Social Recommender Systems - Empirical Studies on the Automated Aggregation of Content

Dieses Buch fasst sechs unabhängige quantitativ-empirische Studien zusammen, in denen die Kernelemente für ein erfolgreiches Geschäftsmodell für PNAs untersucht werden.

Soziale Empfehlungssysteme ermöglichen erstmals eine automatisierte Bündelung von Inhalten. Dabei greift diese neue Generation von Empfehlungssystemen auf Informationen aus sozialen Netzwerken zurück und kann dadurch die Empfehlungsgenauigkeit erhöhen. Personalized News Aggregators (PNAs) repräsentieren dabei eine erste Form von Anwendungssystemen, die redaktionell erstellte Nachrichten automatisiert bündeln und in einer optisch ansprechenden Form darstellen. Flipboard, Zite, News360, Pulse, The Tweeted Times oder Facebook Paper stellen die ersten bekannten Beispiele von PNAs mit unterschiedlichen Funktionen dar. Bis heute wurden allerdings Fragestellungen über die praktische Anwendung von sozialen Empfehlungssystemen sowie die Ausgestaltung darauf aufbauender Geschäftsmodelle nicht ausreichend beantwortet. Dabei könnten Medienunternehmen diese neue Form von Systemen verwenden, um einer niedrigen Zahlungsbereitschaft von Nutzern für Nachrichten entgegenzuwirken. Dieses Buch fasst sechs unabhängige quantitativ-empirische Studien zusammen, in denen die Kernelemente für ein erfolgreiches Geschäftsmodell für PNAs untersucht und Implikationen sowie Handlungsempfehlungen für Medienunternehmen abgeleitet werden.

Autorentext
Dr. Oliver Oechslein promovierte am Institut für Wirtschaftsinformatik und Neue Medien an der Ludwig-Maximilians-Universität München. Sein Themenschwerpunkt ist die Digitalisierung von Medienunternehmen mit besonderem Fokus auf Geschäftsmodelle. Zuvor studierte Dr. Oliver Oechslein Technologie- und Managementorientierte BWL an der TU München, mit Aufenthalten in der Schweiz, USA, China und Australien und war parallel in verschiedenen Bereichen der Medien- und Kommunikationsindustrie aktiv.