Abstract
Recommender systems are sales-supporting applications that are usually integrated into online shops and are designed to point the visitor to products or services she or he might be interested in but has not bought yet. In the last decade, many techniques have been developed to improve the predictive accuracy of such systems. However, there are also factors other than accuracy that infl uence the user-perceived quality of such a system. In particular, system-generated explanations as to why a certain item has been recommended have shown to be a valuable tool to improve both the user's satisfaction and the system's effi ciency. This paper reports the results of a fi rst user study which was conducted to evaluate whether personalized tag clouds are an appropriate means to visually explain recommendations. The evaluation reveals that using tag clouds as explanation mechanism leads to higher user satisfaction and recommendation effi ciency than previous keyword-style explanations.
Zusammenfassung
Empfehlungssystem sind verkaufsunterstützende Anwendungen, welche gewöhnlich in Webshops integriert sind und den Konsumenten auf Produkte und Dienstleistungen hinweisen, an denen er oder sie interessiert sein könnte, aber noch nicht gekauft hat. In den letzten Jahren wurden zahlreiche Algorithmen zur Erhöhung der Vorhersagegenauigkeit solcher Systeme entwickelt. Es gibt jedoch auch andere Faktoren, die die durch den Benutzer empfundene Qualität des Systems beeinfl ussen. Es hat sich insbesondere gezeigt, dass systemseitig erzeugte Erklärungen, warum ein bestimmtes Produkt vorgeschlagen wurde, besonders dazu geeignet sind, die Zufriedenheit des Benutzers mit dem System sowie die Effi zienz des Empfehlungsprozesses zu steigern. In diesem Aufsatz berichten wir von den Ergebnissen einer ersten Studie, in welcher untersucht wurde, inwiefern Schlagwortwolken ein geeignetes Mittel sind, um Empfehlungen visuell zu erklären. Die Studie zeigt, dass mithilfe von Schlagwortwolken sowohl die Zufriedenheit des Benutzers mit dem System als auch die Empfehlungseffi zienz im Vergleich zu anderen existierenden schlagwort-basierten Verfahren messbar gesteigert werden kann.
© by Oldenbourg Wissenschaftsverlag, Dortmund, Germany
