Kandidatuppsats
Digital design och innovation
Design av
konversationsrekommendationssystem för att skapa en känsla av förtroende som
möjliggör för explicit insamling
Informatik 15 hp
Halmstad 2020-07-03
Förord
Studien är en kandidatuppsats som utförts vårterminen 2020 inom Digital Design och Innovation på Högskolan i Halmstad. Vi vill tacka våra handledare Jesper Lund och Susanne Lindberg på Högskolan i Halmstad. Ert engagemang har hjälpt oss att utveckla vårt skrivande och se på vårt arbete från nya synvinklar. Tack för alla givande handledningar på skolan och distans, de har hjälpt oss mycket. Vi vill även rikta ett stort tack till alla personer som deltagit i studiens utvärdering, samt till övriga handledare och opponenter.
Halmstad, 2020 Juni
Kajsa Haugen & Rebecca Sälg
Abstrakt
När en kund går in i en e-butik för första gången får kunden inte anpassade rekommendationer.
Anpassade rekommendationer bygger på information om användare från tidigare interaktion med e-butiken genom ett rekommendationssystem (RS). För nya användare har dock inte systemet den information som behövs för att kunna skapa anpassade rekommendationer, detta problem kallas för kallstart. För att bemöta nya användare i kallstart är RS beroende av deras explicita feedback. Konversationsrekommendationsystem (KRS) möjliggör explicit insamling från användare genom konversation. Explicit information kan lämnas av användare direkt i e- butiken. Informationen kan bestå av egenskaper användare föredrar hos produkter men även mer personlig information. Har inte användare förtroende till systemet kan det bidra till att användare inte vill dela med sig av information. För att användare ska vilja lämna explicit information kan KRS bemöta kallstart med att försöka skapa en känsla av förtroende hos användare. Studien är utförd med en designorienterad forskningsansats. Designelement identifierades genom en litteraturstudie som sedan implementerades i en prototyp för att undersöka om dessa kunde skapa en känsla av förtroende för systemet. Prototypen utvärderades därefter utifrån kriterierna trovärdighet, enkel användning och risk som fångar detta förtroende.
Resultatet i denna studie indikerar att användare vill få anpassade rekommendationer presenterade och är därför villiga att bidra med den information systemet behöver. Studien presenterar åtta designförslag för hur KRS kan designas för att skapa en känsla av förtroende hos användare med en dialog mellan systemet och användare, möjlighet att ge effektiv feedback och systemets transparens.
Nyckelord: e-butik, konversationsrekommendationssystem, explicit, kallstart, förtroende, design
Abstract
When a customer enters an e-shop for the first time, the customer does not receive customized recommendations. Customized recommendations are based on information about users from previous interaction with the e-store through a Recommendation System (RS). However, for new users, the system does not have the information needed to create custom recommendations, this problem is called cold start. To meet new users in cold start, RS is dependent on their explicit feedback. Conversational Recommender System (CRS) allows explicit information collection from users through conversation. Explicit information can be provided by users directly in the e-store. The information may be characteristics that users prefer with the products but also more personal information. If users does not have trust in the system, it can result in users not want to share information. To make users wanting to provide explicit information, CRS can respond to the cold start by trying to create a sense of trust for the users. The study is conducted with a design-oriented research approach. Design elements were identified through a literature study that there after were implemented in a prototype to investigate whether these could create a sense of user trust for the system. The prototype was then evaluated on the basis of the criteria of credibility, ease of use and risk that capture this sense of trust. The results of this study indicate that users want to have customized recommendations presented and are therefore willing to contribute the information the system needs. The study presents eight design suggestions for how CRS can be designed to create a sense of trust for the users with a dialogue between the system and the user, the opportunity to provide effective feedback and the system's transparency.
Keywords: e-commerce, Conversational Recommender System, explicit, cold-start, trust, design
Innehållsförteckning
1. Introduktion ... 1
1.1 Syfte ... 2
2. Relaterad litteratur ... 3
2.1 Rekommendationssystem ... 3
2.1.1 Implicit och explicit information ... 4
2.1.2 Konversationsrekommendationssystem ... 4
2.2 Konversation ... 4
2.2.1 Dialog ... 5
2.2.1.1 Frågor och svar ... 5
2.2.1.2 Chatt ... 6
2.2.2 Feedback ... 6
2.2.2.1 Produktkategorier ... 6
2.2.2.2 Slutna frågor ... 7
2.2.2.3 Visualisering med betygsättning ... 7
2.2.2.4 Tumme upp/ner ... 7
2.2.3 Transparens... 7
2.2.3.1 Förklaring ... 8
2.2.3.2 Övertygande signaler ... 8
2.2.3.3 Motivera för feedback ... 8
2.3 Förtroende ... 8
2.3.1 Uppnå förtroende ... 9
2.3.1.1 Trovärdighet ... 9
2.3.1.2 Enkel användning ... 10
2.3.1.3 Risk ... 10
2.3.2 Sammanfattning av designmål kopplat till förtroende-kriterierna ... 10
3. Metod ... 12
3.1 Metodansats ... 12
3.2 Litteraturstudie ... 12
3.3 Prototyp ... 13
3.4 Utvärdering ... 13
3.4.1 Utvärderingsmetod ... 13
3.4.2 Urval ... 14
3.4.3 Pilotstudie ... 15
3.4.4 Analysmetod ... 16
3.5 Etiska överväganden... 16
3.6 Metoddiskussion... 17
4. Designstudien ... 19
4.1 Problemidentifiering ... 19
4.2 Design ... 19
4.2.1 Skapa en naturlig dialog mellan system och användare ... 19
4.2.2 Lära känna användare ... 20
4.2.3 Möjliggöra att informera om vilka produktegenskaper som föredras ... 20
4.2.4 Minska ansträngningen att svara på frågor ... 21
4.2.5 Underlätta att ange preferenser ... 21
4.2.6 Möjliggöra för effektiv betygsättning ... 22
4.2.7 Skapa förståelse för vad rekommendationerna byggs på ... 22
4.2.8 Påminna användare om tidigare medverkan i processen ... 22
4.2.9 Informera om fördelarna med feedback för att motivera ... 23
5. Utvärdering ... 24
5.1 Trovärdighet... 24
5.1.1 Chatt ... 24
5.1.2 Tydliggörande text om processen ... 25
5.1.3 Ifylld feedback ... 25
5.1.4 Informativ text om feedbacks fördelar ... 26
5.2 Enkel användning ... 26
5.2.1 Produktkategorier ... 26
5.2.2 Slutna frågor ... 27
5.2.3 Visualisering av produkter med betygsättning ... 27
5.3 Risk ... 28
5.3.1 Frågor och svar ... 28
5.3.2 Tumme upp/ner ... 29
6. Diskussion... 30
6.1 Trovärdighet... 30
6.2 Enkel användning ... 31
6.3 Risk ... 32
6.4 Designförslag för design av KRS ... 33
6.5 Samhälleliga konsekvenser ... 35
7. Slutsats ... 36
7.1 Vidare forskning ... 36 8. Referenslista ...
9. Bilagor ...
Bilaga A - Scenario och uppgifter ...
Bilaga B - Intervjuguide ...
1. Introduktion
Möjligheterna som e-handel ger har ökat intresset för att sälja tjänster och produkter på Internet (Zhao, Gu, Liu & Tian, 2018). E-handeln möjliggör för försäljare att erbjuda fler produkter i en e-butik än vad de gör i en fysisk butik, vilket resulterar i att e-butiker har mycket innehåll (Tanjim-Al-Akib, Ashik & Chowdhury, 2016). Det stora innehållet kunder presenteras för på e-butiker kan vara överväldigande och göra det svårt för dem att hitta produkter de letar efter (Sulikowski, Zdziebko, Turzyński & Kańtoch, 2018; Sinha & Dhanalakshmi, 2019). För att bemöta problemet behöver e-butiker samla information om kunder, för att kundanpassa innehållet (Tanjim-Al-Akib et al., 2016).
För att underlätta e-butikers kundanpassning finns rekommendationssystem (RS) som analyserar kundernas aktivitet på sidan (Sulikowski et al., 2018). RS är ett samlingsord för tekniker och mjukvaruverktyg som ger användare förslag på exempelvis produkter att köpa eller musik att lyssna på (Ricci, Rokach & Shapira, 2011). Idag används två olika tekniker för att samla in information om användare, implicit (indirekt) och explicit (direkt) insamling (Sulikowski et al., 2018; Swearingen & Sinha, 2002). Implicit insamling används för att förstå återkommande användares beteenden och smak, då RS kan lära sig av vad användare är inne på för sidor och vilka tidigare köp som genomförts på e-butiker (Tanjim-Al-Akib et al., 2016).
Explicit insamling sker när användare själva ger feedback till systemet, exempelvis genom betygsättning (Tanjim-Al-Akib et al., 2016). Explicit insamling används även för att bemöta kallstart hos nya användare (Masthoff, 2011). Kallstart uppstår när användare kommer in på en e-butik för första gången och RS inte förstår vad de söker, då systemet har för lite implicit och explicit information om dem (Verbert, Parra, Brusilovsky & Duval, 2013). För att bemöta kallstart behöver RS utvecklas och forskningen behöver gå utöver det algoritmiska perspektivet, och istället fokusera på användarnas explicita interaktion med systemet(Jugovac
& Jannach, 2017; Swearingen & Sinha, 2002).
Ett sätt att samla explicit information är med ett Konversationsrekommendationssystem (KRS), som möjliggör för användare och system att konversera med ett naturligt språk (Zhang, Chen, Ai, Yang & Croft, 2018; Wärnestål, 2005). KRS är en blandning av teknikerna RS och konversationssystem (KS) (Zhang et al., 2018). Det finns olika slags KS, ett exempel som möjliggör för en dialog är chattbotar (Sun & Zhang, 2018; Brandtzaeg & Følstad, 2017). Med en chatt kan användare föra en dialog med systemet med ett språk som påminner om mänsklig kontakt (Zhang et al., 2018). Utöver dialog har forskning visat att feedback och transparens påverkar användares känsla av kontroll i en konversation (Hoff & Bashir, 2013). När användare får möjligheten att ge feedback är de med och styr vägen fram till den önskade produkten (Zhang et al., 2008). Transparens fastställs efter hur tillgänglig information är för användare, exempelvis varför systemet samlar in användardata, och är avgörande för deras förståelse för KRS logik (Zhao, Benbasat & Cavusogluet, 2019; Sinha & Swearingen, 2002). Användandet av dialog, feedback och transparens i KRS kan ha en positiv påverkan på användares förtroende till systemen (Hoff & Bashir, 2013).
I konversationer är förtroende viktigt, eftersom det är så människor vet att de kan lita på någon eller något och därmed vilja konversera (Cassell & Bickmore, 2000; Pavlou, 2003). Det är även viktigt att uppnå ett förtroende på Internet på grund av att informationsutbytet via Internet och e-handel medför en upplevd misstro och risk hos användare, bland annat integritetsrisker (Casado-Aranda, Dimoka & Sánchez-Fernández, 2019). Känslan av förtroende gör det möjligt för användare att sätta sig i osäkra situationer och ta risker, exempelvis att lämna personlig
information (Corritore, Kracher & Wiedenbeck, 2003; Pavlou, 2003; Featherman, Miyazaki &
Sprott 2010). Något som kan öka användares förtroende är tidigare erfarenhet av webbplatser, då de kan förutse beteenden på webbplatser som gör att de förlitar sig på att webbplatser respekterar deras intressen och integritet (Corritore et al., 2003; Pavlou, 2003). För att utveckla RS och bemöta kallstart med explicit insamling är det viktigt att skapa förtroende hos användare fast de inte har tidigare erfarenhet av system.
Användare som saknar tidigare erfarenhet kallas för kallstarts-användare. Forskning har tidigare belyst problemet kallstart inom RS för att undersöka hur det kan bemötas med ett förtroende-nätverk (Victor, Cornelis, Teredesai & De Cock, 2008). Förtroende-nätverket möjliggör för användare att följa andra som har gjort betygsättningar av produkter (Victor et al., 2008). Ett problem med detta är att kallstarts-användare inte vet vilka de ska lita på eftersom de inte har byggt upp ett förtroende till andra användare, vilket även gäller för användares förtroende till system (Victor et al., 2008; Cassell & Bickmore, 2000).
Bristen på kallstarts-användares förtroende kan leda till att de inte är villiga att lämna information till system (Pavlou, 2003). Detta förhindrar KRS att fungera som de är tänkt (Verbert et al., 2013). För att KRS ska fungera och användare ska vilja lämna information behöver den mänskliga kontakten som erbjuds i fysiska butiker kompenseras i e-butiker, eftersom användare inte har möjlighet att läsa av ett system på samma sätt som en människa (Cassell & Bickmore, 2000; Corritore et al., 2003; Lu, Fan & Zhou, 2016; Pavlou, 2003). Det kan därför vara viktigt för tjänster med digitala konversationer att hitta ett alternativt sätt att skapa förtroende.
I denna uppsats undersöks hur KRS kan designas för att bemöta kallstarts-användares preferenser i e-butiker. Det undersöks genom att möjliggöra för explicit insamling om användare och skapa en känsla av förtroende för att de ska vilja lämna information till systemet.
Studien har som mål att besvara frågan:
Hur kan konversationsrekommendationssystem designas för att skapa en känsla av förtroende som möjliggör för explicit insamling?
1.1 Syfte
Denna studie kommer, utifrån en litteraturstudie, implementera designelement som stödjer explicit insamling i KRS, med fokus på förtroende. Syftet är att bidra med designförslag för hur KRS kan designas för att ge en känsla av förtroende hos kallstarts-användare genom dialog, feedback och transparens.
2. Relaterad litteratur
I detta avsnitt presenteras existerande kunskap inom området och studiens centrala begrepp.
Avsnittet börjar med en beskrivning av RS, problemet kallstart och KRS potential att bemöta problemet. Vidare förklaras konversation och begreppen dialog, feedback och transparens.
Därefter presenteras en beskrivning av förtroende och hur en känsla av förtroende kan påverka kallstarts-användares vilja att konversera med system, samt en tabell som presenterar olika kriterier för att skapa förtroende. Avslutningsvis sammanställs nio designelement som är grunden för prototyputvecklandet och ämnar att skapa en känsla av förtroende hos användare i konversation med system.
2.1 Rekommendationssystem
Bland de vanligaste områdena att applicera RS inom är: underhållning, tjänster och e-handel (Ricci et al., 2011). På grund av att företag tenderar att erbjuda fler produkter i en e-butik än i en fysisk butik uppstår problemet att kunna erbjuda individuella användare en personlig upplevelse (Sinha & Dhanalakshmi, 2019; Tanjim-Al-Akib et al., 2016). Med information om användare och produkter kan RS göra anpassade rekommendationer till användare (Ricci et al., 2011). En grundläggande process för hur RS arbetar fram anpassade rekommendationer börjar med att förstå användaren, genom att samla så mycket information om användarens preferenser som möjligt (Adomavicius & Tuzhilin, 2005). Därefter skapas en användarprofil utifrån den insamlade informationen om användaren för att kunna hitta passande rekommendationer (Adomavicius & Tuzhilin, 2005). Sedan presenteras rekommendationerna visuellt (Adomavicius & Tuzhilin, 2005). Efter det utvärderas genomslaget av rekommendationerna, genom att undersöka hur väl de togs emot av användaren för att tillslut kunna uppdatera användarprofilen med de nya lärdomarna om användaren (Adomavicius &
Tuzhilin, 2005). Därefter itereras stegen för att utveckla användarprofilen som kan ge användaren passande rekommendationer (Adomavicius & Tuzhilin, 2005).
För att rekommendera anpassade produkter för användare måste RS förutsäga att de är värda att rekommendera. Det finns tre rekommendationstekniker som primärt används:
Innehållsbaserade rekommendationer, samarbetsfiltrering och hybrid (Ricci et al., 2011;
Verbert et al., 2013). Innehållsbaserade rekommendationer syftar till att rekommendera produkter som liknar produkten som användare redan har tittat på, liknelsen baseras på produkters egenskaper (Ricci et al., 2011; Verbert et al., 2013). Samarbetsfiltrering syftar till att rekommendera produkter som andra användare med liknande smak har gillat, deras smak baseras på tidigare betygsättning på produkter (Ricci et al., 2011; Verbert et al., 2013). Hybrid RS syftar till att kombinera olika tekniker för att skapa ett så bra system som möjligt (Ricci et al., 2011; Verbert et al., 2013).
Teknikerna har använts länge och av många men det uppstår ändå problem med RS (Verbert et al., 2013). Ett problem är “kallstart”, problemet uppstår i innehållsbaserad filtrering och samarbetsfiltrering när systemet inte vet vad användaren föredrar (Verbert et al., 2013;
Masthoff, 2011). Problemet uppstår när det inte finns tidigare insamlad information och systemet inte vet vilka andra användare kallstarts-användaren ska jämföras med (Verbert et al., 2013; Masthoff, 2011). För att kunna anpassa rekommendationer till användare behöver systemet veta vad de har för tidigare preferenser (Masthoff, 2011; Verbert et al., 2013).
En lösning på kallstart är att få användare att betygsätta produkter i början (Masthoff, 2011).
En annan lösning är att få användare att svara på demografiska frågor och sedan basera rekommendationer på stereotyper, exempelvis att kvinnor gillar klänningar (Masthoff, 2011).
Lösningarna på problemet kräver att användare interagerar med systemet (Masthoff, 2011).
Det kan ändå uppstå svårigheter med lösningarna, som att bestämma vilka objekt som ska betygsättas för att undvika avgränsade rekommendationer (Masthoff, 2011). En annan svårighet kan vara risken att uppröra användare med generaliserande antaganden (Masthoff, 2011).
2.1.1 Implicit och explicit information
För att skapa en användarprofil används tekniker för att hitta kopplingar och relevans i användares preferenser på ett indirekt (implicit) eller direkt (explicit) sätt (Sulikowski et al., 2018; Swearingen & Sinha, 2002). Implicit information samlas in på ett indirekt sätt som gör att användare inte är medvetna om information som samlas in (Tanjim-Al-Akib et al., 2016).
Vanliga implicita tekniker är att analysera tid som används på en sida och aktiviteter användare gör med tangentbordet och musen (Sulikowski et al., 2018; Tanjim-Al-Akib et al., 2016).
Explicit information samlas in när användare själva ger feedback till systemet om hur effektivt systemet är, exempelvis genom betygsättning (Tanjim-Al-Akib et al., 2016). Att möjliggöra för användare att påverka systemets rekommendationer har bevisats ge en positiv effekt hos användare (Verbert et al., 2013). Explicit insamling bemöter även problemet med kallstart, förutsatt att kallstarts-användare vill dela med sig av personliga preferenser (Verbert et al., 2013; Masthoff, 2011).
2.1.2 Konversationsrekommendationssystem
Intelligenta system som Siri, Google Assistans och Amazon Alexa används mer och mer i våra dagliga liv, vilket har dragit forskares blickar mot konversationssystem (KS) (Sun & Zhang, 2018). KS står för interaktiviteten mellan system och användare (Zhang et al., 2018; Sun &
Zhang, 2018). Forskare har undersökt hur de kan utveckla RS genom att utnyttja tekniken som möjliggör en konversation mellan system och användare (Sun & Zhang, 2018; Wärnestål, 2005). Kombinationen mellan teknikerna kallas för KRS (Sun & Zhang, 2018; Wärnestål, 2005).
Det finns två stora skillnader mellan standardiserade RS och KRS. En skillnad är att KRS skapar en möjlighet för användare och system att interagera med ett naturligt språk (Zhang et al., 2018). Med det kommer den andra skillnaden som innebär att systemet, med hjälp av konversationen, förstår användares behov eller gör det möjligt att hjälpa användare att klargöra dem (Zhang et al., 2018). Wärnestål (2005) beskriver även att KRS möjliggör för användare att kritisera systemets rekommendationer i en konversation med systemet. Genom att föra ihop KS med rekommendationstekniker tror Sun och Zhang (2018) att det kommer öka framgången för e-butiker.
En kontrast mellan RS och KRS, är att RS kräver en längre initialisering eftersom RS oftast samlar information implicit (Tanjim-Al-Akib et al., 2016). Implicit insamling är tidskrävande och tar därför längre tid innan det är möjligt att presentera anpassade rekommendationer, som bidrar till problemet för kallstarts-användare (Wärnestål, 2005). KRS användning av dialog möjliggör effektiv explicit insamling där användarprofiler kontinuerligt uppdateras med information från användare som ger anpassade rekommendationer snabbt (Wärnestål, 2005;
Verbert et al., 2013; Masthoff, 2011).
2.2 Konversation
I detta avsnitt kommer begreppet konversation lyftas, som är faktorn som skiljer RS från KRS och bemöter problemet kallstart. Vidare presenteras de tre funna kategorierna dialog, feedback
och transparens, som är till för att skapa en känsla av förtroende och göra att användare ska vilja lämna information i konversationen.
Shimazu (2002) har utvecklat ett KS genom att undersöka hur butiksbiträden arbetar i fysiska butiker. Det Shimazu (2002) insåg är att en konversation mellan ett butiksbiträde och en kund är unikt jämfört med en konversation mellan en kund och kundsupport (Shimazu, 2002).
Skillnaden är att ett butiksbiträde växlar mellan att ställa frågor och föreslå produkter för att förstå kundens behov (Shimazu, 2002). En kundsupport ställer endast frågor utan att föreslå flera potentiella lösningar (Shimazu, 2002).
Enligt Shimazu (2002) har mänskliga butiksbiträden tre roller: problemlösare, rådgivare och vittnesbörd. Som problemlösare intervjuar butiksbiträdet kunden och hittar den produkt som passar kundens behov, vilket är vanligt förekommande när kunden är medveten om ens specifika behov (Shimazu, 2002). Bi, Ai, Zhang och Croft (2019) beskriver hur konversationen i KRS möjliggör för system att ställa frågor till användare för att klargöra deras behov.
Wärnestål (2005) reflekterar även över konversationens potential för att främja samverkan mellan användare och system när de har en möjlighet att diskutera. Om kunder inte kan sätta ord på sitt behov tar butiksbiträdet rollen som rådgivare och föreslår produkter kunder skulle kunna vilja ha, och på så sätt förstår deras behov (Shimazu, 2002). På samma sätt bidrar KRS till en möjlighet för användare att utforska produkter stegvis i en konversation (Wärnestål, 2005). Om kunder är osäkra på om produkten passar deras behov kan ett butiksbiträde övertyga och försäkra om att det är rätt beslut (Shimazu, 2002). KRS kan på samma sätt, i en konversation, övertyga kunder genom att göra tydliga förklaringar som minskar deras osäkerhet (Jugovac & Jannach, 2017; Zhao et al., 2019).
2.2.1 Dialog
En konversation är en aktivitet där två eller flera deltagare kommunicerar interaktivt med ett naturligt språk (Brennan, 2010). En dialog är en konversation mellan två deltagare (Brennan, 2010). Dialogen möjliggör för system och användare att föra en effektiv förhandling, genom det naturliga språket (Zhang et al., 2018; Wärnestål, 2005). För att bemöta problemet kallstart behöver systemet lära känna kallstarts-användare, det kan göras genom en dialog. En dialog behöver ett utrymme att hållas, vilket kan göras genom en chatt där frågor ställs och besvaras.
Hur en dialog kan designas presenteras nedan.
2.2.1.1 Frågor och svar
Dialogen mellan butiksbiträde och kund kan jämföras med interaktionen användare har med ett KRS. Butiksbiträden påbörjar en dialog med att ställa några effektiva frågor om kundens preferenser, för att sedan presentera föreslagna produkter för kunden (Shimazu, 2002; Bi et al., 2019). När kunden svarar och kommenterar vad de inte gillar med produkten kan butiksbiträdet presentera en ny liknande produkt, utan den egenskapen som kunden inte gillade (Shimazu, 2002; Bi et al., 2019). När butiksbiträdet även förklarar vad som är annorlunda med den nya presenterade produkten kan kunden lättare välja eller utesluta produkten av specifika skäl (Shimazu, 2002). Till slut blir kundens behov tydligare och både butiksbiträdet och kunden förstår vad kunden behöver (Shimazu, 2002; Bi et al., 2019).
Konversationen mellan användare och system i e-butiker delas in i tre steg - inledning, dialog och visualisering (Zhang et al., 2018). I första steget inleds ofta en dialog där användare tar initiativ för att få hjälp av systemet (Zhang et al., 2018; Wärnestål, 2005). I andra steget fortsätter dialogen med att systemet efterfrågar en förklaring av användares preferenser och
behov för att förstå vilken produkt de söker, samtidigt som systemet letar upp potentiella rekommendationer (Zhang et al., 2018; Averjanova, Ricci & Nguyen, 2008). I det sista steget presenteras rekommendationerna visuellt för användare (Zhang et al., 2018; Averjanova et al., 2008). Om de presenterade rekommendationerna inte stämmer överens med det användare söker, upprepas de två sista stegen igen (Zhang et al., 2018; Averjanova et al., 2008).
2.2.1.2 Chatt
System kan föra en dialog med användare på olika sätt, vilket kan påverka deras förtroende till systemet (Hoff & Bashir, 2013). Chattbotar står för en potentiell förändring i hur användare interagerar med tjänster online (Brandtzaeg & Følstad, 2017). Chattbotar fungerar som ett gränssnitt där användare kan interagera med system genom ett naturligt språk (Brandtzaeg &
Følstad, 2017). Det naturliga språket påminner användare om känslan av förtroende som uppstår mellan människor (Hoff & Bashir, 2013). För att öka användarnas förtroende till system kan designers förmänskliga systemet och göra det artigt (Hoff & Bashir, 2013).
Användandet av chattbotar ökar, men används idag mest i applikationer för meddelanden (Brandtzaeg & Følstad, 2017). Chattbotar är verktyg som har använts i lång tid, allt från komplexa och kraftfulla till mindre och enkla verktyg (Paikari & Van Der Hoek, 2018). I början användes chattbotar mest som fristående verktyg, men i dag används de i större grad som plugin i programvaror (Paikari & Van Der Hoek, 2018). En studie har undersökt varför användare använder sig av chattbotar, studien visade att det största skälet är för produktivitetens skull (Brandtzaeg & Følstad, 2017). De ansåg att chattbotar är enkla, snabba och bekväma att använda och kan även hjälpa till att få tillgång till information (Brandtzaeg &
Følstad, 2017).
Det finns olika slags KS, en av de kallas för uppgiftsorienterad-chatt (Sun & Zhang, 2018).
Den är till för att hjälpa användare att genomföra specifika uppgifter som exempelvis boka en resa (Sun & Zhang, 2018). Uppgiftsorienterad-chatt har egenskaper som är bra för att hjälpa användare att hitta produkter de söker i e-butiker (Sun & Zhang, 2018). Företag som Amazon och eBay använder sig av chattbotar för att hjälpa användare att utföra uppgifter, men de är begränsade (Sun & Zhang, 2018).
2.2.2 Feedback
Användare kan sällan ange alla sina preferenser i början av en sökning (Zhang, Jones & Pu, 2008). Systemet behöver interagera med användare för att gradvis konstruera en användarprofil med deras preferenser, för att ta fram rekommendationer (Zhang et al., 2008).
Ett systems gränssnitt som är enkelt att interagera med, skapar förtroende hos användare och gör de villiga att ge mer feedback (Hoff & Bashir, 2013; Sinha & Swearingen, 2002). När användare bidrar med feedback kan de vara med och styra vägen fram till den önskade produkten (Zhang et al., 2008). Möjligheten att ge feedback till systemet främjar även användares förtroende till systemet (Hoff & Bashir, 2013). Feedback kan ges på olika sätt, men för att bemöta problemet kallstart behöver processen vara effektiv och enkel att genomföra för att kunna presentera anpassade rekommendationer. Hur möjligheten att ge feedback kan designas presenteras nedan.
2.2.2.1 Produktkategorier
Kategorier som innehåller flera produkter med gemensamma egenskaper kan ge användare en snabb överblick och förståelse för de rekommenderade produkterna de blir presenterade för (Chen & Pu, 2014; Sinha & Swearingen, 2002). Gränssnitt med kategorier möjliggör för
användare att lätt hitta produkter de letar efter, eftersom de snabbt kan välja rekommendationer baserat på deras preferenser (Chen & Pu, 2014; Jugovac & Jannach, 2017).
2.2.2.2 Slutna frågor
Om användare måste välja mellan att vara noggranna, som skapar en ökad ansträngning, eller göra en snabbare och mindre ansträngande förklaring av vad de söker kommer de flesta välja den senare (Pu, Chen & Hu, 2012). Designers bör minimera arbetet för sina användare när de ska lämna information för första gången (Pu et al., 2012). Det är inte ovanligt att system frågar användare frågor som “vad är ditt favoritmärke?”, frågor som dessa tenderar att resultera i att användare ger försiktiga svar tillbaka för att de är osäkra på om det kommer begränsa rekommendationerna (Jugovac & Jannach, 2017).
2.2.2.3 Visualisering med betygsättning
Vanligtvis visas rekommendationer i en lista, med begränsad information om produkterna (Jugovac & Jannach, 2017). Genom att visa en miniatyrbild av alla produkter med en kort text av egenskaper, namn och pris får användarna en klar bild över produkten och har möjlighet att reflektera över om de gillar den (Jugovac & Jannach, 2017). Användare kan ha svårt för att veta exakt vilka egenskaper de söker hos en produkt, och det är inte förrän de har sett produkten och egenskaperna som de vet att det är den produkten de letar efter (Bi et al., 2019). Genom att ge användare exempel på potentiella produkter kan processen bli lättare (Bi et al., 2019).
Användare uppfattar även system som förtroendeingivande när systemet presenterar detaljer om rekommenderade produkter med bilder (Sinha & Swearingen, 2002). Om användare presenteras för en produkt som de inte gillar är det lättare att förklara för systemet vad de inte gillar med produkten (Bi et al., 2019). Det är lättare att ge feedback när användare har en produkt framför sig, exempelvis “gillar du den här modellen?” (Bi et al., 2019). Med detta tankesätt presenterar Bi et al. (2019) ett nytt paradigm för KS, som motiveras av användares negativa feedback.
2.2.2.4 Tumme upp/ner
Användares betygsättning av produkter är det vanligaste sättet att samla in explicit information i RS (Jugovac & Jannach, 2017). Feedbacken visualiseras oftast antingen numeriskt med 1-5 stjärnor, tvåfaldigt med en tumme upp/ner eller bara med positiv feedback som kan visualiseras med exempelvis ett hjärta (Jugovac & Jannach, 2017). Betygsättning med större skalor skapar kognitiv belastning, vilket kräver längre tid av användare och resulterar även i färre betygsättningar (Jugovac & Jannach, 2017). Genom att låta användare bestämma vilka objekt som ska betygsättas, ökar sannolikt deras känsla av kontroll och motiverar dem att betygsätta fler artiklar i framtiden (Pu et al., 2012; Zhao et al., 2019).
2.2.3 Transparens
Med ett system, som presenterar rekommendationer, definieras transparens enligt vilken omfattning systemets information och logik är tillgänglig för användare (Zhao et al., 2019;
Sinha & Swearingen, 2002). Transparens i RS anses vara en nyckelfaktor till varför användare accepterar rekommendationer (Zhao et al., 2019). Transparens är viktigt för att tydligt formulera systemets mål, förklara varför data samlas in, resonemang bakom rekommendationer, minska användares osäkerhet och öka användares förtroende i interaktionen med systemet (Zhao et al., 2019; Sinha & Swearingen, 2002). Extern transparens ökar användares kontroll och möjlighet att ifrågasätta information (Heald, 2006). Genom att ge användare fortlöpande information om systemets resonemang, kan deras förtroende främjas (Hoff & Bashir, 2013).
Även om det finns många fördelar med transparens kan det också missbrukas (Zhao et al., 2019). Gränssnittsdesign med för mycket insyn eller allt för mycket detaljerad information kräver fokus av användare vilket kan göra dem distraherade från den viktigaste informationen (Zhao et al., 2019). Information kan designas transparent på olika sätt beroende på vilken kontext den ska implementeras i, den kan även synas efter eller innan en viss handling har utförts (Zhao et al., 2019). Exempelvis kan transparent information presenteras innan en användare ska genomföra en betygsättning för att skapa en förståelse till varför de ska genomföra betygsättningen och därmed minska deras osäkerhet (Zhao et al., 2019). Ett bakomliggande problem med kallstart är att kallstarts-användare behöver förstå systemets logik, vilket kan lösas med att tydliggöra systemets resonemang. Hur systemets resonemang kan designas presenteras nedan.
2.2.3.1 Förklaring
För att användare ska kunna fatta ett välgrundat köpsbeslut om en rekommendation räcker det inte med att få den presenterad för sig, användare behöver även en förklaring till varför de blev rekommenderade just den produkten (Jugovac & Jannach, 2017; Sinha & Swearingen, 2002).
Att användare får presenterade förklaringar ger fördelarna ökad effektivitet, upplevd transparens, tillfredsställelse och förtroende för systemet (Jugovac & Jannach, 2017; Sinha &
Swearingen, 2002; Hoff & Bashir, 2013). Transparenta förklaringar i allmänhet har en övertygande effekt, eftersom välinformerade användare är mer benägna att fatta ett köpbeslut (Jugovac & Jannach, 2017).
2.2.3.2 Övertygande signaler
Att övertyga är handlingen som får människor att göra eller tro på något (Jugovac & Jannach, 2017). Ett sätt att övertyga är att under interaktionen med användare presentera olika slags
“övertygande signaler” (Jugovac & Jannach, 2017; Ricci et al., 2011). Signalerna är till för att öka användarnas förtroende till system och därmed rekommendationen, exempelvis genom att påminna om deras medverkan och förinställda preferenser som ställdes in i början av interaktionen (Jugovac & Jannach, 2017).
2.2.3.3 Motivera för feedback
Det är många användare i dag som inte är villiga att lägga ner tid på att betygsätta rekommendationer, detta skapar ett behov av att göra processen mer bekväm och uppmuntrande för att de ska genomföra fler betygsättningar (Jugovac & Jannach, 2017;
Tanjim-Al-Akib et al., 2016; Pu et al., 2012). I de flesta praktiska tillfällen i dag är betygsättningen inte kopplad visuellt till processen där rekommendationerna genereras, utan efterfrågas istället efter genomfört köp (Jugovac & Jannach, 2017). Detta leder till att många användare inte är medvetna om att betygsättningen genererar bättre rekommendationer (Jugovac & Jannach, 2017; Tanjim-Al-Akib et al., 2016). För att motivera användare att betygsätta produkter är det viktigt att informera om att feedback ger anpassade rekommendationer, vilket skapar möjligheten att samla in information om deras preferenser som RS inte kan genomföra själv (Tanjim-Al-Akib et al., 2016; Jugovac & Jannach, 2017).
2.3 Förtroende
Förtroende är viktigt för alla slags interaktioner, eftersom det är så människor vet att de kan lita på någon eller något och därmed ge sig hän till den sociala kontakten (Cassell & Bickmore, 2000; Pavlou, 2003). Det finns omfattande forskning om förtroende från analoga miljöer som används för att skapa förståelse för hur förtroende skapas på nätet, då forskare har sett att de
två kontexterna har mycket gemensamt (Lu, Fan & Zhou, 2016; Corritore et al., 2003). En känsla av förtroende kan minska risker, rädsla och komplexitet hos människor i analoga miljöer, det är därför troligt att det kan ske på nätet också (Corritore et al., 2003; Lu, Fan &
Zhou, 2016). Utan förtroende skulle en interaktiv digital miljö inte vara möjlig, på samma sätt som i en analog miljö (Corritore et al., 2003).
Människors förtroende är beroende av andras trovärdighet och omdöme (Cassell & Bickmore, 2000). Konversationer används för att visa sin trovärdighet för andra genom att skapa en gemensam grund med småprat, intimitet, jargong och artighet (Cassell & Bickmore, 2000).
Dessa sociala företeelser är viktiga i konversationer i sociala sammanhang, men de är även avgörande för konversationer för samarbeten och andra sammanhang (Cassell & Bickmore, 2000). Förtroende kan ses som ett slags socialt kapital som gör det möjligt för samarbete mellan människor (Corritore et al., 2003; Pavlou, 2003). När människor inte litar på en annan tenderar de att inte vilja dela med sig av information (Cassell & Bickmore, 2000). Det är därför viktigt för tjänster med digitala interaktioner att hitta ett alternativt sätt att skapa trovärdighet, eftersom användare inte har möjlighet att läsa av ett system på samma sätt som en människa (Lu, Fan & Zhou, 2016; Cassell & Bickmore, 2000). När användare upplever att en webbplats är säker och de inte misstänker att webbplatsen utnyttjar deras sårbarhet känner de förtroende (Corritore et al., 2003; Featherman et al., 2010; Pavlou, 2003). När användare har förtroende för en webbplats är förväntningen att webbplatsen respekterar användares intressen och att de inte behöver beräkna integritetsrisker (Corritore et al., 2003).
2.3.1 Uppnå förtroende
Pavlou (2003) studerar vad som kan uppmuntra användare att skapa ett förtroende till e- butiker, för att de ska våga interagera med butikerna och lämna information. Användare kan lämna information genom att beskriva sina preferenser hos produkten de söker, ge feedback eller lämna privat information (Pavlou, 2003). För att få användare att våga interagera med e- butiker har relationerna mellan förtroende, uppfattad risk och enkel användning bevisats vara viktiga komponenter (Pavlou, 2003). Enligt Corritore et al. (2003) finns det tre upplevda kriterier som påverkar en användares förtroende till en e-butik: trovärdighet, enkel användning och risk. I litteratur om konsumentbeteende online, är risk erkänt för att vara en nyckelfaktor som påverkar användares förtroende (Casado-Aranda et al., 2019). Företag kan minska risker för användare genom ökad trovärdighet och enkel användning i e-butiker (Featherman et al., 2010; Pavlou, 2003; Casado-Aranda et al., 2019).
Nedan presenteras tre kriterier, som alla påverkar användares förtroende till system. Kriterierna är trovärdighet, enkel användning och risk. Förtroende är komplext och multidimensionellt och påverkas därför av hur användare uppfattar de olika kriterierna (Corritore et al., 2003).
2.3.1.1 Trovärdighet
Det finns fyra dimensioner av trovärdighet: ärlighet, expertis, förutsägbarhet och omdöme (Corritore et al., 2003). Ärlighet definieras av välmenande, uppriktiga och opartiska handlingar (Corritore et al., 2003). Expertis kännetecknas av kunskap, erfarenhet och kompetens (Corritore et al., 2003; Featherman et al., 2010). Förutsägbarhet handlar om användares förväntan på att en webbplats kommer agera konsekvent, baserat på deras tidigare erfarenheter (Corritore et al., 2003). En webbplats omdöme grundas i användares erfarenheter av liknande webbplatsers kvalitet (Corritore et al., 2003; Featherman et al., 2010; Casado-Aranda et al., 2019).
2.3.1.2 Enkel användning
Om en sida uppfattas som enkel att använda grundas det i hur enkel sidan är att använda för att uppnå ett mål (Corritore et al., 2003; Pavlou, 2003). E-butiker behöver vara förklarande och enkla att förstå för att skapa förtroende hos användare (Featherman et al., 2010). Konsist utseende, enkel sökning och navigering är exempel på viktiga element för att uppnå förtroende på nätet (Corritore et al., 2003; Pavlou, 2003).
2.3.1.3 Risk
Osäkerhet hos användare uppstår ofta i e-butiker för att de inte besitter samma egenskaper som butiksbiträden i fysiska butiker använder sig av för att övertyga kunder om att det är en säker butik (Lu, Fan & Zhou, 2016; Pavlou, 2003). När användare inte är helt säkra på en e-butik måste de ta en risk när de interagerar med butiken (Lu, Fan & Zhou, 2016; Pavlou, 2003). Risk är sannolikheten för att ett resultat inte ska vara önskat (Corritore et al., 2003). Integritetsrisker är vanligt förekommande, användare bedömer då risken utifrån möjlig förlust av personligt identifierande information, som identitetsstöld (Featherman et al., 2010; Pavlou, 2003;
Casado-Aranda et al., 2019). I en situation där användare har full kontroll behöver de inte känna samma förtroende, en ökad känsla av kontroll hos användare skapar därför mindre känsla av risktagande (Corritore et al., 2003; Casado-Aranda et al., 2019).
En sammanfattning av de tre kriterierna för förtroende, med en beskrivning, presenteras nedan (Tabell 1). Dessa tre kriterier är utvalda utefter studiens kontext och studiens mål med att få användare att vilja lämna information till system, för att bemöta problemet kallstart (Tabell 2).
Kriterierna kommer användas för studiens utvärdering.
Tabell 1. Beskrivning av kriterierna för att uppnå förtroende
Kriterium Beskrivning Referenser
Trovärdighet System ska för användare verka vara ärligt, förmedla expertis, vara förutsägbart och visa på gott omdöme.
(Corritore et al., 2003;
Featherman et al., 2010)
Enkel användning
System ska för användare vara enkla att använda för att kunna uppnå ett mål.
Corritore et al., 2003; Pavlous, 2003; Featherman et al., 2010
Risk System ska ge användare tillräckligt med kontroll för att de inte ska behöva uppleva något risktagande.
Corritore et al., 2003; Pavlous, 2003; Featherman et al., 2010
2.3.2 Sammanfattning av designmål kopplat till förtroende-kriterierna
Nedan sammanfattas funna designmål som möjliggör för explicit insamling i en konversation, samt var vanligt förekommande i artiklarna från litteraturstudien (Tabell 2). Tabellen är indelad i de tre kategorier som är viktiga för en konversation: dialog, feedback och transparens. I beskrivningarna kopplas designelementen med förtroende-kriterierna utefter vad elementet ska utvärderas efter.
Tabell 2. Beskrivning av designmål för dialog, feedback och transparens.
Mål Designelement Beskrivning Referenser
Dialog
Skapa en naturlig dialog mellan system och användare
Chatt Chatten skapar en möjlighet för användare och system att
(Zhang et al., 2018;
Brandtzaeg & Følstad, 2017; Sun & Zhang,
konversera med ett naturligt språk, vilket förmänskligar system och
främjar trovärdighet.
2018; Paikari & Van Der Hoek, 2018; Wärnestål, 2005;
Hoff & Bashir, 2013)
Lära känna användare Frågor och svar När system lär känna användare behöver de svara på personliga frågor, vilket innebär ett visst risktagande för användarna.
(Wärnestål, 2005;
Zhang et al., 2018;
Masthoff, 2011; Verbert et al., 2013; Pavlou, 2003)
Feedback
Möjliggöra att informera om vilka
produktkategorier som föredras
Produkt- kategorier
Kategorier indikerar egenskaperna till ett flertal produkter, vilket skapar möjlighet för användare att enkelt välja efter egna preferenser.
(Chen & Pu, 2014;
Pu et al., 2012; Hoff &
Bashir, 2013)
Minska ansträngningen att svara på frågor
Slutna frågor Slutna frågor skapar möjlighet för användare att enkelt ge system feedback.
(Jugovac & Jannach, 2017;
Pu et al., 2012; Hoff &
Bashir, 2013)
Underlätta att ange preferenser
Visualisering av produkter med betygsättning
När produkter presenteras visuellt med möjlighet till betygsättning underlättar system för användare att enkelt uppnå sina mål.
(Bi et al., 2019; Shimazu, 2002; Pu et al., 2012;
Hoff & Bashir, 2013)
Möjliggöra för effektiv betygsättning
Tumme upp/ner Möjligheten att kunna välja vilka produkter användare vill ge positiv/negativ feedback främjar användarnas kontroll och minskar risken.
(Jugovac & Jannach, 2017; Pu et al.,
2012; Zhao et al., 2019;
Hoff & Bashir, 2013)
Transparens
Skapa förståelse för vad rekommendationerna byggs på
Tydliggörande text om processen
Fördelar med att få
presenterade förklaringar är en ökad effektivitet, upplevd transparens, tillfredsställelse och trovärdighet.
(Jugovac & Jannach, 2017; Shimazu, 2002;
Sinha & Swearingen, 2002; Zhao et al., 2019;
Hoff & Bashir, 2013)
Påminna användare om tidigare medverkan i processen
Ifylld feedback Ifylld feedback kan öka användarnas trovärdighet för system och därmed
rekommendationer.
(Jugovac & Jannach, 2017; Sinha &
Swearingen, 2002;
Pu et al., 2012; Zhao et al., 2019; Hoff & Bashir, 2013)
Informera om fördelarna med feedback för att motivera
Informativ text om feedbacks fördelar
Genom informativ text inkluderas användare i processen, som skapar trovärdighet för systems mål.
(Tanjim-Al-Akib et al., 2016; Jugovac &
Jannach, 2017; Pu et al., 2012; Zhao et al., 2019;
Hoff & Bashir, 2013)
3. Metod
I detta avsnitt beskrivs metodansatsen, litteraturstudien och valet att utveckla en prototyp.
Vidare förklaras hur utvärderingen av designelementen utfördes och hur analysen ger stöd för att svara på frågeställningen. Sedan beskrivs hur studien har förhållit sig till etiska överväganden samt en metoddiskussion.
3.1 Metodansats
För att besvara frågan: Hur kan konversationsrekommendationssystem designas för att skapa en känsla av förtroende som möjliggör för explicit insamling? har studien en designorienterad forskningsansats, eftersom studien tar sig an designproblemet kopplat till kallstart. Problemet uppstår när kallstarts-användare inte vet vilka eller vad de ska lita på som resulterar i att de inte vågar lämna ifrån sig personlig information, vilket hindrar RS att fungera som det är tänkt (Victor et al., 2008; Cassell & Bickmore, 2000; Pavlou, 2003; Verbert et al., 2013). Studien ämnar därför att undersöka hur en känsla av förtroende kan skapas i användares konversation med system, då kallstarts-användares explicita feedback till system är avgörande för ett fungerade KRS (Verbert et al., 2013). En designorienterad forskningsansats lämpar sig väl då det ger kunskap och förståelse för det identifierade designproblemet genom skapandet av en prototyp (Hevner, March, Park & Ram, 2004). Med en designad prototyp kunde utvärderingar genomföras i den tänkta miljön, vilket i detta fall var en e-butik. Målet med utvärderingarna var att undersöka förhållandet mellan testpersonernas känsla av förtroende till systemet och de olika designelementen i prototypen. Den designorienterade forskningsansatsen gjorde det möjligt att utvärdera efter de tre kriterierna för förtroende trovärdighet, enkel användning och risk.
Studien delades in i tre olika steg: litteraturstudie, prototyputveckling och utvärdering.
Litteraturstudien gav kunskap om viktiga begrepp och tidigare forskning inom området.
Utifrån litteraturstudien sammanställdes designmål med tillhörande designelement som senare användes i prototyputvecklingen. Prototypen utvecklades med syftet att kunna utvärdera användarnas förtroende kopplat till de nio designelementen (Tabell 2) i en utvärdering med testpersoner.
3.2 Litteraturstudie
Vid en designstudie bör tidigare forskning granskas för att få en överblick över arbetet som har genomförts inom studiens område och för att kunna stärka forskningsbidraget (Hevner, 2007;
Hevner et al., 2004). Därför inleddes studien med en litteraturstudie. Sökandet efter relevant litteratur för studien började med öppna sökningar i databaserna Scopus, ACM Digital Library och sökverktyget Google Scholar. Nyckelord som användes var: recommender systems, conversational recommender systems, interface, visualization, transparency, feedback, e- commerce, information design, trust, chat, cold start. I resultatet från sökningen av de utvalda sökorden granskades artiklarnas nyckelord och sedan kontrollerades relevansen i artiklarnas sammanfattningar och slutsats. Detta gav en snabb uppfattning om det var värt att läsa innehållet av artikeln eller inte. Studiens artiklar fastställdes utefter publiceringsår, antal citeringar, författare och forskningsområde för att hålla studiens relevans. RS och KRS är idag aktuella forskningsområden, det var därför viktigt att läsa relevanta och nya artiklar för att hålla denna studie aktuell. Förtroende är även ett aktuellt forskningsområde, men ett ämne som har studerats länge där det förekommer nyckelartiklar som många nutida artiklar grundar sina teorier på. Det var därför inte lika viktigt att läsa de nyaste artiklarna om detta ämne för att
hålla studiens relevans. Det genomfördes även bakåt- och framåtsökningar från de artiklar som var centrala för studien, genom att undersöka vilka artiklar författarna citerade eller vilka som har citerat deras artiklar hittades andra relevanta artiklar. Underlaget till prototypen utgår från nyckelbegrepp och teorier som upptäcktes i litteraturstudien. Litteraturstudien analyserades och la grunden för en tabell (Tabell 2) med designmål för att stödja en konversation och en känsla av förtroende, för att användare ska vilja lämna information till systemet. Därefter kunde en prototyp designas med designelementen. Genom litteraturstudien kunde även en tabell sammanställas med kriterier för att uppnå förtroende (Tabell 1), som sedan användes som utvärderingskriterier i utvärderingen för att testa om användarna kände en känsla av förtroende till systemet med de funna designmålen.
3.3 Prototyp
Syftet med studien var att bidra med designförslag för hur KRS kan designas för att ge en känsla av förtroende hos kallstarts-användare genom dialog, feedback och transparens. En prototyp användes för att utforska känslan av förtroende hos testpersonerna. Prototyper kan användas av designers för att reflektera över och utforska design (Lim, Stolterman &
Tenenberg, 2008). Prototypens roll i detta fall var att visualisera de designelement (se tabell 2) som tagits fram utifrån litteraturen för att kunna reflektera över och utforska hur de relaterar till användares förtroende. Begreppet prototyp används i designforskning för det objekt som används i designprocessen och är till för att designers ska kunna kommunicera sin design till testpersoner (Lim, Stolterman & Tenenberg, 2008). Med prototypen kunde testpersonerna sätta sig in i situationen och reflektera över vad designen gav dem för känsla av trovärdighet, enkel användning och risk. När testpersoner får interagera med en prototyp i en utvärdering kan det ge en förståelse för hur testpersonerna upplever designen (Hevner et al., 2004). Exempelvis utvecklades designelementet chatt för att möjliggöra en konversation med naturligt språk mellan användare och system för att främja systemets trovärdighet. Designelementet produktkategorier är ett exempel på design som ska möjliggöra för användare att välja produkter efter egna preferenser för att de enkelt ska nå sitt mål. Designelementet frågor och svar är ett exempel på design som formades för att system ska lära känna användare.
Designelementets design i prototypen var delvis i form av privata frågor, som “bryr du dig om vad andra tycker?”, för att utvärdera testpersonernas upplevda risktagande i interaktionen med systemet. Prototypen gav en möjlighet att få en inblick av testpersonernas känsla av förtroende till systemet som var avgörande för att kunna svara på studiens frågeställning. Prototypen utformades i kontexten av en e-butik som erbjuder hållbara och ekologiska produkter, därav valet av scenariots fokus på att testpersonen söker ett schampo i e-butiken.
3.4 Utvärdering
Nedan beskrivs studiens utvärderingsmetod, urval för studien, pilotstudien som genomfördes samt vilken analysmetod som har använts i studien.
3.4.1 Utvärderingsmetod
Tio testpersoner rekryterades för att utföra utvärderingen. Kraven från Vetenskapsrådet (2002) följdes under utvärderingar och intervjuer, testpersonerna blev informerade om studiens syfte, det fria valet att medverka men också möjligheten att avbryta sin medverkan. Utvärderingarna genomfördes på distans med kommunikationsverktyget Zoom som hjälpmedel.
Testpersonerna delade sin skärm samt använde sin webbkamera för att det skulle vara möjligt att se hur de interagerade med prototypen och hur de reagerade under utvärderingen.
Utvärderingen är avgörande för att en studie ska resultera i ett svar på frågeställningen (Hevner, 2004). Utvärderingsmetoder är till för att testa prototypens användbarhet, kvalitet och effektivitet efter studiens problem (Hevner, 2004). För att kunna utvärdera designelementen användes ett scenario och en uppgiftsbaserad metod, med Think Aloud som en komplementerande teknik. Metoden gick ut på att testpersonerna tilldelades ett scenario och tre uppgifter som skulle genomföras. Scenariot och de utformade uppgifterna (Bilaga A) gjorde det möjligt för testpersonerna att konversera med prototypen, eftersom prototypen inte var fullt utvecklad och innehöll vissa begränsningar. Det var endast tre uppgifter som gavs till testpersonerna, resterande uppgifter var det prototypen som informerade om, detta gjordes på grund av att inte leda dem för mycket genom prototypen och göra scenariot så trovärdigt som möjligt. Uppgifterna var formade på ett specifikt sätt för att testpersonerna skulle uppleva alla implementerade designelement i prototypen. Think Aloud går ut på att testpersoner berättar högt om sina tankar under genomgången av prototypen [1]. Think Aloud blev viktigt för att skapa en förståelse för testpersonernas tankar, känslor och upplevelser av prototypen. För att undersöka hur testpersonerna upplevde risken kopplat till designelementet frågor och svar pausades interaktionen i utvärderingen efter denna del, för att ställa tre frågor till testpersonen (Bilaga B). Detta gjorde det möjligt för testpersonen att reflektera över sitt och systemets beteende i den givna situationen.
Efter att testpersonerna hade genomfört uppgifterna, samt pausen med de tre tillhörande intervjufrågorna, kompletterades utvärderingen med en semistrukturerad intervju enligt en intervjuguide (Bilaga B). Intervjuguiden utformades efter utvärderingskriterierna (Tabell 1), med designelementen som underrubriker, och tillhörande frågor som ställdes till intervjupersonerna. Semistrukturerade intervjuer är flexibla i ordningen frågorna ställs, för att intervjupersonerna själva ska kunna spontant berätta om teman utan att intervjuaren ställer för många frågor (Fejes & Thornberg, 2014). Öppna frågor är viktigt i semistrukturerade intervjuer för att hindra att lägga ord i munnen på intervjupersoner och hellre ge dem möjlighet att använda egna ord för att förklara sina upplevelser (Fejes & Thornberg, 2014). Intervjufrågorna grundades i de tre kriterierna för att uppnå förtroende (Tabell 1); trovärdighet, enkel användning och risk (Corritore et al., 2003; Pavlous, 2003; Featherman et al., 2010).
Semistrukturerade intervjuer valdes på grund av att det kan ge en ökad förståelse för testpersonernas upplevda känsla av förtroende till systemet. Intervjuerna gjorde det möjligt att ställa frågor om prototypens designelement och förstå testpersonernas känsla kring deras upplevda förtroende.
Det insamlade materialet från de semistrukturerade intervjuerna dokumenterades med ljudinspelning. Inspelningarna kunde sedan transkriberas och användas som underlag för analysen. Hela utvärderingen, inkluderat uppgifterna och den semistrukturerade intervjun, tog ungefär 30-50 min att genomföra.
3.4.2 Urval
Studiens syfte var att bidra med designförslag för hur KRS kan designas för att ge en känsla av förtroende hos kallstarts-användare genom dialog, feedback och transparens. Studiens kontext var e-handel därför var urvalet (Tabell 3) för utvärderingen personer som hade någon form av tidigare erfarenhet av e-butiker, men inte tidigare handlat i e-butiken som studiens prototyp implementerades i. Detta val grundades i studiens designproblem kallstart. Det var därför viktigt att testpersonerna inte hade någon tidigare erfarenhet av sidan som kunde påverka deras förtroende. Testpersonerna handlade på nätet från en gång i månaden till en gång varje år. Att testpersonerna hade olika erfarenheter av e-handel gav ett bredare perspektiv
eftersom de hade olika kunskaper. Av etiska skäl valdes studiens urval till testpersoner som var 18 år eller äldre.
Tabell 3: Sammanfattning över testpersoner som deltog i utvärderingen med avseende på kön, ålder och tid.
Testperson Kön Ålder Tid
1 Man 24 år 45 min
2 Kvinna 22 år 33 min
3 Man 28 år 35 min
4 Kvinna 30 år 41 min
5 Man 22 år 38 min
6 Kvinna 27 år 50 min
7 Kvinna 24 år 47 min
8 Man 53 år 34 min
9 Man 63 år 38 min
10 Kvinna 58 år 44 min
3.4.3 Pilotstudie
En pilotstudie genomfördes innan utvärderingen, där syftet var att testa den tänkta utvärderingsmetoden och de tillhörande intervjufrågorna. Utvärderingens plan var viktig att testa och få bekräftad, för att säkerställa att det skulle ge ett resultat som i slutändan kunde svara på studiens frågeställning.
Testpersonen som utförde pilotstudien ingick i urvalsgruppen, för att få så tillförlitlig data om utvärderingens upplägg som möjligt. Pilotstudien bidrog till identifierande av problem i prototypens visuella design, som störde testpersonens genomgång av prototypen. Dessa problem ändrades inför utvärderingen för att testpersonerna skulle kunna fokusera på att testa huvudsyftet med prototypen. Pilotstudien bekräftade att intervjufrågorna hjälpte testpersonen att förklara upplevelsen av prototypen. Vissa av intervjufrågorna i pilotstudien var liknande och begränsade bredden av svaren, därför utformades följdfrågor med “hur” och “varför” för att undvika ja och nej-svar under utvärderingen. Pilotstudien indikerade att det var svårt för testpersonen att svara på frågor som var knutna till tidiga interaktioner i prototypen, eftersom testpersonen informerade om att de första frågorna systemet ställde glömdes bort. Det lades därför in en paus efter första delen i utvärderingen, för att få testpersonerna att reflektera över känslor som uppkom även i det stadiet. Utöver det nämnda bekräftade genomgången av pilotstudien att den tänkta metoden passade utvärderingens syfte, gav förståelse för testpersonens upplevelse och gav svar som kunde besvara frågeställningen.
3.4.4 Analysmetod
En analys utfördes av det insamlade materialet från testerna och intervjuerna. Testpersonernas namn gjordes anonyma, enligt Vetenskapsrådets (2002) forskningsetiska princip. Transkribering och kodning användes som analysmetod för att inte utelämna något och för att systematiskt kategorisera och tematisera materialet. För att inte missa väsentliga delar av materialet är det viktigt att förstå och lära känna det (Braun & Clarke, 2006). Strategin för kodningen var in-vivo som analyserar nära materialet. Kodning kan göra transkriberingar mindre abstrakta genom att bryta ner materialet (Saldaña, 2015; Fejes & Thornberg, 2017).
I början av analysen kodades alla transkriberingar genom att belysa ord och citat. Koder är ord som sammanfattar eller beskriver meningar utifrån det insamlade materialet (Fejes &
Thornberg, 2014). Koderna hjälpte till att strukturera den insamlade empirin och ge en översikt över hur många testpersoner som formulerade liknande beskrivningar. Koderna kategoriserades sedan under de tillhörande designelementen (Tabell 2). Beroende på vilket av förtroende-kriteriet (Tabell 1) designelementet tillhörde sattes koderna som en underkategori till trovärdighet, enkel användning eller risk. Kopplingen gjordes enligt förhållandet kriterierna och designelementen har enligt beskrivningen i Tabell 2. Designelementen kompletterar varandra och är designade tillsammans för att uppnå ett mål. Detta bidrog till att vissa designelement överlappade kriterierna. Det var dock viktigt att kategorisera designelementen efter ett kriterium för att kunna strukturera analysen och ha en möjlighet att jämföra likheter och olikheter i svaren.
Exempel på kod under designelementet chatt och kriteriet trovärdighet var “interaktion gav smalare och personligare anpassning”. Under designelementet produktkategorier och kriteriet enkel användning var en kod “enkelt att informera genom kategorier”. Exempel på kod som placerades under designelementet frågor och svar och kriteriet risk var “känner mig delaktig pga. personliga frågor”.
3.5 Etiska överväganden
Tracy (2010) förklarar vikten av att ha respekt för de människor som studeras och att etik bör vara ett universellt slutmål för kvalitet i studier. Tracy (2010) kallar det universella etiska målet för procedurell etik, som riktar sig mot större organisationer och institutioner. Ett exempel på procedurell etik är Vetenskapsrådets (2002) forskningsetiska principer inom humanistisk- samhällsvetenskaplig forskning. Dessa principer är även relevanta för denna studie och beskrivs därför nedan hur de har tagits i beaktning.
Testpersonerna informerades om syftet med studien och en genomgång av hur utvärderingen skulle genomföras. Informationskravet kräver att forskare måste informera alla deltagare i studien om deras uppgift och villkor som gäller för deras deltagande (Vetenskapsrådet, 2002).
Efter att testpersonerna hade förstått studiens syfte och deras rättigheter, lämnades även ett samtycke till deltagandet från testpersonerna. Under utvärderingens gång upprätthölls även en dialog med testpersonerna för att visa respekt för deras medverkan. Det förekom aldrig en situation där en testperson ville avbryta. Vetenskapsrådets (2002) samtyckeskrav kräver att deltagarna alltid ska lämna ett samtycke till att delta. Deltagare har alltid rätt att avbryta sin medverkan, även om ett samtycke har lämnats (Vetenskapsrådet, 2002). Väljer en deltagare att avbryta sin medverkan ska det inte försökas ändras eller påverkas, eller ha några andra negativa följder för deltagaren (Vetenskapsrådet, 2002). Innan utvärderingen sattes igång förklarades det tydligt för testpersonerna att de var anonyma. Uppgifter om testpersonerna hanterades därför på ett sätt som gör det omöjligt att identifiera för utomstående personer eller ha åtkomst
