Algorithmenbasierte Empfehlungsdienste stellen Zuschauern im nichtlinearen Streaming individuell audiovisuelle Inhalte in einer Vorauswahl zusammen, die potenziell ihren Präferenzen entsprechen. Um die Präferenzen der Zuschauer zu ermitteln, müssen die Anbieter solcher Dienste personenbezogene Daten wie z. B. das Sehverhalten erheben und auswerten. Zuschauer 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 Zuschauern aus einer medienökonomischen Perspektive untersucht. Im Fokus steht die Fragestellung, wie viel Personalisierung aus Zuschauersicht 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 haben. Aus den Ergebnissen werden zudem Implikationen für Geschäftsmodelle abgeleitet.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.