenmarkt zur Individualität. Quelle: Scharl (2000) ................................................................... 9  Abbildung 4: Positive Effekte der Benutzermodellierung. Quelle: Mertens/Höhl (1999)............................................ 10  Abbildung 5: Die 3 Ebenen der Personalisierung. Quelle: In Anlehnung an Klossek (2006);  

Schemion/Koenemann/Reichert  (2003); Runte (2000) .............................................................................................. 12  Abbildung 6: Customer Profile Life Cycle. Quelle: Schubert / Leimstoll (2002) ........................................................... 15  Abbildung 7: A technical view on personalization. Quelle: Schubert (2006)............................................................... 15  Abbildung 8: Checkliste: Profile für Personalisierungsfunkionen. Quelle: Schubert/Leimstoll (2002) ........................ 22  Abbildung 9: Ablauf einer Anfrage vom Client‐Rechner zum Webserver. Quelle: Appl/Meier (2001)........................ 24  Abbildung 10: Kategorisierung des Web Mining. Quelle: Zaiane (2001) .................................................................... 26  Abbildung 11: Personalisierungsprozess. Quelle: In Anlehnung an Schemion/Koenemann/Reichert (2003) ............. 34  Abbildung 12: Personalisierungsmethoden (Algorithmusebene). Quelle: In Anlehnung an Runte (2000) ................. 34  Abbildung 13: Nicht individualisierte Personalisierung auf Youtube. Quelle: http:www.youtube.com, Stand 25.01.2008

.................................................................................................................................................................................... 36  Abbildung 14: Beispiel für Checkbox‐Personalisierung auf iGoogle. Quelle: http://www.google.at/ig, Stand 05.01.2008

.................................................................................................................................................................................... 37  Abbildung 15: Regelbasiertes Filtern auf www.garden.com. Quelle: http://www.garden.com, Stand 05.01.2008 .. 38  Abbildung 16: Personalisierte Suche auf Google. Quelle: http://www.google.com/history, Stand 05.01.2008 ........ 40  Abbildung 17: Personalisierte Startseite auf My Yahoo! Quelle: http://www.my.yahoo.com, Stand 05.01.2008..... 41  Abbildung 18: Content‐Based Filtering. Quelle: http://www.contentmanager.de/magazin/artikel_47‐

print_wenn_es_persoenlich_wird_webpersonalisierung.html, Stand 25.01.2008..................................................... 42  Abbildung 19: Beispiel einer Inhaltsbeschreibung. Quelle: Eigene Darstellung.......................................................... 43  Abbildung 20: Beispiel Vektorraum‐Modell. Quelle: Eigene Darstellung.................................................................... 45  Abbildung 21: Linear‐additives Präferenz‐Modell. Quelle: in Anlehnung an Runte (2000) ........................................ 46  Abbildung 22: Content‐Based Filtering bei Musiktiteln. Quelle: http://musicminer.sourceforge.net/, Stand 05.01.2008

.................................................................................................................................................................................... 47  Abbildung 23: Collaborative Filtering. Quelle: http://www.kamishima.net/research.htm, Stand 05.01.2008.......... 49  Abbildung 24: Klassifikation von Collaborative Filtering. Quelle: Dörner (2000)........................................................ 50  Abbildung 25: Manuel (active) collaborative Filtering. Quelle: http://www.diepresse.at, Stand 04.01.2008 ........... 51  Abbildung 26: links: Ähnlichkeitstabelle, rechts: Datenmatrix. Quelle: Lehmann (2004)........................................... 52  Abbildung 27: Automated Collaborative Filtering. Quelle: http://www.amazon.de, Stand 05.01.2008.................... 53  Abbildung 28: Einordnung des Item‐Based Collaborative Filtering. Quelle: In Anlehnung an Runte (2000) .............. 58  Abbildung 29: Evolution der Zielgruppen Ansprache. Quelle: http://www.onlinemarketingbuch.info/targeting.html, 

Stand 25.01.2008........................................................................................................................................................ 61  Abbildung 30: Ergebnisse Kategorisierungsraster: Eingesetzte Empfehlungs‐Algorithmen der 39 Anbieter aus dem 

Bereich „WWW‐Allgemein“. Quelle: Eigene Darstellung............................................................................................ 66 

Abbildung 31: Ergebnisse Kategorisierungsraster: Eingesetzte Algorithmen der 20 Anbieter aus dem Bereich „Fokus 

Werbung“. Quelle: Eigene Darstellung ....................................................................................................................... 67  Abbildung 32: Ergebnisse Kategorisierungsraster: Eingesetzter Empfehlungs‐Algorithmen der 11 Anbieter/Services aus 

dem Bereich „Fokus Musik“. Quelle: Eigene Darstellung............................................................................................ 68  Abbildung 33: Wunderloop Integrated Targeting Plattform. Quelle: http://www.wunderloop.com/de, Stand 25.01.2008

.................................................................................................................................................................................... 72  Abbildung 34: Beispiel einer nugg.ad Befragung. Quelle: http://derstandard.at, Stand 07.12.2007 ........................ 74  Abbildung 35: Unterschiede zwischen mobiler und Festnetz‐Internet Nutzung. Quelle: Link (2003) ......................... 77  Abbildung 36: Ergebnisse Kategorisierungsraster: Eingesetzte Targeting‐Varianten und Empfehlungs‐Algorithmen der 

15 Anbieter aus dem Bereich: Mobile. Quelle: Eigene Darstellung............................................................................. 82 

Abbildung 37: Beispiele für personalisierte Werbung auf Blyk. Quelle: http://www.blyk.co.uk/about/tour, Stand

05.01.2008 .................................................................................................................................................................. 83  Abbildung 38: Choicestream Produktbeschreibung. Quelle: http://www.choicestream.com/solutions/mobile/, Stand

05.01.2008 .................................................................................................................................................................. 84 

TABELLENVERZEICHNIS 

Tabelle 1: Methoden der Identifizierung nach Dörner. Quelle: Dörner (2003) ........................................................... 19  Tabelle 2: Arten von Kundenprofilen. Quelle: Schubert / Leimstoll (2002) ................................................................. 21  Tabelle 3: Varianten des Online‐Targeting. Quelle: In Anlehnung an Henning (2007) ............................................... 59  Tabelle 4: Vergleich der Personalisierungsverfahren. Quelle: Klossek (2006) ............................................................ 91  Tabelle 5: Personalisierungsverfahren orientiert am Website‐Typ. Quelle: 

http://www.ibm.com/developerworks/websphere/library/techarticles/hipods/personalize.html, Stand 25.01.200892  Tabelle 6: Technologisch empfehlenswerte Personalisierungsverfahren, orientiert an ausgewählten 

Bestimmungsfaktoren. Quelle: Eigene Darstellung .................................................................................................... 96  Tabelle 7: Technologisch empfehlenswerte Personalisierungsverfahren, orientiert an ausgewählten 

Bestimmungsfaktoren. Quelle: Eigene Darstellung .................................................................................................... 96  Tabelle 8: Vor‐ und Nachteile der einzelnen Personalisierungsverfahren aus Usersicht. Quelle: Eigene Darstellung100  Tabelle 9: Potentielle Partner für die Personalisierung von Werbung auf einer mobilen Videoplattform.  Quelle: Eigene 

Darstellung ............................................................................................................................................................... 111 

ABKÜRZUNGSVERZEICHNIS

B2B Business to Business

BT Behavioral Targeting

CBF Content-Based Filtering

CF Collaborative Filtering

ChBP Checkbox-Personalisierung

EF Einfaches Filtern

EC E-Commerce

FBP Formularbasierte Personalisierung

http Hypertext Transfer Protocol

I&K Informations- und Kommunikationstechnologie

RBF Rule-Based Filtering

u.a. unter anderem

URL Uniform Resource Locator

WUM Web Usage Mining

WWW World Wide Web

z.B. zum Beispiel

Geschlechterneutrale Formulierung

Aus Gründen der Lesbarkeit wird in dieser Arbeit auf eine geschlechterneutrale Formulierung verzichtet. Es sind jedoch immer beide Geschlechter angesprochen.

„Customers, whether consumers or businesses, do not want more choices. They want exactly what they want - when, where, and how they want it - and technology now makes it possible for companies to give it to them.”

(Pine/Peppers)

1. Einleitung 

Die Personalisierung im Bereich der interaktiven Medien bietet schon heute ein enormes wirtschaftliches Potential für die Betreiber von Webangeboten der unterschiedlichsten Kategorien und dieses wirtschaftliche Potential wird aufgrund des Trends hin zum mobilen Internet noch eine wesentliche Steigerung erfahren. Diese Einleitung soll nun erklären, warum eben dieser Personalisierung ein immer höherer Stellenwert zukommen wird und wie in dieser Magisterarbeit die theoretische Basis für den praxisbezogenen Teil der Erarbeitung einer Personalisierungsstrategie für eine mobile Vi-deoplattform geschaffen wird.

1.1. Ausgangssituation 

Die inhaltlichen Angebote, welche uns die digitale Welt des Internets zu bieten imstande ist, scheinen schon heute unvorstellbar vielfältig und umfangreich zu sein und angesichts des Trends hin zum User-Generated-Content, wird die Zukunft weder eine Verringerung des Umfangs, noch der Vielfalt der Internet-Inhalte mit sich bringen. Ein Begriff, welcher in diesem Zusammenhang wohl sehr schnell an Bedeutung gewinnen wird, stellt der „Information Overload“, oder auf Deutsch, die „Informationsüberflutung“ dar. ¹ Angesichts der Tatsache, dass Netcraft ² in seiner monatlichen Internet-Untersuchung bereits die unglaubliche Anzahl 155.230.051 verschiedener Webseiten erhoben hat (davon werden rund 70 Millionen Webseiten aktiv betrieben - Stand Dezember 2007) ³ und man sich zudem die zukünftige Entwicklung der Webseiten-Anzahl anhand der in Abbildung 1 gezeigten Grafik sehr gut herleiten kann, wird die Informationsüberflutung wohl auch in Zukunft nicht abnehmen. 4

¹  Vgl. Klossek Martin: (Personalisierte), Seite 14 ff. 

²  Siehe unter: http://news.netcraft.com/archives/about_netcraft.html, Stand 21.12.2007 

³  Quelle: http://survey.netcraft.com/index‐200007.html, Stand 30.01.2008 

⁴  Quelle: http://news.netcraft.com/archives/web_server_survey.html, Stand 30.01.2008 

Als Website-Betreiber muss man Mittel und Wege finden, sich aus dieser Masse an Webseiten heraus zu lösen und einen signifikanten Mehrwert für seine Kunden anbieten können. Die logische Konsequenz ist, dass sich Anbieter im Bereich des Internets verstärkt Gedanken darüber machen werden müssen, wie sie es zukünftig schaffen, ihren Kunden die richtigen Inhalte zur richtigen Zeit und in der richtigen Art und Weise anzubieten. Die Potentiale der Anpassung von Inhalten, Produkten, gesamter Webseiten, sowie der Art der Kommunikation an die Bedürfnisse identifizierter Kunden werden verstärkt in den Mittelpunkt rücken.

Neue mobile Dienste wie das Mobile-Internet, Mobile-Video und auch e-Mail am mobilen Endgerät werden erst dann den Massenmarkt erobern können, wenn deren Kosten z.B. über Werbung gegenfinanziert und die Preise für diese Dienste damit signifikant gesenkt werden können. ⁵ Fox Interactive Media geht diesbezüglich davon aus, dass personalisierten Werbung die Chance auf einen Kontakt mit dem Benutzer um durchschnittlich 80 Prozent erhöht. ⁶ Der CEO von Blyk, einem werbefinanzierten Mobilfunkanbieter aus Großbritannien, meinte wiederum: „Die Nutzer sollen im Idealfall gar nicht darüber nachdenken, dass sie Werbung gegen Telefonminuten oder SMS tauschen“ und sprach damit das Ziel an, dass die Werbung innerhalb des Blyk-Netzwerkes derart zielgenau und altersgerecht gestaltet werden soll, dass sich die junge Zielgruppe sogar daran erfreut und die Werbung nicht mehr als solche wahr nimmt, sondern vielmehr als einen weiteren Content, welcher den persönlichen Interessen entspricht. ⁷ Diese Aussage wird letztlich auch von einer Gartner-Studie ⁸ aus dem Jahr 2005 unterstützt, in welcher 53 Prozent der befragten Personen angegeben

⁵  Quelle: http://www.iht.com/articles/2007/01/19/yourmoney/mobile.php, Stand 21.12.2007 

⁶  Quelle: http://www.handycheats.de/seiten/news/mails/153/1190116808.html, Stand 21.12.2007 

⁷ Quelle: http://www.spiegel.de/netzwelt/mobil/0,1518,446250,00.html, Stand 21.12.2007 

⁸  Siehe unter: http://www.gartner.com/it/regionalization/notice/de.jsp, Stand 21.12.2007 

haben, sich für den Erhalt „relevanter mobiler Werbung“ im Gegenzug für kostenlose Musik- oder Video-Inhalte zu interessieren. 9

Zusammenfassend lässt sich also festhalten, dass die Sinnhaftigkeit von Personalisierungsmaßnahmen, als eindeutig gegeben angenommen werden kann. Es ist ein ökonomisches Potential für den Einsatz von Personalisierungsverfahren hinsichtlich Content und vor allem der Werbung gegeben und speziell der Bereich des mobilen Internets kann einen großen Nutzen aus den Möglichkeiten der personalisierten Werbung ziehen. In weiterer Folge gilt es nun konsequenterweise, die Zielsetzung dieser Magisterarbeit genauer zu definieren und darauf aufbauend, einen kurzen Einblick über die methodische Vorgehensweise zu bieten.

1.2. Zielsetzung 

Das Endziel der Magisterarbeit „Entwicklung eines Empfehlungsrasters für Personalisierungsverfahren und Anwendung auf ein mobiles Video-Service“ ist die Identifizierung von aussagekräftigen Bestimmungsfaktoren, anhand welcher man die technische Eignung einzelner Personalisierungsverfahren für spezifische Webangebote abschätzen kann. Diese Bestimmungsfaktoren werden in einem Empfehlungsraster zusammengefasst, welcher in der Folge dazu dienen soll, eine intersubjektiv nachvollziehbare Personalisierungsstrategie für eine mobile Videoplattform zu entwickeln. Um dieses Ziel zu erreichen, wird es erst notwendig sein, sich eine fundierte theoretische Basis zum Gebiet der Personalisierungsmöglichkeiten im Bereich des Internets zu erarbeiten. Auf diesem Wissen aufbauend, sollen folglich einzelne Bestimmungsfaktoren für die Wahl des richtigen Personalisierungsverfahrens identifiziert werden. Letztlich gilt es, die bis dahin erworbenen Erkenntnisse auf die mobile Videoplattform umzulegen und eine entsprechende Personalisierungsstrategie zu erarbeiten.

Folgende 4 Teilprodukte werden demnach im Rahmen dieser Magisterarbeit entwickelt werden: 1. Ein Überblick über den State-of-the-Art der unterschiedlichen Personalisierungsverfahren im Bereich des World Wide Webs.

2. Eine Analyse und Kategorisierung der derzeit am Markt für Personalisierungstechnologie vertretenen Anbieter und deren Produkte.

⁹  Quelle: http://www.fiercewireless.com/story/feature‐dial‐m‐for‐mobile‐advertising/2007‐01‐12, Stand 21.12.2007 

3. Die Erarbeitung eines Empfehlungsrasters/Fragenkatalogs, welcher anhand von wenigen Be-stimmungsfaktoren eine Empfehlung abgibt, welches Personalisierungsverfahren für welchen Dienst/Service am geeignetsten erscheint.

4. Eine empfohlene Personalisierungsstrategie für eine mobile Videoplattform.

1.3. Methodische Vorgehensweise 

Aufbauend auf die in Punkt 1.2 genannte Zielsetzung lässt sich folgende methodische Vorgehensweise skizzieren:

Der erste Teil der Arbeit wird einen fundierten theoretischen Überblick über den derzeitigen Stateof-the-Art im Bereich der Personalisierung interaktiver Medien bieten. Eine ausführliche Literaturrecherche soll Auskunft über die Möglichkeiten, Potentiale und die unterschiedlichen technologischen Komponenten von Personalisierungssystemen geben und helfen, ein Verständnis über die Einsatzmöglichkeiten dieser Software zu gewinnen.

Aufbauend auf dieses Wissen, werden eine Analyse und Kategorisierung der derzeit am Markt anzutreffenden Personalisierungsanbieter dazu dienen, den globalen Markt für Personalisierungssoftware kennen zu lernen, die einzelnen Anbieter vergleichbar zu machen und Trends hinsichtlich der derzeit gängigsten technologischen Lösungen zu erkennen. Hierzu soll ein Kategorisierungsraster mit einer Reihe an aussagekräftigen Attributen entwickelt und über eine umfassende Web-Recherche aufgefüllt werden. Die notwendigen Inputdaten für die Erhebung relevanter Anbieter werden aus wissenschaftlichen Arbeiten, aus Artikeln in facheinschlägigen Zeitschriften sowie aus der eigenen Web-Recherche gewonnen werden.

Nach der Erstellung des Analyserasters gilt es letztlich die Ergebnisse aus der Literaturrecherche sowie der Analyse des Markts für Personalisierungssoftware zusammen zu fassen und aus diesen Informationen die Bestimmungsfaktoren für die Wahl des richtigen Personalisierungsverfahrens logisch nachvollziehbar abzuleiten.

Letztlich dient eine mobile Videoplattform dazu, die abgeleiteten Bestimmungsfaktoren und den entwickelten Empfehlungsraster in der Praxis zu erproben und in diesem Rahmen eine Personalisie- rungsstrategie zu entwickeln.

2. Personalisierung  

Bevor nun in dieser Arbeit die Personalisierung im Bereich der interaktiven Medien einer eingehenden Untersuchung unterzogen werden soll, scheint zunächst eine Abgrenzung des Begriffs „Personalisierung“ selbst notwendig. Diese Begriffsabgrenzung, eine kurze Darstellung der Personalisierungsgrade sowie eine Ergänzung zu Kapitel 1 hinsichtlich dem Sinn und Zweck der Personalisierung, bieten die Grundlage für dieses umfangreiche Kapitel.

Darauf aufbauend werden die drei Ebenen der Personalisierung vorgestellt. Detaillierte Informationen zu den einzelnen Phasen des Personalisierungsprozesses sollen dazu dienen, ein grundsätzliches Verständnis für dieses so weitreichende Forschungsgebiet zu schaffen. Diese fundierte theoretische Basis wird notwendig sein, um letztlich die in den nächsten Kapiteln folgenden Praxisschwerpunkte objektiv bewerten zu können.

2.1. Der Begriff „Personalisierung“ - Einführung und Zielsetzung 

Schubert stellte schon 2002 fest, dass es schwierig sei, den Begriff der Personalisierung in der Literatur zu beleuchten, da er einerseits sehr viele verschiedene Facetten aufweist und andererseits nicht in eine spezifische Domäne einzuordnen ist. ¹⁰ Letztlich verweist die Autorin auf zwei primäre Linien in der Literatur, dies sind Publikationen zur „Mass Customization“, sowie Publikationen zur „Personalization“. Während die Mass Customization eher den Produktionsprozess fokussiert (z.B. konfigurierbare Rechner von Dell) und die Thematik aus der Sicht von Ingenieuren betrachtet, so zielt der Bereich der Personalisierung stärker auf den Kommunikationsaspekt ab und fällt damit eindeutig in den Kompetenzbereich der Marketing- und Kommunikations-Experten. Chiu formuliert Personalisierung in einem IBM-Whitepaper (2001) wie folgt:

„Personalization is a process of gathering and storing information about site visitors, analyzing the information, and, based on the analysis, delivering the right information to each visitor at the right time.“ 11

¹⁰  Vgl. Schubert Petra: (Personalized), Seite 39 

¹¹  Chiu Willy: (Personalization), Seite 1 

Schubert definiert Personalisierung eher aus einer technischen Perspektive:

„From a technical point of view, meta-information of products or information object is matched against meta-information users (stored in the customer profile).“ 12

Diese Arbeit wird sich an eine sehr weite Abgrenzung von Personalisierung halten und unter diesem Begriff jede unternehmerische Aktion, welche auf den Einsatz interaktiver Medien gestützt wird und die darauf ausgerichtet ist, eine individuelle Anpassung betrieblicher Vorgänge auf den Kunden zu erreichen, verstehen. ¹³ Demnach bezieht sich der Begriff „Personalisierung“ in dieser Arbeit sowohl auf die Anpassung von Produkten, als auch die Anpassung der Kommunikation dem Kunden gegenüber.

2.1.1. Personalisierungsgrade 

Sind sich die Autoren hinsichtlich der Definition von Personalisierung noch durchwegs einig, so finden sich bei den unterschiedlichen Personalisierungsgraden bereits klare Abweichungen. Schubert/Ginsburg unterscheiden drei unterschiedliche Stufen der Personalisierung und identifizieren die Individualisierung als die höchste Stufe der Personalisierung (siehe Abbildung 2).

Abbildung 2: Personalisierungsgrade. Quelle: Schubert/Ginsburg (2000) 

Scharl weicht von dieser Einstufung ab und bezeichnet die Personalisierung selbst als die höchste zu erreichende Stufe. Die Individualisierung sieht er lediglich als eine „Personalisierung für einzelne Sektoren“, nicht aber für einzelne Individuen an (siehe Abbildung 3).

¹²  Schubert Petra: (Personalized), Seite 41   

¹³  Vgl. Horn Florian: (Informationssammlung), Seite 4 

Logisch nachvollziehbarer scheint freilich die Kategorisierung nach Schubert/Ginsburg, da das Ei-genschaftswort „individualisiert“ im deutschen Sprachgebrauch wohl immer mit einem Individuum, also einer einzigen Person und nicht einem ganzen Sektor assoziiert wird.

2.1.2. Sinn und Zweck der Personalisierung 

Wie in Kapitel 1 dieser Arbeit bereits eingehend beschrieben, stellt die Informationsüberflutung in der heutigen Zeit ein nicht von der Hand zu weisendes Problem, vor allem im Bereich der interaktiven Medien dar. Computersysteme und Datenbanken verarbeiten heute unvorstellbar große Mengen an Daten und Informationen. Diese überfordern den menschlichen Geist nicht nur global gesehen, sondern oft reicht schon die Informationsmenge auf der lokalen Terabyte-Festplatte ¹⁴ des Familienrechners aus, um den User mit fragenden Blicken zu hinterlassen. 15

Das Internet wird mit der von Netcraft beschriebenen Explosion an Webseiten ¹⁶ jedoch nicht nur in seiner Breite umfangreicher, sondern auch in seiner Tiefe. Die damit verbundene Steigerung der Komplexität führt letztlich zu einer Überforderung der Benutzer und muss und kann anhand geeigneter technologischer Maßnahmen reduziert werden. ¹⁷ Die Lieferung personalisierter Informationen stellt eindeutig einen kritischen Erfolgsfaktor für die Effektivität einer Website dar. Die Anbieter haben damit nicht nur die Möglichkeit, ihre Kunden basierend auf den bisherigen Transaktionen personalisiert anzusprechen, sondern vielmehr sogar eine „customization“ der eigenen Ressourcen (Produkte, Informationen, Services) durchzuführen und damit den Wünschen der einzelnen Kunden

¹⁴  Terabyte = 10 ¹²  Byte = 1.000.000.000.000 Byte oder 1.000 Gigabyte 

¹⁵  Vgl. Klossek Martin: (Personalisierte), Seite 14 

¹⁶  Siehe dazu Punkt 1.1. 

¹⁷  Vgl. Tiedke Daniela: (Personalisierung), Seite 225 

noch besser zu entsprechen. ¹⁸ Natürlich sind diese Möglichkeiten der „Personalization“ und der „Customization“ nicht nur alleine auf den Bereich der interaktiven Medien beschränkt, doch scheinen die Einsatzmöglichkeiten der Personalisierung hier vor allem aufgrund der kostengünstigen Automatisierung der dahinter liegenden Prozesse als sehr vielversprechend. 19

Doch nicht nur die Komplexität im Internet und damit der Bedarf an personalisierten Inhalten haben sich in den letzten Jahren drastisch erhöht, auch die Konsumenten selbst haben sich verändert. Die Verbraucher nutzen den erleichterten Informationszugang und das zusammenwachsende globale Angebot aus und treten autonomer und aktiver auf bzw. wollen individuelle Angebote und Produkte erwerben. ²⁰ Scharl definiert das Internet als „turbulent, chaotisch und wechselhaft“ und weiters als „eine Umgebung, in dem die Konsumenten kaum über Toleranz, Nachsichtigkeit oder Loyalität verfügen“. ²¹ Letztlich muss man den selbstbewusster auftretenden Kunden klare Vorteile kommunizieren können, warum die eigene Website ihre Bedürfnisse besser befriedigen kann als andere. Hierzu kann die Personalisierung maßgeblich beitragen:

Abbildung 4: Positive Effekte der Benutzermodellierung. Quelle: Mertens/Höhl (1999)

Zusammengefasst lässt sich demnach festhalten, dass der Hauptwert der Personalisierung für den Kunden in Zeitersparnissen und in den auf die individuellen Bedürfnisse abgestimmten Informations- und Produktangeboten liegt. 22

¹⁸  Vgl. Georgiadis Christos K./Maitsaris Athanasios: (Personalized), Seite 3 

¹⁹  Vgl. Murthi B.P.S. /Sarkar Sumit: (Management), Seite 1344 

²⁰  Vgl. Lewis David: (Konsumenten), Seite 34 f. 

²¹  Scharl Arno: (Evolutionary), Seite 61  

²²  Vgl. Schubert Petra /Leimstoll Uwe: (Handbuch), Seite 5 

2.2. Die Ebenen der Personalisierung 

Aufgrund des enormen Umfangs, welchen der Begriff „Personalisierung“ im Rahmen des WWW bietet, scheint es empfehlenswert, die Personalisierung im Sinne eines besseren Verständnisses zu visualisieren und eine Landkarte zu entwickeln. Diese ermöglicht einen schnellen, aber aussagekräftigen Überblick über diesen Fachbereich. Anhand der Visualisierung soll möglichst prägnant dargestellt werden, was sich im Umfeld der interaktiven Medien grundsätzlich personalisieren lässt und welche unterschiedlichen technologischen Lösungen dazu herangezogen werden können. Da es im Rahmen dieser Magisterarbeit nicht möglich war, einen zufriedenstellenden Gesamtüberblick über das Forschungsgebiet der Personalisierung in der wissenschaftlichen Literatur aufzufinden, wurde eine solche „Landkarte“ aus unterschiedlichen Teilübersichten zusammengestellt.

Das Ergebnis dieses Arbeitspakets findet sich in Abbildung 5 wieder, welche den Begriff „Personalisierung“ in drei Ebenen zu untergliedern versucht, wobei jede Ebene für sich jeweils von verschiedenen Experten analysiert wurde und den „gemeinsamen Nenner“ der diversen bisherigen For- schungstätigkeiten widerspiegelt.

Abbildung 5: Die 3 Ebenen der Personalisierung. Quelle: In Anlehnung an Klossek (2006); Schemion/Koenemann/Reichert (2003); 

Runte (2000)

Als die oberste Untergliederungsebene bietet sich konsequenterweise die Anwendungsebene an, anhand welcher die Frage beantwortet werden soll, was grundsätzlich alles personalisiert werden kann. 23

²³  Vgl. Klossek Martin: (Personalisierte), Seite 89 ff. 

Die unterste Stufe (= Algorithmusebene), gibt eine Übersicht über die unterschiedlichen technologischen Personalisierungsverfahren wieder. ²⁴ Diese Ebene teilt sich in den Bereich der Profilierungs-Algorithmen (rechte Spalte) und in den Bereich der Empfehlungs-Algorithmen (linke Spalte).

Als logisches Bindeglied zwischen der technologischen Umsetzung auf Ebene 1 und dem Endergebnis auf Ebene 3 komplettiert die Prozessebene, welche den Ablauf des Personalisierungsprozesses wiedergeben soll, das Konzept des Gesamtüberblicks in Abbildung 5. Auch auf diesem Level finden sich in der Literatur eine Reihe unterschiedlicher Darstellungen, im Kern laufen diese aber alle auf den hier gewählten Kreislauf-Prozess nach Schemion/Koenemann/Reichert ²⁵  hinaus .26 

Wichtig für die folgenden Ausführungen ist, die Prozessebene als die Meta-Ebene der Personalisierung zu verstehen. Unabhängig davon, welches Verfahren auf der Algorithmusebene angewendet wird bzw. welche Form das Ergebnis einer Personalisierung auf der Anwendungsebene annimmt, werden die vier Phasen des Personalisierungsprozesses stets ident sein.

Rein inhaltlich empfiehlt sich für eine weitere Beleuchtung der einzelnen Prozessschritte eine Zusammenfassung der ersten beiden Prozessphasen (sammeln und analysieren) unter dem Begriff „Benutzerprofilierung“, sowie eine gemeinsame Betrachtung der letzten beiden Prozessphasen (erzeugen und ausführen) unter dem Begriff „Matching“. Um der Aufgabenstellung der Entwicklung eines Empfehlungsrasters für die Identifikation geeigneter Personalisierungsverfahren für spezifische Internetangebote nachzukommen, wird es notwendig sein die technische Funktionsebene (= Algorithmusebene) zu verstehen. Dementsprechend wird dieses Kapitel in der Folge die unterschiedlichen technologischen Umsetzungsmöglichkeiten auf der Algorithmusebene einer eingehenden Beleuchtung unterziehen.

Der Vollständigkeit halber soll noch auf die ebenfalls interessante „Personalization Map“ von Schubert/Leimstoll/Risch verwiesen werden, welche anhand einer tiefgehenden Analyse der Anwendungsebene, die vielfältigen Einsatzmöglichkeiten von Personalisierungsverfahren aufzeigt. ²⁷ Chiu visualisiert den Begriff „Personalisierung“ aus eher technischer Sicht und beschränkt seine Ausführungen auf einen relativ geringen Grad an Komplexität und Tiefe. 28

²⁴  Vgl. Runte Matthias: (Personalisierung), Seite 9ff. ; Chiu Willy: (Personalization), Seite 3 f. 

²⁵  Vgl. Schemion Detlev / Koenemann Jürgen / Reichert Frank: (Holzweg ), Seite 8 

²⁶  Vgl. Horn Florian: (Informationssammlung), Seite 9f.; Högler Tamara/ Bulander Rebecca / Schiefer Gunther: (Com‐

puting), Seite 7; Fackler Gabriele / Pinegger Thomas: (Strategie), Seite 5  

²⁷  Vgl. Schubert Petra / Leimstoll Uwe / Risch Daniel: (Personalization), Seite 4 ff. 

²⁸  Vgl. Chiu Willy: (Personalization), Seite 3 

2.3. Benutzerprofilierung 

Lord Leverhulme sagte schon: „I know that half of my advertising budget is wasted, but I´m not sure which half.“ ²⁹ Das Ziel der Profilierungsphase der Personalisierung muss es sein, Kenntnis darüber zu erlangen, welche Hälfte der Werbungsausgaben die Zielgruppe erreicht hat und welche Hälfte die verschwendete war, um die zukünftigen Streuverluste zu minimieren. Für den Erwerb dieser Daten empfehlen sich unterschiedliche Methoden, welche jede für sich diverse Vor- und Nachteile zu bieten haben. Grundsätzlich gilt es hier zu beachten, dass - abhängig von der angestrebten Personalisierungsanwendung - unterschiedliche Input- und Profildaten zu erheben sind und ein Sammeln unnötiger Daten aus Kosten- und Performancegründen möglichst zu vermeiden ist. 30

2.3.1. Profilierung als Basis der individualisierten Personalisierung 

Aussagekräftige Kundenprofile bilden die Grundlage einer erfolgreichen Personalisierung. ³¹ Die beiden Prozessschritte „Daten sammeln“ und „Daten analysieren“ können gemeinsam unter der Prozessphase der Benutzerprofilierung zusammengefasst werden. Personenbezogene Informationen und Daten über den Kunden werden in Benutzerprofilen gespeichert, welche damit sowohl im Festnetz-Internet, als auch dem mobilen Internet die Grundlage der Personalisierung bilden. Personalisierung und Profilierung sind demnach sehr eng (bis untrennbar) miteinander verknüpft. 32

2.3.1.1. Der Prozess der User­Profilierung 

Der Prozess zur Erstellung eines Benutzerprofiles wurde von Schubert/Leimstoll bereits 2002 im „Customer Profile Life Cycle“ in Abbildung 6 visualisiert. Auffallend in dieser Darstellung ist der „Feedback-Loop“ ³³ , welcher schon in der Darstellung der Prozessebene der Personalisierung zu finden ist und dazu dient, das Benutzerprofil permanent zu verfeinern bzw. aktuell zu halten.

²⁹  Vgl. Disch Wolfgang K.: (Bonmot), Seite 330 ff. 

³⁰  Vgl. Chiu Willy: (Personalization), Seite 8 

³¹  Vgl. Schubert Petra / Leimstoll Uwe: (Handbuch), Seite 4 

³²  Vgl. Högler Tamara / Bulander Rebecca / Schiefer Gunther: (Computing), Seite 4 f. 

³³  Deutsche Übersetzung: „Rückkoppelungsschleife“     

Abbildung 6: Customer Profile Life Cycle. Quelle: Schubert / Leimstoll (2002) 

Wieder finden sich vier unterschiedliche Prozessschritte, welche im Endergebnis letztlich zu möglichst aussagekräftigen Kundenprofilen führen sollen.

Schubert stellt in „Personalized Commercial Web Sites“ auch dar, wie konkrete Datenquellen für die Profilierung aussehen und wie diese Benutzerprofile in der Folge mit anderen Da-ten/Informationen für die Personalisierung kombiniert werden können: 34

Der untere Bereich der Grafik stellt mögliche Inputquellen dar, wobei unter dem Kürzel „ETL“, „extract, transform, load“ zu verstehen ist.

Die Benutzerprofile werden in einem „Data Warehouse“ ³⁵ mit Daten zu den Produkten bzw. Inhalten einer Website über unterschiedliche Personalisierungsalgorithmen verknüpft. Letztlich erhält der User damit personalisierte Inhalte zur Verfügung gestellt.                                                              

³⁴  Vgl. Schubert Petra: (Personalized), Seite 46 

³⁵  Siehe dazu: http://de.wikipedia.org/wiki/Data_Warehouse, Stand 25.01.2008 

2.3.1.2. Explizite, implizite oder bereits vorhanden Daten 

Bevor man jedoch die Benutzerprofile mit anderen Daten verknüpfen kann, wird man sich erst um entsprechende Inputdaten für die Profile sorgen müssen. Im Wesentlichen lassen sich hier

• explizite (oder auch reaktive)

• implizite (oder auch non-reaktive)

• „Legacy Data“ (= bereits vorhandene Daten. Sowohl unternehmensinternes als auch unternehmensexternes Material.)

Daten unterscheiden ³⁶ , wobei hier anhand der Datengewinnung und nicht der Inhalte unterschieden wird.

Explizite Daten

Explizite Daten werden, wie es der Name schon vermuten lässt, explizit vom User angegeben. In der Regel werden diesen also Fragen gestellt bzw. Antwortmöglichkeiten gegeben. ³⁷ Als praxisnahe Beispiele, wie man als Website-Betreiber zu solchen Daten kommen kann, bietet sich die Präsentation „Behavioral Targeting & eCRM“ von Gromadecki/Riehle von der Pinuts media+science GmbH an, in welcher nachfolgende Möglichkeiten der Datengenerierung angeführt werden ³⁸ :

• Gewinnspiel,

• Kontaktformular,

• Rückruf,

• Umfragen,

• Profilaktualisierung im Login-Bereich,

• Suche,

• Merkzettel,

• Bewertungen.

Alle diese Methoden haben gemein, dass sie einen Zeitaufwand für den User bedeuten und seinen Willen zur Kooperation erfordern. 39

Als konkrete Praxisbeispiele lassen sich hier weiters Angebote über personalisierte Startseiten von Google ⁴⁰ , MyYahoo! ⁴¹ oder auch gratis Email-Provider wie GMX ⁴² und viele mehr identifizieren.                                                              

³⁶  Vgl. Chiu Willy: (Personalization), Seite 3 

³⁷  Vgl. Schubert Petra: (Personalized), Seite 44 

³⁸  Vgl. Gromadecki Andreas / Riehle Jan‐Philip: (Behavioral), Seite 16 

³⁹  Vgl. Gauch Susan u.a.: (Information), Seite 58 

Sämtliche dieser Anbieter verlangen im Gegenzug zu den kostenlosen Diensten, zumindest im Rahmen der Registrierung, aussagekräftige Angaben über den jeweiligen User, um personalisierte Werbung schalten zu können. Letztlich sollen damit z.B. soziodemografische Daten (Geschlecht, Alter, Familienstand,…) gewonnen und daraus Metadaten über Präferenzen, Interessensgebiete und Wünsche abgeleitet werden. ⁴³ Derartige Informationen sind zwar oft sehr allgemeiner Natur, jedoch bilden sie einen wichtigen Grundstock für weitere Analysen der Benutzer. 44

Letztlich empfiehlt sich die explizite Profildatengewinnung vor allem aufgrund ihrer sehr einfachen technischen Umsetzbarkeit über vorgefertigte Anmeldeformulare oder Checkboxes und dem hierfür relativ geringen Aufwand für den Service-Provider. 45

Implizite Daten

Eine implizite Profildatengewinnung basiert auf der Erfassung des User-Verhaltens auf einer Website. Diese Form der Datengewinnung erfolgt in der Regel transparent und mit dem Wissen der User, kann jedoch auch unbemerkt im Hintergrund durchgeführt werden. ⁴⁶ Ein Stichwort, welches im Zusammenhang mit der Analyse des Surfverhaltens oft auftaucht, ist die sogenannte „Clickstream-Analyse“, welche sich mit der Sammlung und Analyse des Verhaltens der User auf einer Website beschäftigt. 47

Der zentrale Vorteil der impliziten Profildatengewinnung ergibt sich durch den Aspekt des Agierens im Hintergrund. Die dauerhafte und unbemerkte Datenerfassung führt zu einem hohen Wahrheitsgehalt und einem hohen Grad an Aktualität der gewonnenen Informationen. Der Kunde verhält sich „natürlich“ und nimmt keine Rücksicht auf die Aufzeichnung seines Surfverhaltens. ⁴⁸ Ein weiterer zentraler Vorteil dieser Methode liegt darin, dass für die Datengewinnung, abgesehen vom normalen „Surfen“ im Internet, keine zusätzlichen User-Interventionen notwendig sind. ⁴⁹ Über durchdachte Regelsysteme können implizite Daten zudem ausgeklügelt interpretiert werden. So wird das normale Such- und Surfverhalten z.B. geringer gewichtet als Notizen auf einem even-

⁴⁰  Siehe: http://www.google.at/ig, Stand 28.12.2007 

⁴¹  Siehe: http://cm.de.my.yahoo.com/?rd=nux, Stand 28.12.2007 

⁴²  Siehe: http://www.gmx.net/de, Stand 28.12.2007 

⁴³  Vgl. Gromadecki Andreas / Riehle Jan‐Philip: (Behavioral), Folie 16 

⁴⁴  Vgl. Murthi B.P.S. /Sarkar Sumit: (Management), Seite 1351 

⁴⁵  Vgl. Högler Tamara / Bulander Rebecca / Schiefer Gunther: (Computing), Seite 5 

⁴⁶  Vgl. Chiu Willy: (Personalization), Seite 3 

⁴⁷  Quelle: http://de.wikipedia.org/wiki/Web_Analytics, Stand 29.12.2007 

⁴⁸  Vgl. Högler Tamara / Bulander Rebecca / Schiefer Gunther: (Computing), Seite 5 

⁴⁹  Vgl. Gauch Susan u.a.: (Information), Seite 59 

tuell vorhandenen Merkzettel und tatsächlich getätigte Einkäufe wiederum werden nochmals weit stärker als die Merkzettel gewichtet. 50

Um ein tiefer gehendes Verständnis über die implizite Profildatengewinnung zu erlangen, empfiehlt sich die Arbeit „User Profiles for Personalized Information Access“ von Gauch/Speretta/ Chandramouli/Micarelli. 51

Legacy Data - Bereits vorhandene Daten

Letztlich stehen neben den expliziten und den impliziten Profildaten noch die sogenannten „legacy data“ zur Verfügung, also ältere, bereits gesammelte personenbezogene Daten. Diese können sich z.B. aus bereits getätigten Einkäufen in einem Online-Shop oder aus sonstigen Quellen (z.B. Kundenkarten am Point of Sale) zusammen setzen. Derartige Kundendaten stellen für die Personalisierung meist eine reiche Informationsquelle dar. 52

2.3.1.3. Benutzer­Identifikation 

Ein weiterer fundamentaler Bestandteil in der Benutzerprofilierung ist die User-Identifikation. Unabhängig davon, ob man explizite oder implizite Daten über den User erheben möchte, muss man zu aller erst in der Lage sein, die einzelnen User einer Website voneinander abzugrenzen um individuelle Kundenprofile erstellen zu können. Wichtig ist hier vorrangig die Identifikation einzelner User und nicht unbedingt gleich die Authentifizierung. 53

Zur Identifizierung der Benutzer stehen folgende technologische Lösungen zur Verfügung: 54

• Login über Benutzername und Passwort (HTTP-Protokoll),

• Benutzername und Passwort,

• Cookies,

• Spezielle URLs mit codierter Benutzererkennung (Session-IDs),

• IP-Erkennung,

• Zusatzprogramme. 55

⁵⁰  Vgl. Gromadecki Andreas / Riehle Jan‐Philip: (Behavioral), Folie 22 

⁵¹  Vgl. Gauch Susan u.a.: (Information), Seite 59 

⁵²  Vgl. Chiu Willy: (Personalization), Seite 3 

⁵³  Vgl. Dörner Jan‐Hendrik: (Personalisierung), Seite 12 

⁵⁴  Vgl. Dörner Jan‐Hendrik: (Personalisierung), Seite 12 ff.; Wagner Nicola: (Webservices), Seite 8 ff.  

⁵⁵  Vgl. Welker Martin / Werner Andreas / Scholz Joachim: (Sozialforschung), Seite 12  

Dörner bietet einen kurzen, nach Ausprägung gewisser Beurteilungskriterien geordneten Überblick über die relevantesten Identifizierungsmethoden an (Tabelle 1).

Tabelle 1: Methoden der Identifizierung nach Dörner. Quelle: Dörner (2003)

2.3.1.4. Speicherung der Profildaten - Client­ oder Serverseitig 

Bei der Planung der User-Profilierung wird man sich abgesehen von der Fragestellung, ob man explizite, implizite oder bereits vorhandene Daten einsetzen möchte, konsequenterweise auch die Frage nach dem Speicherort der Profile stellen müssen. Grundsätzlich lassen sich hier nur zwei verschiedene Speicherorte voneinander abgrenzen, dies sind die clientbasierte oder die serverbasierte Speicherung. Schubert/Leimstoll stellen unterschiedliche Profiltypen im Rahmen der User-Profilierung vor, welche unter anderem anhand des Ortes der Speicherung voneinander unterschieden werden. Die Grenzen zwischen clientbasierter und serverbasierter Speicherung verschwimmen jedoch insofern, als dass unterschiedliche Teilprofile, deren Speicherort voneinander abweichen kann, wieder zu einem Gesamtprofil zusammengefügt werden können. ⁵⁶ Die Vorteile der clientbasierten und der serverbasierten Speicherung werden von Schubert und Leimstoll wie folgt zusammengefasst ⁵⁷ :

Vorteile clientbasierter Speicherung

• Gemeinsame Nutzbarkeit durch verschiedene Plattformen.

• Persönliche (personenbezogene) Daten sind nicht auf verschiedenen Computersystemen verteilt (Datenschutz).

• Benutzer kann Zugriffsrechte für verschiedene Plattformen selbst vergeben (wer darf welche Felder einsehen) und hat somit Macht über seine eigenen Daten.

⁵⁶  Vgl. Schubert Petra / Leimstoll Uwe: (Handbuch), Seite 25 

⁵⁷  Schubert Petra / Leimstoll Uwe: (Handbuch), Seite 25 

Vorteile serverbasierter Speicherung

• Profil kann auf unterschiedlichen Arbeitsstationen des Benutzers verwendet werden (Roaming User).

• Plattform-Designer müssen sich nicht an die vorgegebene Schablone für Abschnitte und Felder halten, dadurch ist die Funktionalität der Applikation nicht durch gegebene Schemata beschränkt.

• Das Profil geht bei Datenverlust auf der lokalen Maschine des Benutzers nicht verloren.

• Aus Sicht des Dienste-Anbieters ergibt sich zudem noch der Vorteil, dass er auf die Daten jederzeit zugreifen, sie auswerten und gegebenenfalls auch weitergeben kann (aus Sicht des Users wiederum ein eventuelles Datenschutzproblem).

2.3.1.5. Ergebnisse der User­Profilierung ­ Profiltypen 

Das Ergebnis einer erfolgreichen User-Profilierung sollten nach Schubert/Leimstoll unterschiedliche Profiltypen sein. Diese stellen wiederum die Grundlage für unterschiedliche Personalisierungsanwendungen dar. Die beiden Autoren listen in ihren Arbeiten einerseits die unterschiedlichen Profiltypen auf ⁵⁸ und bieten andererseits auch einen Leitfaden für die Verwendung dieser unterschiedlichen Profile an. 59

⁵⁸  Schubert Petra / Leimstoll Uwe: (Handbuch), Seite 23 f. 

⁵⁹  Schubert Petra / Leimstoll Uwe: (Handbuch), Seite 28 f. 

Tabelle 2: Arten von Kundenprofilen. Quelle: Schubert / Leimstoll (2002)

Für eine detailliertere Darstellung der einzelnen Profiltypen inklusive Beispielen aus der Praxis empfiehlt sich die Arbeit „Handbuch zur Personalisierung von Webseiten“ von Schubert/Leimstoll. 60

Aufbauend auf diesen unterschiedlichen Profiltypen bieten die Autoren in Abbildung 8 eine Checkliste für die Auswahl der Profile für unterschiedliche Personalisierungsanwendungen:

⁶⁰  Vgl. Schubert Petra / Leimstoll Uwe: (Handbuch), Seite 44 ff.