Bachelorarbeit, 2017
158 Seiten, Note: 1,1
1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung
1.3 Vorgehensweise
2 Nutzeranalyse: Klassisches Fernsehen und Smart-TV
2.1 Nutzerverhalten und -bedürfnisse für den Bewegtbildkonsum per TV-Gerät
2.1.1 Lineares Fernsehen
2.1.2 Non-lineares Fernsehen
2.2 Nutzereingrenzung für die geplante Anwendung
2.2.1 Primärzielgruppe
2.2.2 Sekundärzielgruppe
2.3 Anforderungen für die geplante Anwendung
3 Personalisierung
3.1 Formen der Personalisierung: Allgemein und für Bewegtbild
3.2 Best Practice Spotify
3.3 Konzeption der Personalisierung für die geplante Anwendung
3.3.1 Kriterien Metadaten
3.3.2 Inhaltliche und kollaborative Filterung der Programminhalte
3.3.3 Ausnahmeregeln und Besonderheiten im Rahmen der Filterung
3.3.4 Anforderungen für das weiteres Vorgehen
4 Usability Test der konzeptionierten Personalisierung
4.1 Planung und Vorbereitung
4.2 Durchführung
4.3 Ergebnisse und Erkenntnisse des Tests
4.4 Fazit des Tests
5 Gestaltung: Smart-TV und personalisierte Anwendung
5.1 Funktionen und Organisationsstruktur (Sitemap)
5.2 Bedienung und Interaktionen
5.2.1 Fernbedienung
5.2.2 Wireframes
5.3 Visual Design
5.3.1 Logogestaltung
5.3.2 Screendesign
5.4 Hinweise für eine zukünftige Ausarbeitung der Gestaltung
6 Fazit und Ausblick
Die vorliegende Arbeit zielt darauf ab, ein effizientes und benutzerfreundliches Konzept für ein Smart-TV zu entwickeln, das eine personalisierte Programmauswahl ermöglicht. Dabei wird untersucht, wie die Vorteile des linearen Fernsehens mit der Flexibilität von Video-on-Demand-Diensten kombiniert werden können, um eine intuitive und zufriedenstellende User Experience zu schaffen, ohne den Nutzer durch ein Überangebot an Inhalten zu überfordern.
3.2 Best Practice Spotify
Spotify ist mit 100 Millionen Nutzern weltweit einer der größten Musik-Streaming-Anbieter.49 Innerhalb der Anwendung erhalten diese Nutzer jede Woche ein personalisiertes Mixtape namens Discover Weekly mit 30 neuen Songs zum Entdecken. Voraussetzung dafür ist, dass man einen mindestens zwei Wochen alten Account besitzt und innerhalb der letzten 30 Tage aktiv war.50
Die Vorschläge, die in dieser Playlist unterbreitet werden, erzeugen durch die hohe Trefferquote eine große Zufriedenheit bei den Nutzern.51 Dahinter steckt ein gut funktionierender Algorithmus, der sich grob aus drei Faktoren zusammensetzt.
Der erste Baustein für diesen Algorithmus sind die zahlreichen Playlists der Nutzer. Jede dieser händisch angelegten Playlists spiegelt den persönlichen Musikgeschmack wider.52 Wenn jemand angibt, dass er Rockmusik mag, beinhaltet dies eine ganze Bandbreite von unterschiedlichsten Subgenres. Ähnlich verhält es sich beim Bewegtbild. Auch Komödien können beispielsweise so unterschiedlich sein, dass sie einem Nutzer, der angibt dieses Genre zu mögen, aufgrund persönlichen Geschmacks nicht alle gefallen werden. Da die Technik derzeit nicht an diese menschliche Beurteilung herankommt, sind die Playlists das Herzstück, denn feinere Abstufungen einer Musikkategorie werden bei der Erstellung berücksichtigt.
Der zweite Faktor ist die Aufzeichnung und Auswertung der Nutzungsgewohnheiten des einzelnen Nutzers. Jedem Nutzerprofil wird kleinteilig ein Musikgeschmack zugewiesen. Die oben genannten feinen Unterschiede werden auch hier durch die Zuordnung zu den vielen Unterkategorien eines Musikgenres berücksichtigt.
1 Einleitung: Die Arbeit thematisiert die Herausforderungen durch die Medienkonvergenz bei Fernsehgeräten und leitet daraus die Notwendigkeit für ein neues, personalisiertes Smart-TV-Konzept ab.
2 Nutzeranalyse: Klassisches Fernsehen und Smart-TV: Dieses Kapitel beleuchtet das Konsumverhalten der Nutzer und identifiziert die Bedürfnisse und Zielgruppen für die geplante Anwendung.
3 Personalisierung: Basierend auf dem Vorbild von Spotify wird ein Konzept erarbeitet, um TV-Inhalte durch Metadaten und Filtermechanismen passgenau für den Anwender zu personalisieren.
4 Usability Test der konzeptionierten Personalisierung: Hier werden die entwickelten Kriterien der Personalisierung in einer Testumgebung simuliert und evaluiert, um deren Effektivität zu überprüfen.
5 Gestaltung: Smart-TV und personalisierte Anwendung: Der Fokus liegt auf der praktischen Umsetzung, inklusive der Sitemap, der Fernbedienungsgestaltung sowie dem visuellen Interface-Design.
6 Fazit und Ausblick: Die Ergebnisse der Arbeit werden zusammengefasst und Anforderungen für zukünftige Entwicklungen und technische Umsetzungen formuliert.
Smart-TV, Personalisierung, Bewegtbildkonsum, User Experience, Usability, Metadaten, Filteralgorithmus, Nutzerprofil, Fernbedienung, Screendesign, Medienkonvergenz, Zielgruppenanalyse, Wireframes, Streaming, Video on Demand.
Die Arbeit beschäftigt sich mit der Konzeption und Gestaltung einer Smart-TV-Anwendung, die das Fernsehprogramm für den Nutzer personalisiert und dabei das Nutzererlebnis verbessert.
Zentrale Themen sind die Analyse des aktuellen Fernsehverhaltens, Methoden der automatisierten Personalisierung, Usability-Tests sowie das visuelle Interface-Design für TV-Geräte.
Das Ziel ist die Erarbeitung einer effektiven und zufriedenstellenden Lösung für den Nutzungskontext "Smartes Fernsehen", die lineare TV-Inhalte und On-Demand-Angebote intelligent bündelt.
Es wurden Literaturanalysen, statistische Auswertungen des Nutzerverhaltens sowie ein praktischer Usability-Test mit Probanden zur Validierung der Filterkriterien durchgeführt.
Der Hauptteil gliedert sich in eine umfassende Nutzeranalyse, die theoretische Herleitung von Personalisierungs-Algorithmen (inspiriert durch Spotify) und die konkrete gestalterische Ausarbeitung des Systems.
Wichtige Begriffe sind Personalisierung, User Experience (UX), Smart-TV, Metadaten, Bedienungskonzepte und Interface-Design.
Spotify dient als Vorbild, da das System sehr erfolgreich durch eine Kombination aus Inhalts- und kollaborativen Filtern individuelle Empfehlungen generiert, was auf den TV-Bereich übertragen werden soll.
Die Fernbedienung besitzt ein Touch-Display mit variabler Tastenbelegung, um die Komplexität herkömmlicher Fernbedienungen zu reduzieren und sich dem Kontext des Nutzers anzupassen.
Es werden zwei Szenarien angeboten: ein automatisiertes Lernen des Profils über Zeit oder die aktive Festlegung von Präferenzen durch den Nutzer bei der Erstinstallation.
Der GRIN Verlag hat sich seit 1998 auf die Veröffentlichung akademischer eBooks und Bücher spezialisiert. Der GRIN Verlag steht damit als erstes Unternehmen für User Generated Quality Content. Die Verlagsseiten GRIN.com, Hausarbeiten.de und Diplomarbeiten24 bieten für Hochschullehrer, Absolventen und Studenten die ideale Plattform, wissenschaftliche Texte wie Hausarbeiten, Referate, Bachelorarbeiten, Masterarbeiten, Diplomarbeiten, Dissertationen und wissenschaftliche Aufsätze einem breiten Publikum zu präsentieren.
Kostenfreie Veröffentlichung: Hausarbeit, Bachelorarbeit, Diplomarbeit, Dissertation, Masterarbeit, Interpretation oder Referat jetzt veröffentlichen!

