Wie viel Personalisierung braucht der Bewegtbildmarkt aus Sicht der Zuschauer*innen?

Abstract

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.

In non-linear streaming, algorithm-based recommendation services automatically highlight a preselection of audiovisual content options based on viewers' individual preferences. In order to determine these preferences, the providers of such services must collect and evaluate personal data, such as viewing behavior. Viewers must therefore weigh the benefit of personalization against the loss of privacy when using these services. This article examines this "privacy calculus" by viewers, as well as the associated business model implications for streaming services from a media-economic perspective. In particular, it analyzes how much personalization is optimal from the viewer's perspective and how heterogeneous sensitivities of data disclosure, system efficiency and the reputation of providers in a trustworthy handling of personal data effect the viewer’s calculation.