Suchergebnisse

Algorithmenbasierte Empfehlungsdienste stellen Zuschauer*innen im nichtlinearen Streaming individuell audiovisuelle Inhalte in einer Vorauswahl zusammen, die potenziell ihren Präferenzen entsprechen. Um die Präferenzen der Zuschauer*innen zu ermitteln, müssen die Anbieter solcher Dienste personenbezogene Daten wie z. B. das Sehverhalten erheben und auswerten. Zuschauer*innen müssen bei der Wahl eines personalisierten Angebots daher den Nutzen der Personalisierung gegen die Bedrohung ihrer Privatsphäre abwägen. In diesem Beitrag wird dieses "Privatheitskalkül" von Zuschauer*innen aus einer medienökonomischen Perspektive untersucht. Im Fokus steht die Fragestellung, wie viel Personalisierung aus Sicht der Zuschauer*innen optimal ist und welche Auswirkungen heterogene Sensibilitäten der Datenpreisgabe, die Systemeffizienz sowie Reputation der Anbieter im vertrauensvollen Umgang mit personenbezogenen Daten auf das Kalkül der Zuschauer*innen haben. Aus den Ergebnissen werden zudem Implikationen für Geschäftsmodelle abgeleitet.