Die Rolle von UX in datengetriebenen Personalisiserungsprojekten.

1. Thema
Escaping the filter bubble –
Die Rolle von UX in
datengetriebenen
Personalisierungsprojekten
Kunde
FELD M
Autor
Hias Wrba
Datum
01/06/2016

2. Seite 2Escaping the filter bubble
Explizite Personalisierung
vs.
Implizite Personalisierung
1st party Daten
vs.
3rd party Daten
Personalisierung
braucht keinen
Login!

3. Seite 3Escaping the filter bubble
Könnse‘ mir was
empfehlen?

4. Seite 4Escaping the filter bubble

5. Seite 5Escaping the filter bubble

6. Seite 6Escaping the filter bubble
Quelle: http://qz.com/571007/the-magic-that-makes-spotifys-discover-weekly-playlists-so-damn-good/

7. Seite 7Escaping the filter bubble
Platzhalter – Antithese Mubi

8. Seite 8Escaping the filter bubble
Size of item pool
#new published and
unpublished items
per day
Hohe Transaktionskosten für Nutzer
Mittlere Transaktionskosten für Nutzer
Niedrige Transaktionskosten für Nutzer
Potentiale für automatisierte
Personalisierung

9. Seite 9Escaping the filter bubble
Wie wirkt Personalisierung auf
Nutzer?

10. Seite 10Escaping the filter bubble

11. Seite 11Escaping the filter bubble
Nee, lass ma!
Bitte Kaufen!Bitte Kaufen!Bitte Kaufen!
Kauf endlich das Sofa!
Kauf endlich das Sofa!
Kauf endlich das Sofa!
Kauf endlich das Sofa!
Kauf endlich das Sofa!
Überraschung: Sofa!

12. Seite 12Escaping the filter bubble
User Experience
Kriterien guter Nutzererfahrungen
FELD M: Personalisierung03 User Experience
Mentale Modelle

13. Seite 13Escaping the filter bubble
Nutzer-basiertes
kollaboratives Filtern
Item-basiertes
kollaboratives Filtern

14. Seite 14Escaping the filter bubble
Ich

15. Seite 15Escaping the filter bubble
http://graphics.wsj.com/blue-feed-red-feed/#/transgender

16. Seite 16Escaping the filter bubble
Serendipität

17. Seite 17Escaping the filter bubble
Wer trifft die Entscheidung für
wen was relevant ist?

18. Seite 18Escaping the filter bubble
„A squirrel dying in front of your house
may be more relevant to your
interests right now than people dying
in Africa.“
Mark Zuckerberg

19. Seite 19Escaping the filter bubble
Aspiration vs. Impulse
Quinoa oder Schnitzel
arte oder RTL II
Sport oder Sofa

20. Seite 20Escaping the filter bubble

21. Seite 21Escaping the filter bubble
Computer so:
NEIN!

22. Seite 22Escaping the filter bubble
Predictive Analytics
Harte Faktoren Weiche Faktoren
Kredithistorie
Zahlungsverhalten
Höchstkredit
Einkommen
Konsumverhalten
Wohnort
Ethnie
Beruf
Bildung
Familienstand
Geschlecht
Freundeskreis
Interessen
Alter
Politische
Ansichten

23. Seite 23Escaping the filter bubble
Wenn Maschinen lernen
Bildquelle: https://photos.google.com/share/AF1QipPX0SCl7OzWilt9LnuQliattX4OUCj_8EP65_cTVnBmS1jnYgsGQAieQUc1VQWdgQ?key=aVBxWjhwSzg2RjJWLWRuVFBBZEN1d205bUdEMnhB

24. Seite 24Escaping the filter bubble
Kate Crawford
DatenethikFOTO VON RE:PUBLICA

25. Seite 25Escaping the filter bubble
Technologie
Mensch BusinessMensch
HumanCenteredDesign

26. Seite 26Escaping the filter bubble „Welcome to UX,
I‘ll be your guide!“
Erwartungs-
konformität
Orientierung auf der Seite
muss immer gegeben sein
Transparenz
An welcher Stelle wird
personalisiert?
Nach-vollziehbarkeit
Auf Basis welcher
Daten/welchen Verhaltens
wird personalisiert?
Steuerbarkeit
Welchen Einfluss habe ich
als Nutzer?
Quelle: buzzfeed.com

27. Seite 27Escaping the filter bubble
Und danke!
Mathias „Hias“ Wrba
hias.wrba@feld-m.de
http://www.xing.com/prof/Hias_Wrb
a
@ScreaminHias
http://www.feld-m.de