Lade Inhalt...

Messenger-Chatbots im Mobile Commerce in Deutschland

Einflussfaktoren der Nutzerakzeptanz

Masterarbeit 2018 89 Seiten

Ingenieurwissenschaften - Wirtschaftsingenieurwesen

Leseprobe

Inhaltsverzeichnis

Abkurzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung
1.1 Motivation und Problemstellung
1.2 Forschungsziel und-fragen
1.3 Aufbau der Arbeit

2 Theoretische Grundlagen
2.1 Klassifizierung von Mobile Commerce
2.1.1 Definition des Begriffs
2.1.2 B2C-Services im M-Commerce
2.2 Messenger-Chatbots
2.2.1 Definition und Begriffsabgrenzung
2.2.2 Einsatzmoglichkeiten im M-Commerce

3 Stand der Forschung
3.1 Technologieakzeptanzmodell
3.2 Methodik zur Identifikation relevanter Publikationen
3.3 Eignung der wissenschaftlichen Erkenntnisse zur Untersuchung der
Nutzerakzeptanz von Messenger-Chatbots

4 Modellkonzeption
4.1 Vorgehensmodell
4.2 Basismodell
4.3 Modellkonstrukte und Hypothesenbildung
4.3.1 Endogene Konstrukte
4.3.2 Exogene Konstrukte
4.4 Hypothesenubersicht

5 Empirische Methodik
5.1 Entwicklung des Erhebungsinstruments
5.2 Befragungsdurchfuhrung
5.2.1 Datenerhebung und-basis
5.2.2 Deskriptive Statistiken
5.2.3 Gutebeurteilung der Datenbasis
5.3 Methodik der Kovarianzanalyse
5.3.1 Reliabilitatsprufung des Messmodells
5.3.2 Validitatsprufung des Messmodells
5.3.3 Prufung des Gesamtmodells

6 Empirische Untersuchung
6.1 Guteprufung der Messmodelle
6.1.1 Uberprufung der Reliabilitat mit den Gutekriterien der
Generation
6.1.2 Uberprufung der Reliabilitat mit den Gutekriterien der
Generation
6.1.3 Uberprufung der Validitat
6.1.4 Zusammenfassung der Guteprufung der Messmodelle
6.2 Guteprufung des Gesamtmodells
6.3 Uberprufung der Hypothesen
6.4 Uberprufung der Einflussfaktoren durch die totalen Effekte
6.5 Auswertung der Kontrollvariablen
6.6 Diskussion der empirischen Ergebnisse
6.6.1 Bestatigte Hypothesen
6.6.2 Nicht bestatigte Hypothesen

7 Zusammenfassung, Implikationen und Ausblick
7.1 Zusammenfassung der Ergebnisse
7.2 Implikationen fur die Forschung
7.3 Implikationen fur die Praxis
7.4 Limitationen
7.5 Ausblick

Literaturverzeichnis

Anhang

Abkurzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abbildung 1: Aufbau der Arbeit

Abbildung 2: Kategorisierung von E-Business und E-Commerce, M-Business und M-Commerce

Abbildung 3: Klassifikation von B2C-Services im M-Commerce

Abbildung 4: Technologieakzeptanzmodell

Abbildung 5: Empirisches Vorgehensmodell

Abbildung 6: Basismodell zur Nutzerakzeptanz von Messenger-Chatbots

Abbildung 7: Forschungsmodell

Abbildung 8: Schatzergebnisse des Forschungsmodells

Abbildung 9: Akzeptanzmodell zur Nutzung von Messenger-Chatbots im M­Commerce

Tabellenverzeichnis

Tabelle 1: Schlusselworter und Suchbegriff der Literatursuche

Tabelle 2: Ubersicht der aufgestellten Hypothesen

Tabelle 3: Indikatoren des Forschungsmodells

Tabelle 4: Zusammensetzung der Stichprobe

Tabelle 5: Ubersicht der Gutekriterien zur Reliabilitatsprufung

Tabelle 6: Ubersicht der Gutekriterien zur Beurteilung des Modell-Fits

Tabelle 7: Reliabilitatsberechnungen des Konstrukts Einstellung

Tabelle 8: Reliabilitatsberechnungen des Konstrukts wahrgenommene Nutz- lichkeit

Tabelle 9: Reliabilitatsberechnungen des Konstrukts wahrgenommene Be- nutzerfreundlichkeit

Tabelle 10: Reliabilitatsberechnungen des Konstrukts wahrgenommenes Ri- siko

Tabelle 11: Reliabilitatsberechnungen des Konstrukts wahrgenommene Kom- patibilitat

Tabelle 12: Reliabilitatsberechnungen des Konstrukts Innovationsbereit- schaft

Tabelle 13: Reliabilitatsberechnungen des Konstrukts Verhaltensabsicht

Tabelle 14: Reliabilitatsberechnungen mithilfe der Gutekriterien der 2. Ge­neration

Tabelle 15: Beurteilung der Diskriminanzvaliditat anhand des Fornell-Larcker- Kriteriums

Tabelle 16: Beurteilung der Diskriminanzvaliditat nach Ausschluss des Kon- strukts Einstellung

Tabelle 17: GutemaBe zur Beurteilung des Modell-Fits

Tabelle 18: Ergebnisse der Hypothesenprufung

Tabelle 19: Totale Effekte im Modell

Tabelle 20: GutemaBe fur das Vergleichsmodell

Tabelle 21: Einfluss der soziookonomischen Kontrollvariablen

1 Einleitung

1.1 Motivation und Problemstellung

Der technologische Fortschritt seit der Entwicklung des Internets und dem Erfolg der Smartphones fuhrt zu einschneidenden Veranderungen in der Kommunikation. Davon betroffen sind auch die geschaftlichen Beziehungen zwischen Verbrauchern und Unternehmen. Das Internet hat den elektronischen Handel, auch Electronic Commerce (E-Commerce) genannt, angetrieben und das Wachstum von mobilen Endgeraten sowie drahtlosen Netzwerken hat zur Entwicklung von Mobile Com­merce (M-Commerce) gefuhrt (vgl. Ngai/Gunasekaran 2007, S. 4).

Neben dem Aufstieg von M-Commerce steigt die Anzahl der monatlich akti- ven Nutzer von mobilen Instant-Messengern bestandig. Facebook Messenger und WhatsApp alleine haben jeweils uber eine Milliarde aktive Nutzer pro Monat (vgl. Activate 2016, S. 39). Die vier groBten Instant-Messaging-Dienste haben die vier groBten sozialen Netzwerke in der Anzahl der monatlich aktiven Nutzer bereits uberholt (vgl. Statista 2017). Als Reaktion auf das veranderte Nutzerverhalten bie- ten einige Unternehmen ihren Kunden Serviceleistungen uber Instant-Messenger an, z.B. Fluggesellschaften den Check-In, die Moglichkeit zur Beantwortung von Fragen und die Bereitstellung von Informationen zu Flugen. Modemarken offerie- ren ihren Kunden bspw. Beratungsleistungen basierend auf vorherigen Kaufen und ihren personlichen Praferenzen. In einem mobilen Instant-Messenger erfolgen der Austausch und die Ubertragung von Informationen uber Text-, Bild- und Sprach- nachrichten. Statt anzurufen oder eine E-Mail zu schreiben, konnen die Verbraucher in Echtzeit uber Chats in Kontakt zu Unternehmen treten, was Zeitoptimierung und Flexibilitat bedeutet.

Kunstlich intelligente Dialogsysteme (Chatbots) konnen genutzt werden, um die Interaktion zwischen Kunde und Unternehmen in den Instant-Messaging-Diensten zu automatisieren. Chatbots sind Computerprogramme, die in einer Unterhaltung mit dem Benutzer Texte, Sprache und Bilder als Eingabe akzeptieren und selbige als Ausgabe generieren (vgl. Griol et al. 2013, S. 760). Die Nutzung von Chatbots durch Unternehmen ist keine Neuheit. Chatbots werden bereits seit Jahren in web- basierten Online-Umgebungen zur Erleichterung des Kundenservices eingesetzt. In jungster Zeit finden Chatbots in mobilen Instant-Messaging-Diensten Anwendung. Ein Messenger-Chatbot kann eine Kaufabsicht erkennen und auf Basis der Kunden- auswahl und -praferenzen die Angebote verfeinern. Der Messenger-Chatbot kann u.a. die Verkaufsberatung, die Bestellung, die Abrechnung und den gesamten Lie- ferprozess beschleunigen und vereinfachen.

Die Benutzung von Messenger-Chatbots durfte reizvoll fur Unternehmen sein, da die Phasen im Kaufprozess kombiniert (vgl. Shopify 2016) und zu einem Einkaufs- kanal „aus einer Hand“ verkurzt werden. Weiterhin ist der Einsatz von Messenger- Chatbots deutlich kosteneffizienter als die menschliche Betreuung der Kunden (vgl. Mott et al. 2004, S. 3).

Bisher werden mobile Instant-Messenger in Deutschland ublicherweise zur Kom- munikation mit Freunden, der Familie und Bekanntschaften genutzt. Es ist bislang unbestimmt, ob die Menschen dieselbe Plattform auch fur kommerzielle Zwecke wie Online-Shopping nutzen werden. Da die Nutzer selbst entscheiden, ob und in welchem Umfang sie Messenger-Chatbots im M-Commerce nutzen wollen, ist die Erforschung der Akzeptanz dieser neuen Technologie aus Verbrauchersicht fur ih- ren Erfolg von entscheidender Bedeutung (vgl. Konigstorfer/Groppel-Klein 2006, S.4f.).

Aufgrund der Neuartigkeit der Technologie besteht ein Mangel an Untersuchun- gen der Nutzerakzeptanz von Messenger-Chatbots im M-Commerce (vgl. Kapitel 3.2). Vorliegende Studien konzentrieren sich einerseits auf die Verwendung von Chatbots auf Webseiten und andererseits auf Faktoren, welche die Akzeptanz von M-Commerce beeinflussen konnen. Im Bereich der Messenger-Chatbots fehlen Ar- beiten mit Modellen zur Erforschung von Faktoren, welche die Nutzerakzeptanz im M-Commerce beeinflussen. Aufgrund dessen besteht in der Forschung nur ein rudi- mentares Verstandnis von relevanten Treibern und Barrieren der Nutzerakzeptanz.1

Die Untersuchung dieser Einflussfaktoren ist somit Anlass und Zweck dieser Arbeit und soll zur SchlieBung der Forschungslucke beitragen. Ausgehend davon lasst sich folgende, grundlegende Problemstellung entwickeln: Was sind EinflussgroBen der Verhaltensabsicht zur Nutzung von Messenger-Chatbots? Die vorliegende Arbeit gibt Antworten auf diese Frage, die bei der Entwicklung und Implementierung von Messenger-Chatbots von zentraler Bedeutung ist.

1.2 Forschungsziel und -fragen

Aus der dargelegten Ausgangssituation, ihrer theoretischen und praktischen Rele- vanz und dem bisher unzureichenden Forschungsstand lasst sich das primare For- schungsziel ableiten. Es ist das Ziel, ein Modell zur Erforschung der Einflussfak- toren der Nutzerakzeptanz von Messenger-Chatbots zu entwickeln und empirisch zu uberprufen. Die Einflussfaktoren werden nach Treibern und Barrieren differen- ziert. Zur Erreichung des Forschungsziels werden die Konstrukte des Forschungs- modells aus der Theorie hergeleitet sowie Untersuchungshypothesen aufgestellt und einer empirischen Uberprufung unterzogen. Auf der Grundlage des formulierten Forschungsziels lasst sich folgende Forschungsfrage formulieren:

Welche Einflussfaktoren wirken auf die Nutzerakzeptanz von Messenger- Chatbots und wie intensiv sind diese Einflussfaktoren ausgepragt?

Das bestehende Verstandnis lasst sich aufgrund ahnlicher Merkmale von mobilen Anwendungen und Messenger-Chatbots aus vorherigen Untersuchungen des M-Commerce ableiten.

1.3 Aufbau der Arbeit

In diesem Abschnitt werden der Aufbau dieser Arbeit vorgestellt und die Inhalte der einzelnen Kapitel beschrieben. Eine Ubersicht iiber den Aufbau der Arbeit zeigt Abbildung 1.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Aufbau der Arbeit Quelle: Eigene Darstellung

Nach der bereits erfolgten Einleitung in die Thematik in Kapitel 1 werden in Kapitel 2 die theoretischen Grundlagen der Arbeit dargelegt. Es werden die Be- grifflichkeiten Mobile Commerce sowie Messenger-Chatbots vorgestellt und fur die weitere Verwendung im Rahmen dieser Arbeit abgegrenzt.

Das Kapitel 3 beinhaltet einen Uberblick iiber den aktuellen Stand der Forschung. Das theoretische Fundament dieser Arbeit bildet das Technologieakzeptanzmodell, welches vorgestellt wird. Im weiteren Verlauf wird eine Methodik zur Identifikation relevanter Publikationen beschrieben. Weil das neue Forschungfeld der Messenger- Chatbots noch keine Erkenntnisse iiber Einflussfaktoren der Nutzerakzeptanz lie- fert, werden Studien aus dem Anwendungsgebiet und nahestehenden Forschungs- feld M-Commerce herangezogen. Auf Basis einer Analyse dieser Studien werden die wissenschaftlichen Erkenntnisse in Bezug auf wesentliche Einflussfaktoren der Nutzerakzeptanz und deren Wirkungsbeziehungen abgeleitet sowie deren Eignung zur Untersuchung der Nutzerakzeptanz von Messenger-Chatbots eruiert.

In Kapitel 4 erfolgt die Modellentwicklung basierend auf den erlauterten theoreti­schen Grundlagen und den empirischen Erkenntnissen aus der Forschung. Zunachst wird ein Vorgehensmodell des empirischen Teils dieser Arbeit vorgestellt. Im Zen- trum der Modellentwicklung stehen die Konzeptualisierung der Konstrukte und die Hypothesenbildung. Die Wirkungsbeziehungen zwischen den einzelnen Konstruk- ten zeigt eine Ubersicht am Schluss des Kapitels.

In Kapitel 5 wird auf die empirische Methodik dieser Arbeit eingegangen. Zunachst erfolgen die Konzeption des Erhebungsinstruments und die damit einhergehende Operationalisierung der Konstrukte des theoretischen Modells mit praktischen Fra- gestellungen. AnschlieBend werden im Abschnitt der Befragungsdurchfuhrung die Datenerhebung und -basis beschrieben, die deskriptiven Statistiken ausgewertet und die Gutebeurteilung des Datensatzes vorgenommen. AbschlieBend werden vorbe- reitend auf die empirische Uberprufung relevante Aspekte der Methodik der Kova- rianzanalyse, dem mathematischen Gerust dieser Untersuchung, erlautert.

Das Kapitel 6 hat die empirische Untersuchung des Modells zum Gegenstand. Hier- zu werden zunachst die Messmodelle auf Reliabilitat und Validitat uberpruft und das Gesamtmodell anhand von Gutekriterien beurteilt. Im Anschluss daran werden die aufgestellten Hypothesen auf Grundlage der erhobenen Daten gepruft. Weiter- hin werden die empirischen Ergebnisse diskutiert.

Am Ende wird in Kapitel 7 eine Zusammenfassung der Ergebnisse dieser Arbeit dargestellt. Aus den Ergebnissen werden Implikationen fur Forschung und Praxis abgeleitet. Fur die Forschung werden relevante Themenfelder aufgezeigt, von denen nachfolgende Studien profitieren konnten. Vertreter von Unternehmen konnten zu- dem MaBnahmen zur Entwicklung und Implementierung von Messenger-Chatbots ableiten. Es werden auBerdem Limitationen der Untersuchung und Ansatzpunkte fur die weitere Forschung erortert.

2 Theoretische Grundlagen

2.1 Klassifizierung von Mobile Commerce

2.1.1 Definition des Begriffs

In der wissenschaftlichen Auseinandersetzung mit einer Thematik ist es erforder- lich, zunachst eine saubere Abgrenzung des Untersuchungsgegenstands vorzuneh- men. Dies ist besonders bei einem Thema wie dem M-Commerce von Bedeutung, das durch verschiedene Begriffsinhalte gekennzeichnet ist (vgl. Link 2003, S. 2). Es ist zweckmaBig, zuerst die Oberbegriffe des M-Commerce einer genaueren Betrach- tung zu unterziehen. Die in Abbildung 2 vorgenommene Kategorisierung von Elec­tronic Business (E-Business), E-Commerce, Mobile Business (M-Business) und M- Commerce bietet dazu einen Zugang.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Kategorisierung von E-Business und E-Commerce, M-Business und M- Commerce Quelle: Eigene Darstellung in Anlehnung an Konigstorfer/Groppel-Klein (2008), S. 6

In weiten Teilen konnen M-Business als Spezialfall des E-Business und M- Commerce als Spezialfall des E-Commerce aufgefasst werden, in denen Ge- schaftsprozesse bzw. Transaktionen anstatt in kabelgebundenen Netzwerken oder auf stationaren Endgeraten in mobilen Netzwerken oder auf mobilen Endgeraten ausgefuhrt werden (vgl. Broeckelmann 2010, S. 13). Die Uberschneidung der jewei- ligen Kreise in Abbildung 2 verdeutlicht dies. M-Business und M-Commerce wer­den jedoch als separate Bereiche dargestellt, da sich mobile Endgerate durch eini- ge Nutzenversprechen auszeichnen, iiber die stationare Netzwerktechnologien nicht oder nur eingeschrankt verfugen. Diese Charakteristika sind die Ortsunabhangigkeit der Nutzung, die standige Erreichbarkeit des Nutzers, die Lokalisierung des Nutzers sowie die Personalisierung des Gerats (vgl. Clarke III 2008). Dadurch entstehen in­novative Anwendungen, die dem Verbraucher durch Ausnutzung dieser Nutzenver- sprechen einen Mehrwert generieren (vgl. Bocker/Quabeck 2001, S. 212 ff.).

In der vorliegenden Arbeit wird M-Commerce als eine Subkategorie des M- Business verstanden. Wahrend im M-Business die Wertschofpungsprozesse zwi- schen Konsumenten, Unternehmen und staatlichen Stellen Gegenstand der Betrach- tung sind, grenzt sich der M-Commerce durch Anwendungen zwischen Konsu­menten und Unternehmen, auch als Business-to-Consumer (B2C) bezeichnet, ab (vgl. Konigstorfer/Groppel-Klein 2008, S. 7). Eine Abgrenzung des M-Commerce zum E-Commerce ergibt sich dadurch, dass Transaktionen uber mobile Netzwer- ke ermoglicht werden, die von mobilen Endgeraten angesteuert werden, statt der Nutzung von elektronischen Internetnetzwerken (vgl. Konigstorfer/Groppel-Klein 2008, S. 6).

Fur diese Arbeit wird eine nach Broeckelmann (2010, S. 13) modifizierte, engere Definition fur M-Commerce gewahlt, die das Nutzenversprechen im Zusammen- spiel mit den Transaktionsphasen zum Ausdruck bringt.2

Arbeitsdefinition: Mobile Commerce

Als Unterkategorie des M-Business umfasst Mobile Commerce alle Phasen ei- ner Transaktion - d.h. die digitale Anbahnung, Aushandlung und/oder Abwick- lung - zwischen Unternehmen und Konsumenten (B2C) in mobilen Netzwerken uber mobile Endgerate. M-Commerce schafft fur die Marktteilnehmer direkt oder indirekt einen wahrgenommenen oder realen Wert.

2.1.2 B2C-Services im M-Commerce

Anwendungen im M-Commerce werden unter dem Begriff Mobile Services zu- sammengefasst (vgl. Broeckelmann 2010, S. 14). Darunter sind hauptsachlich Kommunikations-Services (E-Mail, Short Messaging Service (SMS), Instant Mes­saging etc.), Informations-Services (Wetter, Sport, Nachrichten etc.), Entertainment (Videos, Spiele etc.) und kommerzielle Geschaftstatigkeiten (Kauf von Produkten, Reservierungen etc.) uber mobile Endgerate zu verstehen (vgl. Zarmpou et al. 2012, S. 226). Eine Klassifikation relevanter Anwendungskategorien von 31 konkreten B2C-Services im M-Commerce liefert Abbildung 3 auf Seite 7 (vgl. Barut→u 2007, S. 28). Darin werden 8 Dienstleistungsklassen unterschieden.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Klassifikation von B2C-Services im M-Commerce Quelle: Eigene Darstellung in Anlehnung an Bamtai (2007), S. 28

Ein Messenger-Chatbot verkniipft mehrere B2C-Services und ist in der Lage, die Kommunikations-Services mit mehreren der in Abbildung 3 aufgefuhrten Anwen- dungskategorien zu kombinieren (vgl. Kapitel 2.2).

2.2 Messenger-Chatbots

2.2.1 Definition und Begriffsabgrenzung

Chatbots, die auch ..Chatterbots", ..Virtual Agents“, ..Digital Assistants" oder „Con- versational Agents" genannt werden, produzieren simulierte Konversationen, in de- nen der menschliche Benutzer und der Chatbot iiber Text- und Sprachnachrichten oder Bilder kommunizieren (vgl. McTear et al. 2016, S. 57). Der Name Chatbot ergibt sich aus einer Kombination des englischen Worts „Chat“ (deutsch: Plaudem) und der Kurzform des englischen Wortes ..Robot" (deutsch: Roboter) (vgl. Braun 2003, S. 21).

Bei der Interaktion mit Chatbots spielt das Natural Language Processing (NLP) - also die Analyse von sprachwissenschaftlichen Daten3 mit Hilfe von Rechenme- thoden (vgl. Verspoor/Cohen 2013, S. 1495) - eine wesentliche Rolle. Durch die Verwendung von NLP konnen Lragen zu einem bestimmten Thema, bestehend aus Wortem, Phrasen und Satzen in geeigneter Weise auf den Computer ubertragen und beantwortet werden (vgl. Goksel-Canbek/Mutlu 2016, S. 594). Chatbots sind da- mit ein Teilbereich des Gebiets der Kunstlichen Intelligenz (KI). Konversationen werden unter Verwendung eines Stimulus-Response-Ansatzes erzeugt, bei dem die Eingabe des Benutzers mit einer groBen Menge an gespeicherten Mustern aus einer Wissensbasis abgeglichen und eine passende Antwort bzw. Aktion ausgegeben wird (vgl. McTear et al. 2016, S. 57). Durch die Anwendung von KI konnen Chatbots mehrstufige und komplexe Anfragen von Benutzern prognostizieren, verstehen und durchfuhren (vgl. Goksel-Canbek/Mutlu 2016, S. 594). Bisher finden die meisten Gesprache mit Chatbots textbasiert statt, obwohl einige neuere Chatbots die Stimm- und Bilderkennung als Input und Output nutzen (vgl. McTear et al. 2016, S. 57).

Der Begriff Chatbot wird im wissenschaftlichen Sinne auf verschiedene Weise de- finiert. Nach Dale (2016, S. 811) definiert sich das Grundkonzept von Chatbots als ergebnisorientierte Konversation: „[... ] achieve some result by conversing with a machine in a dialogic fashion, using natural language. “ Desaulniers (2016) legt den Fokus der Definition von Chatbots auf die Verbindung von Nachrichtensofort- versand mit KI: „[Chatbots can be defined as] interactive messaging powered by artificial intelligence.“ Zusatzlich zu Desaulniers definiert Schlicht (2016) einen Chatbot als „service, powered by rules and sometimes artificial intelligence, that you interact with via a chat interface.“ Die vorgestellten Definitionen unterscheiden sich, nehmen aber alle darauf Bezug, dass Chatbots durch KI bzw. NLP getrieben werden.

Ein „Messenger-Chatbot“ im Sinne der vorliegenden Arbeit entspricht der nachste- henden modifizierten Definition nach Abu Shawar/Atwell (2007, S. 29), in welcher die Kommunikation uber Text- und Sprachnachrichten sowie Bildern, die Einord- nung von Messenger-Chatbots in den Bereich der KI und die Integration in Instant- Messaging-Dienste besonders herausgestellt wird.

Arbeitsdefinition: Messenger-Chatbot

Ein Messenger-Chatbot ist ein intelligentes Softwareprogramm, das mit seinem Benutzer in naturlicher Sprache uber Text- und Sprachnachrichten sowie Bil­dern kommuniziert. Der Messenger-Chatbot kann die komplette Steuerung ei- nes Accounts oder Profils in einem Instant-Messaging-Dienst ubernehmen und automatisch auf Nachrichten reagieren.

Im weiteren Verlauf dieser Arbeit wird aus Grunden der Vereinfachung ein Messenger-Chatbot auch als Chatbot bezeichnet.

2.2.2 Einsatzmoglichkeiten im M-Commerce

Die Anwendung von Messenger-Chatbots fur kommerzielle Zwecke ist Teil ei- ner Weiterentwicklung des M-Commerce, die im anglizistischen Sprachraum als Conversational Commerce" (vgl. Messina 2016) bezeichnet wird. Messina (2016) versteht darunter: „[... ] utilizing chat, messaging, [...] to interact with people, brands, or services and bots that heretofore have had no real place in the bidirec­tional, asynchronous messaging context. “ Conversational Commerce bezieht sich also auf die Anwendung von Messenger-Chatbots im M-Commerce, was durch Ku­mar (2016) als „chat as an interface for commerce“ beschrieben wird.

Die Nutzer kommunizieren uber Text- und Sprachnachrichten in mehreren asyn- chronen Konversationen zur gleichen Zeit (vgl. Dale 2016, S. 815). Durch das veranderte Nutzerverhalten (vgl. Kapitel 1.1) ergeben sich somit Potenziale zum Einsatz von Chatbots auf diesen Plattformen in B2C-Transaktionen (vgl. Kapitel 2.1.2). Als Reaktion darauf bieten erste Unternehmen ihren Kunden Serviceleistun- gen uber Messenger-Chatbots an (vgl. McTear et al. 2016, S. 57). Nutzer haben die Moglichkeit, mittels eines Instant-Messaging-Dienstes (z.B. Facebook Messen­ger) mit Unternehmen uber deren firmeneigene Chatbots in Interaktion zu treten. Dies bietet den Vorteil, dass die Kommunikation mit den Unternehmen uber ei- ne dem Nutzer vertraute Benutzeroberflache in komfortabler Art und Weise uber Text-, Sprach- oder Bildeingabe in Dialogform durchgefuhrt werden kann. Die Be­nutzeroberflache ist durch den Chat intuitiver und weniger komplex als die visuelle Oberflache von Webseiten und Apps. Zudem verwenden Messenger-Chatbots die Instant-Messenger-Infrastruktur, weshalb der Download einer separaten App des Unternehmens nicht mehr notwendig ist (vgl. Amir 2016). Durch Integration ver- schiedener Schnittstellen konnen Bestellung, Abrechnung und Lieferung uber den Chatbot abgewickelt werden. Damit stellt der Messenger-Chatbot einen vollstandi- gen Einkaufskanal dar (vgl. Shopify 2016).

Chatbots konnen den Kunden mit strukturierten Nachrichten antworten, die zusatz- lich Links und Buttons mit Handlungsaufforderungen beinhalten. Anlassbezogen konnen Kunden durch Produktgalerien blattern (vgl. Constine 2016). Dadurch er- geben sich Moglichkeiten zur Produktsuche und der Kunde kann auf alle Produkte und Dienstleistungen des Unternehmens zugreifen. Uber die Integration von Web- seiten kann sich der Kunde Produktdetails und weitere Inhalte anzeigen lassen. Au- Berdem konnen mehrere Produkte miteinander verglichen werden. Erganzend da- zu wird von Shopify (2016) dargelegt, dass die Verbraucher in der Interaktion mit dem Chatbot umfassenden Kundensupport vor und nach dem Kauf erhalten, Fra- gen stellen, personalisierte Vorschlage bekommen, Produktbewertungen lesen und Produkte kaufen konnen. Der gesamte Bestell-, Bezahl- und Lieferprozess kann bei einmalig im Instant-Messenger zu hinterlegenden Personen- und Kontoinformatio- nen uber den Chatbot erfolgen.

Der Chatbot fungiert wie ein personlicher Assistent, der eine Reihe von Services anbietet und fur den Kunden zu jeder Zeit und von uberall aus erreichbar ist (vgl. Shevat 2016). Fur eine Ubersicht moglicher Services wird auf das Kapitel 2.1.2 ver- wiesen. Exemplarisch sind Dienstleistungsangebote von Reisen und Mobilitat (z.B. Reiseplanungen und -bestellungen, Flugbuchungen, Taxibestellungen), Produktein- kaufe und der Bezug von Nachrichten, Tageszeitungen und Wetterinformationen zu nennen.

3 Stand der Forschung

3.1 Technologieakzeptanzmodell

Ein weit verbreitetes Modell und die bekannteste Theorie in der Nutzerakzeptanz- forschung (vgl. King/He 2006, S. 740) ist das Technologieakzeptanzmodell (TAM) von Davis (1986). Ziel des Modells ist es, die Nutzerakzeptanz von Technolo- gien im Bereich der Informationssysteme zu erklaren und ein geeignetes Modell zur Vorhersage der Akzeptanz von technologischen Innovationen zu schaffen (vgl. Davis 1989, S. 320). Das Modell basiert auf der von Fishbein und Ajzen vor- geschlagenen und aus der Psychologie stammenden Theory of Reasoned Acti­on (TRA), die besagt, dass ein bestimmtes Verhalten durch die Verhaltensabsicht gegeniiber der Nutzung bestimmt wird (vgl. Fishbein/Ajzen 1975). Das TAM (vgl. Abbildung 4) gewahrt Einblicke in die Auswirkungen von externen Faktoren auf die inneren Uberzeugungen, die Einstellung und die Verhaltensabsicht (vgl. Davis et al. 1989, S. 985).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Technologieakzeptanzmodell

Quelle: Eigene Darstellung in Anlehnung an Davis et al. (1989), S. 985

Die zentralen Konstrukte des TAM sind die wahrgenommene Niitzlichkeit und die wahrgenommene Benutzerfreundlichkeit der jeweiligen Technologie (vgl. Davis 1989, S. 985). Diese zwei Konstrukte beeinflussen direkt und indirekt maBgeblich die Einstellung gegeniiber der Nutzung, die Verhaltensabsicht gegeniiber der Nut­zung und die tatsachliche Nutzung neuer Technologien (vgl. Abbildung 4).

Dabei ist die wahrgenommene Niitzlichkeit definiert als der Grad, zu welchem die Nutzung einer bestimmten Technologie das Leistungsvermogen des Anwenders er- hoht: perceived usefulness is definied here as the degree to which a person believes that using a particular system would enhance his or her job performance“ (vgl. Da­vis 1989, S. 320).

Die wahrgenommene Benutzerfreundlichkeit dagegen ist definiert als der Grad, zu welchem der Anwender die Nutzung einer bestimmten Technologie als miihelos ansieht: „Perceived ease of use [...] refers to the degree to which a person believes that using a particular system would be free of effort→ (vgl. Davis 1989, S. 320).

Die tatsachliche Nutzung des Systems hangt von der Verhaltensabsicht gegeniiber der Nutzung ab. Im Gegenzug ist die Verhaltensabsicht einerseits von der wahrge- nommenen Niitzlichkeit und andererseits von der Einstellung gegeniiber der Nut- zung abhangig. Die wahrgenommene Nutzlichkeit und die wahrgenommene Benut- zerfreundlichkeit formen die Einstellung gegenuber der Nutzung. Das TAM bein- haltet auBerdem eine direkte Wirkung der wahrgenommenen Benutzerfreundlich- keit auf die wahrgenommene Nutzlichkeit. Die endogenen Konstrukte wahrgenom­mene Nutzlichkeit und wahrgenommene Benutzerfreundlichkeit werden von exter- nen Variablen beeinflusst, die nicht durch das Modell erklart werden (vgl. Abbil- dung 4). Diese Faktoren konnen aus Produkt- oder Dienstleistungscharakteristika sowie subjektiven Einstellungen bestehen (vgl. Eickholt 2015, S. 87).

In den vergangenen drei Jahrzehnten hat sich das TAM zu einem Standardmodell zur Vorhersage der Nutzerakzeptanz entwickelt. Es zeichnet sich durch Sparsam- keit4, durch zuverlassige und valide Messungen und durch eine Generalisierbarkeit fur eine Reihe von Kontexten und Technologien aus (vgl. Venkatesh/Ramesh 2006, S. 201).

Das TAM besitzt den Vorteil, dass die Anzahl und der Inhalt der Einflussfaktoren auf die wahrgenommene Nutzlichkeit, die wahrgenommene Benutzerfreundlichkeit und die Verhaltensabsicht variabel definierbar sowie fur die jeweilige Fragestellung anpassbar sind (vgl. Eickholt 2015, S. 94). Eickholt (2015, S. 94) betont: „Durch die AllgemeingUltigkeit und offene Gestaltung der Einflussfaktoren entsteht eine Flexi­bility, die es erlaubt, die Fragestellung [...] passgenau zu untersuchen.“

In der Literatur wird kritisiert, dass die Beschrankung auf die wahrgenommene Nutzlichkeit und die wahrgenommene Benutzerfreundlichkeit nicht ausreicht, um die Nutzerakzeptanz eingehend zu erklaren (vgl. Bagozzi 2007, S. 247 f.). Daher wird vorgeschlagen, dass das TAM durch Konstrukte erweitert werden sollte, die fur die zu untersuchende spezifische Technologie besonders relevant sind (vgl. Ven- katesh/Davis 2000, S. 187 ff.).

Um die Verhaltensabsicht zur Nutzung von Messenger-Chatbots zu erklaren, sind demnach bestimmte Erweiterungen des Modells angezeigt. Das TAM wird in dieser Arbeit als Ausgangspunkt der Forschung gesehen und soll um zusatzliche Konstruk­te erweitert werden, die fur die Akzeptanz von Messenger-Chatbots als relevant vermutet werden. Da eine Forschungslucke in Bezug auf Studien zur Nutzerakzep­tanz von Messenger-Chatbots besteht (vgl. Kapitel 3.2), werden empirische Arbei- ten mit gepruften, das TAM erweiternden Konstrukten aus dem Forschungsfeld M­Commerce recherchiert und analysiert. Diese Konstrukte dienen als Anhaltspunkte fur eine individuelle Anpassung des TAM zur Untersuchung der Nutzerakzeptanz von Messenger-Chatbots im M-Commerce. Im folgenden Kapitel wird die Metho- dik zur Identifikation relevanter Studien dargestellt.

3.2 Methodik zur Identifikation relevanter Publikationen

Im Rahmen der Literaturrecherche wurden wissenschaftliche Publikationen identi- fiziert, die das TAM als theoretische Basis und M-Commerce als Forschungsfeld untersucht haben.5 Zur Identifikation relevanter Publikationen wurde basierend auf den Vorschlagen von Marangunic/Granic (2015, S. 82) folgender strukturierter An- satz gewahlt:

1. Suche nach einem aus mehreren Stichwortern kombinierten Suchbegriff in Online-Literaturdatenbanken;
2. Vorauswahl der identifizierten Veroffentlichungen durch Uberprufen ihrer Titel und Abstracts auf Relevanz;
3. wenn Titel oder Abstracts der Publikationen fur die weitere Behandlung relevant erschienen, wurde der Volltext anhand von festgelegten Kriterien analysiert, um zu entscheiden, ob die Veroffentlichung in die finale Aus- wahl aufgenommen wird;
4. detailliertes Lesen und Analysieren der vollstandigen Texte jeder ausge- wahlten Publikation und anschlieBende Datenextraktion in eine tabellari- sche Ubersicht.

Es wurden die Suchworter identifiziert, die am haufigsten fur M-Commerce im Kontext des TAM verwendet wurden, um die benotigten Publikationen effizien- ter zu identifizieren (vgl. Sanakulov/Karjaluoto 2015, S. 247). Die resultieren- den Schlusselworter und der kombinierte Suchbegriff der Literatursuche sind in Tabelle 1 dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Schlusselworter und Suchbegriff der Literatursuche Quelle: Eigene Darstellung

Das Suchwort „chatbot“ wurde bewusst nicht im Suchbegriff berucksichtigt, denn eine Verknupfung des Suchbegriffs mit „chatbot“ ergab in der Literaturdatenbank Google Scholar lediglich einen Treffer.6 Dies bestatigt die Vermutung, dass eine Forschungslucke in Bezug auf Studien zur Technologieakzeptanz von Messenger- Chatbots im M-Commerce besteht.

Die Recherchen wurden auf die in englischer Sprache verfassten Publikatio- nen beschrankt, die in Fachzeitschriften und Tagungsbanden veroffentlicht wur­den. Zur Suche nach relevanten Artikeln wurden die internationalen Online- Literaturdatenbanken Google Scholar und Web of Science durchsucht. Nach der Vorauswahl wurden die identifizierten Veroffentlichungen anhand folgender Ein- schlusskriterien uberpruft (vgl. Sanakulov/Karjaluoto 2015, S. 248):

- Behandlung des TAM als zentrales Akzeptanzmodell,
- Untersuchung von M-Commerce als Forschungsfeld,
- Verfugbarkeit eines vollstandigen Berichts der Studie,
- Vorliegen einer empirische Studie,
- Aufbau auf einem operationalisierten Forschungsmodell,
- Erreichung einer StichprobengroBe von mindestens 100 fur die Analyse,
- Darstellung detaillierter Ergebnisse der Datenanalyse.

Durch diese Literaturrecherche konnten insgesamt 60 Publikationen identifiziert werden. Davon wurden 20 Beitrage (= 33,33 %) auf Grundlage der Einschluss- kritierien in den Forschungsuberblick aufgenommen.

3.3 Eignung der wissenschaftlichen Erkenntnisse zur Untersu­chung der Nutzerakzeptanz von Messenger-Chatbots

Die im Rahmen der Literaturanalyse identifizierten Studien zur Erforschung der Nutzerakzeptanz im M-Commerce ziehen allesamt das TAM als theoretisches Fun­dament heran. Anhang A bietet einen Uberblick uber die in Fachzeitschriften und Tagungsbanden veroffentlichten empirischen Studien, die nach den Kriterien Un- tersuchungsgegenstand, Land der Untersuchung, theoretische Basis, Erhebungsme- thodik, Stichprobe und Analyseverfahren ausgewertet wurden. Auf eine isolierte Diskussion der Inhalte jedes einzelnen Forschungsbeitrags wird aus Grunden des begrenzten Umfangs der Arbeit verzichtet. Stattdessen werden nachfolgend insge­samt Erkenntnisse und Anknupfungspunkte fur die vorliegende Arbeit abgeleitet.

Die Eignung des TAM zur Untersuchung und Beurteilung der Nutzerakzeptanz im M-Commerce wurde in den untersuchten Studien mehrfach bestatigt. Obwohl die ursprungliche Motivation des TAM die Untersuchung der Nutzung neuer Techno- logien am Arbeitsplatz war, hat es sich im Zuge der fortschreitenden Digitalisie- rung auch als geeignetes Akzeptanzmodell im M-Commerce erwiesen (vgl. Perea y Monsuwe et al. 2004, S. 104). Das TAM ermoglicht die Erforschung verschiede- ner Formen von technologischen Innovationen, wozu auch technologische Gerate wie Smartphones und dafur entwickelte Applikationen zahlen. Messenger-Chatbots stellen eine derartige technologische Innovation dar. Die Anwendung des TAM in diesem Kontext erscheint zielfuhrend, da das Konsumentenverhalten und somit die Anwenderperspektive analysiert werden. Aus Konsumentensicht ist bspw. zu ent- scheiden, ob die Chatbots intuitiv zu bedienen sind und inwieweit diese Substitute fur Webseiten und Apps darstellen (vgl. Eickholt 2015, S. 94). Die praktische Ver- wendbarkeit des TAM in diesem Kontext wird durch die Tatsache bestarkt, dass so- wohl M-Commerce (vgl. Pavlou 2003, S. 103) als auch Messenger-Chatbots stark technologiegetrieben sind.

13 der 20 untersuchten Studien verwenden allgemeine Akzeptanzmodelle fur An- wendungen im M-Commerce. Spezifische Anwendungen mit unterschiedlichen Charakteristika stehen bei 7 Studien im Mittelpunkt der Untersuchung. In den ana- lysierten Publikationen wurde das TAM durch zusatzliche Konstrukte aus den Kate- gorien technologiespezifische Eigenschaften, Personlichkeitsmerkmale der Nutzer und andere Variablen erweitert. Dadurch wurde die Prognosekraft des TAM ge- steigert. Als bedeutende Faktoren haben sich neben den Konstrukten Einstellung, wahrgenommene Nutzlichkeit und wahrgenommene Benutzerfreundlichkeit die zu- satzlichen Konstrukte wahrgenommene Kompatibilitat, Innovationsbereitschaft und wahrgenommenes Risiko bzw. Vertrauen erwiesen.

Zusammenfassend kann festgehalten werden, dass keine Untersuchung identifi- ziert werden konnte, welche die aufgestellte Forschungsfrage im Forschungsfeld Messenger-Chatbots eingehend und empirisch valide beantworten konnte. Die vor- liegende Arbeit soll daher durch die theoriebasierte Modellkonzeption aus Er- kenntnissen des Forschungsfelds M-Commerce und die empirische Untersuchung einen ersten, ausfuhrlichen Forschungsbeitrag zum Thema Nutzerakzeptanz von Messenger-Chatbots darstellen und an der SchlieBung der Forschungslucke mitwir- ken.

In der vorliegenden Arbeit wird das TAM mit den originaren Konstrukten Ein- stellung, wahrgenommene Nutzlichkeit, und wahrgenommene Benutzerfreundlich- keit als theoretische Grundlage fur die Untersuchung der Nutzerakzeptanz von Messenger-Chatbots bei Online-Transaktionen herangezogen. Das Modell soll ei- nerseits um technologiespezifische Eigenschaften erweitert werden, die Transaktio- nen uber mobile Endgerate und Instant-Messaging betreffen. Im Rahmen der Un- tersuchungen des M-Commerce wurde dabei wiederholt die Wichtigkeit des Ein- flussfaktors wahrgenommenes Risiko bzw. Vertrauen herausgestellt. Hierunter fal­len z.B. Risikobedenken hinsichtlich Sicherheit und Privatsphare. Andererseits sol- len individuelle Personlichkeitsmerkmale der Nutzer berucksichtigt werden, die ne- ben den technologiespezifischen Eigenschaften fur die Nutzungsentscheidung von Bedeutung sein konnten. Dazu wurde in den untersuchten Studien die Relevanz der personlichen Innovationsbereitschaft und der wahrgenommenen Kompatibilitat mit den Bedurfnissen des Nutzers bestatigt.

Im folgenden Kapitel wird das Forschungsmodell fur die EinflussgroBen zur Nut- zung von Messenger-Chatbots erstellt. In Anlehnung an die untersuchten Arbeiten wird das TAM mit technologiespezifischen Eigenschaften und Personlichkeitsmerk- malen der Nutzer kombiniert. An die Konzeption dieses Forschungsmodells konnen zusammenfassend nachstehende Forderungen gestellt werden:

- TAM als theoretische Grundlage,
- Berucksichtigung von technologiespezifischen Eigenschaften - insbesondere vermuteten Risiken bei der Nutzung von Messenger-Chatbots,
- Einbezug von individuellen Personlichkeitsmerkmalen - im Speziellen per- sonlicher Innovationsbereitschaft und wahrgenommener Kompatibilitat mit den Bedurfnissen des Nutzers.

4 Modellkonzeption

4.1 Vorgehensmodell

Wahrend die vorherigen Kapitel die theoretischen Grundlagen und den Forschungs- stand darstellen, werden in den folgenden Kapiteln die Modellkonzeption und die Ableitung der zu priifenden Hypothesen, die empirische Methodik sowie die empi- rische Untersuchung des Modells ausgearbeitet.

Das in Abbildung 5 illustrierte Vorgehensmodell stellt eine Ubersicht der folgenden Kapitel und der empirischen Untersuchung in dieser Arbeit dar.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Empirisches Vorgehensmodell

Quelle: Eigene Darstellung in Anlehnung an Eickholt (2015), S. 109

4.2 Basismodell

Das in dieser Arbeit verwendete Basismodell leitet sich aus den Konstrukten und Hypothesen ab, die in Kapitel 4.3 erlautert werden. Das Modell passt die grundle- genden Annahmen des TAM dem Untersuchungszweck an. Innerhalb des Modells sollen der Einfluss der Determinanten des TAM, der technologiespezifischen Eigen- schaften sowie der individuellen Personlichkeitsmerkmale auf die Nutzerakzeptanz von Messenger-Chatbots offen gelegt werden. Das verwendete Basismodell besteht aus drei exogenen und vier endogenen Variablen.7 Die exogenen Variablen beste- hen aus den Konstrukten wahrgenommene Kompatibilitat, Innovationsbereitschaft und wahrgenommenes Risiko. Zu den endogenen Variablen gehoren die Konstmkte wahrgenommene Nutzlichkeit, Einstellung, wahrgenommene Benutzerfreundlich- keit sowie als finales Konstrukt die Verhaltensabsicht.

Die Abbildung 6 zeigt das Basismodell - die Hypothesen (H) sind durch ihre Num- merierung gekennzeichnet. Die Pfeile stellen jeweils die einseitigen Wirkungsbe- ziehungen mit der prognostizierten Richtung dar, wobei die Konstrukte als Ellipsen abgebildet sind.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Basismodell zur Nutzerakzeptanz von Messenger-Chatbots Quelle: Eigene Darstellung

4.3 Modellkonstrukte und Hypothesenbildung

Die Grundlage fur die Konzeptualisierung und Hypothesenbildung stellen die Er- kenntnisse aus den theoretischen Grundlagen zu M-Commerce und Messenger- Chatbots in Kapitel 2 sowie aus dem Forschungsstand des TAM in Kapitel 3 dar. Erganzend dazu werden Erkenntnisse aus relevanter Literatur, die im Einklang mit dem theoretischen Bezugsrahmen dieser Arbeit stehen, zur genauen Spezifikation der Konstrukte einbezogen. Fur die jeweiligen Konstrukte wird eine Uberpriifung und Anpassung auf den Untersuchungszweck der Nutzerakzeptanz von Messenger- Chatbots vorgenommen.

4.3.1 Endogene Konstrukte Verhaltensabsicht

Die finale endogene Variable des Nutzerakzeptanzmodells von Messenger-Chatbots ist die Verhaltensabsicht gegenuber der Nutzung. Das Konstrukt entstammt der TRA (vgl. Kapitel 3.1), wurde im TAM ubernommen und ursprunglich definiert als „a person’s subjective probability that he will perform some behavior“ (Fish- bein/Ajzen 1975, S. 288). Um dem Kontext dieser Arbeit gerecht zu werden, wird die Konstruktdefinition folgendermaBen modifiziert: „Die Starke der Absicht einer Person, Messenger-Chatbots fur kommerzielle Zwecke zu nutzen.“

In dieser Arbeit wird nicht - wie vom TAM postuliert - die tatsachliche Nutzung un- tersucht, sondern lediglich die Verhaltensabsicht. Diesen Ansatz wahlten auch die meisten der untersuchten empirischen Studien zu Nutzungsentscheidungen im M­Commerce (vgl. z.B. Kalinic/Marinkovic 2016, S. 8; Tsu Wei et al. 2009, S. 373; Zarmpou et al. 2012, S. 228). Die Grande dafur liegen einerseits in dem noch fruhen Innovationsstadium von Messenger-Chatbots auf dem deutschen Markt und ande- rerseits in der Problematik einer validen Messung der tatsachlichen Nutzung. Durch die Berucksichtigung der Verhaltensabsicht als endogene Variable konnen auch Per- sonen befragt werden, die bisher uber keine Erfahrung im Umgang mit Messenger- Chatbots verfugen (vgl. Schierz 2008, S. 130).

Einstellung

Im TAM wird auf Grundlage der TRA angenommen, dass der Nutzer seine Ent- scheidungen rational auf Basis der ihm verfugbaren Informationen trifft und daraus seine Einstellung zum Handeln ableitet (vgl. Ajzen/Fishbein 1980, S. 7). Davis et al. (1989, S. 984) definieren die Einstellung als „an individual’s positive or negative feelings about performing the target behavior“. Fur diese Arbeit wird folgende, mo- difizierte Definition zugrunde gelegt: „Die positiven oder negativen Gefuhle einer Person bezogen auf die Nutzung von Messenger-Chatbots.“

Eine positive Beziehung zwischen den Konstrukten Einstellung und Verhaltensab- sicht wurde in einer Reihe der untersuchten Studien gefunden (vgl. z.B. Aldas- Manzano et al. 2009, S. 749; Pedersen 2005, S. 216; Schierz et al. 2010, S. 214). Daraus abgeleitet wird folgende Hypothese aufgestellt:

Hi: Je positiver die Einstellung zur Nutzung von Messenger-Chatbots, desto groBer die Verhaltensabsicht, Messenger-Chatbots zu nutzen.

Wahrgenommene Nutzlichkeit

Die wahrgenommene Nutzlichkeit ist eines der originaren Konstrukte des TAM und eine der meist untersuchten Variablen in der Technologieakzeptanzforschung (vgl. Kapitel 3.1). Im Kontext dieser Arbeit lautet die nach Davis (1989, S. 320) ab- geleitete Definition: „Der Grad, zu dem eine Person glaubt, dass sich durch die Nutzung von Messenger-Chatbots ihre Online-Transaktionen verbessem werden.“ Eine Zunahme der wahrgenommenen Nutzlichkeit kann dabei z.B. aus einer zeitli- chen Optimierung, aus finanziellen oder aus immateriellen Vorzugen entstehen (vgl. Eickholt 2015, S. 86 f.).

Die meisten Services, die Messenger-Chatbots derzeit (und mutmaBlich auch in naher Zukunft) umfassen, werden auch uber Webseiten und Apps angeboten. Die Nutzer werden Messenger-Chatbots nur zu schatzen wissen, wenn diese ihnen einen groBeren Nutzen als die benannten Alternativen bieten (vgl. Chong 2013, S. 1242). Eine analoge Schlussfolgerung lasst sich aus der Diffusionstheorie ableiten, in der es heiBt, dass die Nutzer eine Neuerung nur dann akzeptieren werden, wenn die­se ihnen einen einzigartigen Vorteil gegenuber vorhandenen Losungen bietet (vgl. Rogers 1983, S. 20 f.). Einer der Hauptgrunde fur eine langsame Verbreitung von mobilen Anwendungen im Allgemeinen und Messenger-Chatbots im Speziellen konnte sein, dass Nutzer oftmals nicht die klaren Vorteile dieser neuen Dienste se- hen (vgl. Schierz et al. 2010, S. 211). Hauptsachlich entsteht die Nutzlichkeit von Messenger-Chatbots durch deren zentrale Merkmale Ubiquitat, Mobilitat und In- dividualitat. Die Ubiquitat und die Mobilitat ermoglichen es dem Nutzer, jederzeit und von uberall aus, seine Vorhaben durchzufuhren (vgl. Schierz 2008, S. 137). Die Individualitat zeigt sich durch die Rolle des Chatbots als personlicher Assistent. Durch diese Charakteristika erhohen sich die Flexibilitat, Effizienz und Produktivi- tat des Verbrauchers, weil sich z.B. Offnungs- bzw. Geschaftszeiten als Einschran- kungen erubrigen und Aufgaben durch den Wegfall von Wartezeiten schneller erle- digt werden konnen (vgl. Schierz 2008, S. 137).

Viele der untersuchten Studien haben bestatigt, dass die wahrgenommene Nutz- lichkeit einen signifikanten Einfluss auf die Verhaltensabsicht zur Nutzung im M-Commerce hat (vgl. z.B. Bouwman et al. 2012, S. 180; Khalifa/Ning Shen 2008, S. 117; Yen/Wu 2016, S. 38; Zarmpou et al. 2012, S. 242). Tsu Wei et al. (2009, S. 381) fanden heraus, dass die wahrgenommene Nutzlichkeit in Malaysia den starksten direkten Einfluss aller untersuchten Variablen auf die Verhaltensabsicht hat. Einen starken direkten Einfluss auf die Verhaltensabsicht haben auBerdem Wu/ Wang (2005, S. 726) bestatigt. Ferner wurde der Einfluss der wahrgenommenen Nutzlichkeit auf die Einstellung in einigen der untersuchten Studien bestatigt (vgl. z.B. Aldas-Manzano et al. 2009, S. 749; Nysveen et al. 2005, S. 252; San-Martin et al. 2013, S. 363).

Aus den Ergebnissen der untersuchten Publikationen hergeleitet, werden die fol- genden Hypothesen in das Basismodell ubernommen:

H2: Je groBer die wahrgenommene Nutzlichkeit von Messenger-Chatbots, desto groBer die Verhaltensabsicht, Messenger-Chatbots zu nutzen.

H3: Je groBer die wahrgenommene Nutzlichkeit von Messenger-Chatbots, desto positiver die Einstellung zur Nutzung von Messenger-Chatbots.

[...]


1 Das bestehende Verstandnis lasst sich aufgrund ahnlicher Merkmale von mobilen Anwendungen und Messenger-Chatbots aus vorherigen Untersuchungen des M-Commerce ableiten.

2 Im Vergleich zu Broeckelmann (2010, S. 13) liegt der Fokus dieser Definition nur auf der Bezie- hung zwischen Unternehmen und Konsumenten (B2C).

3 Am haufigsten in Fonn von Textdaten.

4 Sparsamkeit ernes Modells liegt vor, wenn mit nur wenigen Modellparametern ein guter Modell- Fit erreicht werden kann (vgl. Weiber/Muhlhaus 2014, S. 217).

5 Weil keine Akzeptanzuntersuchung von Messenger-Chatbots identifiziert werden konnte, wurden Studien aus dem nahestehenden Forschungsfeld M-Commerce herangezogen.

6 Dieser Treffer erfullte nicht die festgelegten Einschlusskriterien der Literaturanalyse und wurde daher im Forschungsuberblick nicht berucksichtigt.

7 Um Verwechslungen zu venneiden, werden die unabhangigen Variablen als exogene Variablen und die abhangigen als endogene Variablen bezeichnet (vgl. Weiber/Muhlhaus 2014, S. 23).

Details

Seiten
89
Jahr
2018
ISBN (eBook)
9783668682641
ISBN (Buch)
9783668682658
Dateigröße
960 KB
Sprache
Deutsch
Katalognummer
v418843
Institution / Hochschule
Technische Universität Clausthal – TU Clausthal
Note
1,0
Schlagworte
Chatbot Messenger Technologie

Autor

Teilen

Zurück

Titel: Messenger-Chatbots im Mobile Commerce in Deutschland