Nachwuchsforscher/in 2023 - BVM/VMÖ/SWISS INSIGHTS: Preisträgerinnen Preis der Deutschen Marktforschung 2023
Die Preisträgerin in der Kategorie Dissertation
AI, Algorithms, and the Consumer: How Transparency Affects Perception and Adoption of Algorithmic Technologies
Von Produktempfehlungen und Suchmaschinenfiltern bis hin zu Online-Dating und autonomen Produkten: Konsumenten und Konsumentinnen sind zunehmend mit Künstlicher Intelligenz und Algorithmen konfrontiert. Doch während Errungenschaften in Informatik, Data Science und Machine Learning die technologische Weiterentwicklung von KI immer weiter vorantreiben, steckt die Forschung aus der Konsumentenperspektive noch in den Kinderschuhen.
In ihrer Forschung beschäftigt sich Melanie Clegg mit Wahrnehmung und Interaktion von Konsumenten mit algorithmenbasierten Technologien und Produkten. In ihrem Vortrag beleuchtet sie die psychologischen Prozesse, die bedingen wann und weshalb Konsumenten KI-Technologien akzeptieren und wie sie mit diesen umgehen. Die Ergebnisse von konsumentenbasierten Studien zeigen, dass diese psychologischen Wahrnehmungsprozesse direkte Implikationen für die Adoption und Kaufbereitschaft von KI-gesteuerten Produkten haben.
„Die Dissertation von Melanie Clegg überzeugt durch eine sehr umfangreiche Literaturanalyse, ein durchdachtes Studiendesign, das mit Labor-, Online- und Feldexperimenten sowie konzeptueller Arbeit qualitative und quantitative Methoden sinnvoll kombiniert und dabei wichtige Implikationen für die Praxis mit konkreten Handlungsempfehlungen liefert. Mit ihrem zukunftsweisenden Thema hat Melanie Clegg die Jury überzeugt und das Rennen für sich entschieden“, begründete Prof. Dr. Henning Schröder die Entscheidung der Jury.
Die Preisträgerin in der Kategorie Masterarbeit
Vorhersage der Wirkung von Katalog-Marketing durch Einsatz von Causal Machine Learning
Entwicklung eines Katalog-Uplift-Modells mit Beobachtungsdaten für ein Mode-Versand-Unternehmen
Printmedien, insbesondere Kataloge, spielen für einige Unternehmen eine zentrale Rolle im Direktmarketing. Um nur Personen einen Katalog zuzusenden, bei denen dieser einen Kaufreiz auslöst, kann im datengetriebenen Marketing mithilfe eines Uplift-Modells die Wirkung des Katalogs pro Person modelliert werden. Im Goldstandard werden dazu Daten aus randomisierten Studien verwendet, was jedoch in der Praxis oft mit unerwünschten Kosten verbunden ist. Causal Machine Learning, ein in den letzten Jahren immer stärker erforschtes Verfahren, das Data Science und die Grundlagen kausaler Inferenz kombiniert, ermöglicht die Erstellung von Uplift-Modellen auf Basis von Beobachtungsdaten. In ihrem Vortrag präsentiert Jessica Wagner ihre Masterarbeit, in der sie für ein Mode-Versandunternehmen ein Katalog-Uplift-Modell mit Causal Machine Learning erstellt und validiert hat. Die Ergebnisse der Arbeit zeigen, dass Causal Machine Learning eine innovative Alternative zum Goldstandard darstellt.
„Jessica Wagner greift das in der Praxis hoch relevante Thema „Werbewirkung“ mit einem innovativen Causal-Machine-Learning-Modellierungsansatz auf. Die Kooperation mit einem Unternehmen ermöglichte ihr insbesondere die Nutzung von umfangreichen echten Beobachtungsdaten für Training und Validierung der Modelle. Ihre Verfahren haben den Praxistest schon bestanden. Die innovative Herangehensweise, das sehr gute Problemverständnis, die anspruchsvolle Methodik, umfangreiche Validierungen der Modelle, die klare Diskussion auch von Limitationen und nicht zuletzt die hohe Praxisrelevanz heben die Arbeit deutlich heraus. Für die Jury war die Entscheidung damit leicht“, so Prof. Dr. Henning Schröder bei seiner Laudatio.