Algorithmic Nudging for Sustainability in E-Commerce
Um Konsumentscheidungen im Online-Shopping hin zu nachhaltigeren Optionen zu lenken, entwickelt dieses Projekt ein algorithmisches System, das die wirksamsten Nudges (Verhaltensänderungstechniken) identifiziert.
Der weltweite Onlinehandel verzeichnet starkes Wachstum, begleitet von steigenden Umweltauswirkungen. Konsument*innen beeinflussen den ökologischen Fussabdruck des Onlinehandels durch Entscheidungen zu Produktwahl, Verpackung, Versandoption und Retouren massgeblich.
Trotz dem Wunsch vieler Konsument*innen, ihren negativen Umwelteinfluss zu verringern, spiegelt sich dies oft nicht im Verhalten wieder. Durch Verhaltensveränderungstechniken wie Nudging – z. B. durch einen nachhaltigen Versand als Standardoption – kann die Diskrepanz zwischen Einstellung und Verhalten überwunden werden.
Gemeinsam mit der Hochschule Luzern (Projektleitung) sowie Praxispartner*innen aus dem E-Commerce entwickeln wir wissenschaftlich fundierte Strategien zur Förderung der Nachhaltigkeit beim Onlineshopping. In Laborexperimenten und Feldstudien analysieren wir die Wirksamkeit und Akzeptanz von Nudges.
Zudem unterstützen wir die Hochschule Luzern und den Kooperationspartner behamics bei der Entwicklung von KI-Modellen. Diese sollen vorhersagen, bei welchen Entscheidungen welcher Typ Nudge besonders wirksam ist. Auf dieser Basis können Nachhaltigkeits-Nudges dynamisch ausgespielt werden, um individuell und gesamtheitlich die maximale Wirkung zu erzielen.
Die entwickelte Lösung unterstützt Konsument*innen dabei, nachhaltigere Entscheidungen beim Onlineshopping zu treffen und ermöglicht B2B-Kund*innen von behamics, ihre Nachhaltigkeitsziele zu erreichen. Insgesamt trägt die Lösung dazu bei, den ökologischen Fussabdruck des Onlinehandels zu reduzieren.
Leitung und Team | Prof. Dr. Dorothea Schaffner (Co-Projektleitung Gesamtprojekt), Somara Gantenbein |
Projektförderung | |
Kooperationspartner | Hochschule Luzern – Wirtschaft: Prof. Dr. Thomas Wozniak |
Dauer | Januar 2023–Januar 2025 |