PD Dr. Michael Scholz
PD Dr. Michael Scholz beschäftigt sich mit aktuellen Fragestellungen im Bereich E-Commerce. In aktuellen Forschungsprojekten untersucht er mit seinem Team intelligente E-Commerce-Lösungen wie Empfehlungssysteme, Sortiersysteme oder Produktkonfiguratoren. In Lehrveranstaltungen der Juniorprofessur für Wirtschaftsinformatik mit Schwerpunkt E-Commerce lernen die Studierenden theoretisch fundiertes und praktisch relevantes Wissen über die Funktionsweise von E-Commerce-Systemen, die ökonomischen Grundlagen der Internetwirtschaft sowie die ökonomischen Auswirkungen von E-Commerce-Systemen. Um eine hohe praktische Relevanz der Forschung und Lehre sicherzustellen, kooperiert PD Dr. Michael Scholz mit Unternehmen wie der Intershop AG oder der Immobilien Scout GmbH.
FORSCHUNG
In ihrem Dissertationsprojekt hat Frau Dr. Olga Ivanova verschiedene Methoden untersucht, wie Kundenbewertungen zu einem Wert (Score) zusammengefasst werden können. Aktuell wird zumeist der Mittelwert gebildet und dieser aktualisiert, sobald eine neue Kundenbewertung abgegeben wurde. Frau Dr. Ivanova konnte aufzeigen, dass diese Methode dazu führt, dass gefälschte Kundenrezensionen eine große Auswirkung auf den Umsatz eines Händlers haben. Die Speicherung von Kundenbewertungen in einem Cache einer bestimmten Größe und die Aggregation des Caches zu nur einem Wert, der dann zur Aktualisierung des Mittelwertes verwendet wird, hämmt sehr stark die Auswirkungen auf den Umsatz von Händlern, die Kundenbewertungen fälschen. Allerdings wird mit dieser Methode auch der Umsatz ehrlicher Händler stark geschmälert. Frau Dr. Ivanova hat daher vorgeschlagen, die Kundenbewertungen in einem Cache zu k Werten zu aggregieren und k anhand der Verteilung der Bewertungen im Cache zu bestimmen. Mit diesem Verfahren konnten einerseits die Auswirkungen auf den Umsatz von Händlern, die Bewertungen fälschen, stark geschmälert werden und andererseits negative Auswirkungen auf ehrliche Händler fast verhindert werden.
Hier finden Sie den Forschungsartikel.
Die Sortierung von Produkten in Onlineshops erfolgt mehr und mehr kundenindividuell. Kundendaten sind jedoch nicht immer vorhanden und auch Kundenrezensionen und Verkaufszahlen sind nicht für alle, insbesondere neue, Produkte vorhanden. Zusammen mit Dr. Jella Pfeiffer (KIT) und Prof. Dr. Franz Rothlauf hat Prof. Dr. Michael Scholz einen Algorithmus entwickelt, mit dem Produkte auch ohne Kundendaten so sortiert werden können, dass diejenigen Produkte, die von vielen Kunden mit hoher Wahrscheinlichkeit gekauft werden oben stehen. Dazu wird ein sogenannter Produktdominanzgraph erzeugt und die Zentralität aller Produkte in diesem Graphen als Sortierkriterium verwendet. In Laborexperimenten hat sich dabei gezeigt, dass dieser Algorithmus gängigen Sortieralgorithmen (z. B. Sortieren nach Preis, Sortieren nach Kundenbewertungen) in den meisten Fällen überlegen ist.
Hier finden Sie den Forschungsartikel.
In einem Kooperationsprojekt mit Frau Dr. Verena Dorner (KIT) hat Prof. Scholz mehrere tausend Online-Kundenrezensionen von Amazon untersucht. Dabei stellte sich heraus, dass nützliche Kundenrezensionen Produkteigenschaften diskutieren, die in einigen aber nicht vielen anderen Rezensionen diskutiert werden und einen Anteil an Adjektiven von etwa 9% aufweisen. Ausschlaggebend für die Nützlichkeit sind ebenfalls die Anzahl an Rechtschreibfehlern und die Objektivität mit der eine Rezension verfasst wurde.
Hier finden Sie den Forschungsartikel.
Diese Seite teilen
