Content uploaded by Sebastian Schultheiß
Author content
All content in this area was uploaded by Sebastian Schultheiß on Mar 01, 2019
Content may be subject to copyright.
MASTERARBEIT
Der Einfluss des Verständnisses von Suchmaschinen-
werbung auf das Rechercheverhalten am PC und am
mobilen Endgerät: eine Nutzerstudie
vorgelegt im März 2019 von
Sebastian Schultheiß
1. Prüfer: Prof. Dr. Dirk Lewandowski
2. Prüfer: Sebastian Sünkler, M.A.
HOCHSCHULE FÜR ANGEWANDTE
WISSENSCHAFTEN HAMBURG
Department Information
Studiengang: Information, Medien, Bibliothek (M.A.)
HOCHSCHULE FÜR ANGEWANDTE
WISSENSCHAFTEN HAMBURG
Hamburg University of Applied Sciences
Der Einfluss des Verständnisses von
Suchmaschinenwerbung auf das Rechercheverhalten
am PC und am mobilen Endgerät: eine Nutzerstudie
Masterarbeit vorgelegt von
Sebastian Schultheiß
Abstract III
Abstract
Repräsentative Untersuchungen ergaben, dass Suchmaschinennutzer zum
Großteil weder das von Werbung bestimmte Geschäftsmodell Googles kennen noch
bezahlte von organischen Ergebnissen unterscheiden können. Daran knüpft die
vorliegende Masterarbeit an und untersucht, welchen Einfluss der Kenntnisstand über
Suchmaschinenwerbung auf das Rechercheverhalten am PC sowie am Smartphone
ausübt. Zusätzlich findet eine Analyse des Klickverhaltens nach Betrachtung der
Anzeigen-Kennzeichnung sowie ein Vergleich der Blick- und Klickdaten beider Geräte
statt. Dafür wurde ein Methodenmix aus Interview, Eye-Tracking-Experiment und
Fragebogen mit 50 studentischen Probanden eingesetzt.
Die Probanden verfügten über ausgeprägte Kenntnisse im Bereich der
Suchmaschinenwerbung, die nicht mit ihrem Rechercheverhalten korrelierten.
Deutlich wurde eine bewusste Anzeigenauswahl der Studienteilnehmer. Diese zeigte
sich in vermehrten Anzeigenklicks bei Aufgaben, bei denen die gesuchte Webseite
sowohl als Anzeige als auch als organisches Ergebnis erschien. Hier führte der Klick auf
die zuerst platzierte Anzeige am schnellsten zum Ziel. Wurde ein Anzeigen-Label
betrachtet, sorgte dies nicht für eine Abnahme der Anzeigenklickzahlen, was ebenso
für das bewusste Auswahlverhalten spricht. Hinsichtlich des bei der Suche
verwendeten Endgerätes zeigten sich zum Teil große Unterschiede im Blickverhalten.
Diese Unterschiede lassen sich auf den Einfluss der direkten Sichtbarkeit eines
Suchergebnisses an beiden getesteten Geräten zurückführen.
Aus den Ergebnissen können Empfehlungen für Werbende sowie Bedarfe
weiterer Forschung abgeleitet werden. Werbende, die auf Google Anzeigen schalten,
sollten abhängig vom Gerätetyp sicherstellen, dass ihre Anzeigen im unmittelbar
sichtbaren, stark wahrgenommenen Bereich erscheinen. Zukünftige Studien bieten
sich dahingehend an, das Experiment mit einem anderen Sample zu wiederholen und
die in der vorliegenden Studie ermittelte bewusste Anzeigenauswahl zu untersuchen.
Keywords
Suchmaschine, Google, Suchmaschinennutzer, Suchmaschinenwerbung, SEA,
AdWords, Ads, Rechercheverhalten, Eye-Tracking, Experiment, PC, Smartphone
Inhaltsverzeichnis IV
Inhaltsverzeichnis
Abstract ________________________________________________________ III
Inhaltsverzeichnis ________________________________________________ IV
Abbildungsverzeichnis _____________________________________________ VI
Tabellenverzeichnis _______________________________________________ VII
1 Einleitung _____________________________________________________ 1
2 Stand der Forschung ____________________________________________ 4
2.1 Rechercheverhalten der Suchmaschinennutzer _______________________ 4
2.1.1 Aufbau der Suchergebnisseiten (SERPs) ___________________________________ 4
2.1.2 Einfluss der SERPs auf das Nutzerverhalten ________________________________ 6
2.1.3 Vertrauen der Nutzer in Suchmaschinen __________________________________ 8
2.2 Marktstellung und Geschäftsmodell Googles _________________________ 9
2.2.1 Googles Marktmacht und deren Auswirkungen _____________________________ 9
2.2.2 Geschäftsmodell von Suchmaschinen am Beispiel von Google ________________ 10
2.2.3 Kennzeichnung von Suchmaschinenwerbung______________________________ 13
2.2.4 Suchmaschinenwerbung und deren Einfluss auf die Nutzer __________________ 14
3 Forschungsfragen und Hypothesen _______________________________ 15
3.1 Forschungsfragen ______________________________________________ 15
3.2 Hypothesen___________________________________________________ 15
4 Methodik ____________________________________________________ 17
4.1 Methodenbeschreibung _________________________________________ 17
4.1.1 Eye-Tracking ________________________________________________________ 17
4.1.2 Interview und Fragebogen _____________________________________________ 19
4.2 Studiendesign _________________________________________________ 20
4.2.1 Versuchsdurchführung _______________________________________________ 20
4.2.2 Probandenakquise ___________________________________________________ 21
4.2.3 Vorbefragung: Interview ______________________________________________ 22
4.2.4 Eye-Tracking-Experiment ______________________________________________ 23
4.2.5 Nachbefragung: Fragebogen inklusive Test _______________________________ 26
4.2.6 Technische Umsetzung _______________________________________________ 31
4.2.6.1 Hardware Eye-Tracking ___________________________________________ 31
4.2.6.2 Software Eye-Tracking ____________________________________________ 32
4.2.6.3 Software Fragebogen _____________________________________________ 34
4.2.6.4 Einstellungen und Ablauf im Eye-Tracking-Programm ___________________ 34
Inhaltsverzeichnis V
5 Ergebnisse ___________________________________________________ 38
5.1 Deskriptive Statistik ____________________________________________ 38
5.1.1 Vorbefragung: Charakterisierung der Probanden __________________________ 38
5.1.2 Eye-Tracking-Experiment: Klick- und Blickverhalten der Probanden ____________ 39
5.1.3 Fragebogenauswertung _______________________________________________ 41
5.1.3.1 Fragebogen: Einzelfragen _________________________________________ 42
5.1.3.2 Fragebogen: Gesamtpunktzahlen ___________________________________ 44
5.2 Prüfung auf Zusammenhänge der Ergebnisse ________________________ 45
5.2.1 Zusammenhang zwischen Anzeigenverständnis und Rechercheverhalten _______ 45
5.2.1.1 Korrelationsanalysen zwischen Fragebogenergebnissen und dem Blick- und
Klickverhalten auf Anzeigen (H1, H2) ________________________________ 45
5.2.1.2 Prüfung der SERPs auf „Goldenes Dreieck“ per Heatmaps (H3, H4) ________ 46
5.2.2 Zusammenhang zwischen Selbsteinschätzung und Anzeigenverständnis ________ 51
5.2.3 Verhalten nach Betrachtung der Anzeigen-Kennzeichnung (H5) _______________ 51
5.3 Vergleich der Desktop- und Mobil-Versionen der Rechercheaufgaben ____ 53
5.3.1 Unterschiede im Blickverhalten auf Anzeigen zwischen Desktop und Mobil (H6) _ 53
5.3.2 Unterschiede im Blickverhalten auf organischen Ergebnissen zwischen
Desktop und Mobil ___________________________________________________ 59
5.3.3 Unterschiede im Klickverhalten auf Anzeigen zwischen Desktop und Mobil (H7) _ 59
6 Diskussion ___________________________________________________ 62
6.1 Methodendiskussion ___________________________________________ 62
6.2 Ergebnisdiskussion _____________________________________________ 63
6.3 Grenzen der Studie _____________________________________________ 66
6.4 Zukünftige Forschungsvorhaben __________________________________ 66
7 Schlussbetrachtung ____________________________________________ 68
8 Literaturverzeichnis ____________________________________________ 69
Anhang 1: Datenschutzvereinbarung __________________________________ A
Anhang 2: Einverständniserklärung ___________________________________ B
Anhang 3: Testleitfaden ____________________________________________ C
Anhang 4: Klicks auf Ergebnistypen ___________________________________ J
Anhang 5: Fixationen auf Ergebnistypen _______________________________ K
Anhang 6: Fixationsraten auf organischen Ergebnissen ___________________ L
Anhang 7: Beigabe (CD) ____________________________________________ M
Eidesstattliche Erklärung ___________________________________________ 78
Abbildungsverzeichnis VI
Abbildungsverzeichnis
Abbildung 1: Beispiel-SERPs Desktop und Mobil „above the fold“ .............................................................. 5
Abbildung 2: beispielhafte Ergebnismarkierungen bei Fragebogen-Aufgaben 4 (Desktop) und 6 (Mobil) 27
Abbildung 3: Software des Eye-Tracking-Experiments............................................................................... 32
Abbildung 4: Gaze-Mapping in iMotions ................................................................................................... 35
Abbildung 5: Klicks auf Ergebnistypen (relative Häufigkeiten) .................................................................. 40
Abbildung 6: Fixationen auf Ergebnistypen (relative Häufigkeiten) .......................................................... 41
Abbildung 7: Häufigkeiten korrekter und inkorrekter Antworten des Fragebogens .................................. 42
Abbildung 8: Verteilung der Fragebogen-Gesamtpunktzahlen ................................................................. 45
Abbildung 9: Heatmaps für Rechercheaufgabe Q14 .................................................................................. 49
Abbildung 10: Heatmaps für Rechercheaufgabe Q16 ................................................................................ 50
Abbildung 11: Fixationsraten der Anzeigen ............................................................................................... 54
Abbildung 12: Darstellung der Shoppinganzeigen am Smartphone und PC (Bereiche „above the fold“) .. 55
Abbildung 13: Fixationsraten der organischen Suchergebnisse ................................................................. 59
Abbildung 14: Klicks auf Ergebnistypen nach Rechercheaufgaben (relative Häufigkeiten) .......................... J
Abbildung 15: Fixationen auf Ergebnistypen nach Rechercheaufgaben (relative Häufigkeiten) ................. K
Tabellenverzeichnis VII
Tabellenverzeichnis
Tabelle 1: Probandentabelle (Spalteninhalte) ............................................................................................ 23
Tabelle 2: Experimentalbedingungen (beispielhafte Zuteilung) ................................................................ 26
Tabelle 3: Fragebogen ............................................................................................................................... 28
Tabelle 4: Gewichtungen des Fragebogens ............................................................................................... 30
Tabelle 5: Studiengänge der Probanden .................................................................................................... 39
Tabelle 6: Anzeigenklicks nach Anfragetypen (Broder, 2002, S. 5) ............................................................ 40
Tabelle 7: Erkennungsraten der Ergebnistypen: richtig und falsch gekennzeichnete Ergebnisse .............. 43
Tabelle 8: Häufigkeiten korrekter, teilweise korrekter und inkorrekter Zuordnungen der Probanden ...... 44
Tabelle 9: Fixationszahlen der Probanden mit geringer und hoher Anzeigenkenntnis (Desktop) .............. 48
Tabelle 10: Anzeigenklicks nach Betrachtung des Anzeigen-Labels (Desktop) .......................................... 52
Tabelle 11: Anzeigenklicks nach Betrachtung des Anzeigen-Labels (Mobil) .............................................. 53
Tabelle 12: Fixationen auf oberen Textanzeigen ....................................................................................... 56
Tabelle 13: Fixationen auf unteren Textanzeigen ...................................................................................... 57
Tabelle 14: Fixationen auf Shoppinganzeigen ........................................................................................... 57
Tabelle 15: Intensitäten der Anzeigenbetrachtungen ................................................................................ 58
Tabelle 16: Klicks auf oberen Textanzeigen ............................................................................................... 60
Tabelle 17: Klicks auf Shoppinganzeigen ................................................................................................... 61
Tabelle 18: Rechercheaufgaben Block 1 ...................................................................................................... G
Tabelle 19: Rechercheaufgaben Block 2 ...................................................................................................... H
Tabelle 20: Klicks auf Ergebnistypen nach Rechercheaufgaben (absolute Häufigkeiten) ............................. J
Tabelle 21: Fixationen auf Ergebnistypen nach Rechercheaufgaben (absolute Häufigkeiten) .................... K
Tabelle 22: Fixationsraten auf organischen Ergebnissen .............................................................................. L
1 Einleitung 1
1 Einleitung
Suchmaschinen nehmen in unserer Gesellschaft eine bedeutende Rolle ein. Sie
zählen zu den am meisten verwendeten Diensten des Internets, wodurch sie einen
großen Einfluss auf den Wissenserwerb der Internetnutzer ausüben (Koch & Frees,
2016, S. 428; Lewandowski, 2015b, S. 290). Der Suchmaschinenmarkt wird im
Wesentlichen von Google beherrscht, was sich durch einen Marktanteil von etwa 90%
innerhalb Europas ausdrückt (European Commission, 2017, S. 1). Alphabet Inc., der
Mutterkonzern von Google, generiert seine Einnahmen hauptsächlich durch Werbung
für Produkte und Dienstleistungen. So betrug der Anteil der Werbeeinnahmen im
dritten Quartal 2018 85,8% (Alphabet Inc., 2018; Google.com, 2018d).
Auf der Google-Suchergebnisseite (Search Engine Results Page; kurz SERP;
Lewandowski, 2018, S. 131) werden im Wesentlichen zwei Ergebnisformen
unterschieden: organische und bezahlte Ergebnisse (Werbung). Organische
Suchergebnisse werden unter gleichen Bedingungen auf der SERP aufgeführt, sodass
theoretisch jede im Google-Index vorhandene Webseite die Chance hat, dem Nutzer zu
einer bestimmten Suchanfrage angezeigt zu werden. Suchmaschinenwerbung wird
hingegen nur dann angezeigt, wenn ein Werbetreibender dafür bezahlt. Nutzer
werden in verschiedenen Kontexten mit Werbung konfrontiert. So gibt es
Textanzeigen, die den organischen Treffern optisch stark ähneln. Daneben gibt es
Werbeanzeigen zu Produkten, lokale Anzeigen zu Standorten wie Restaurants oder
Hotels sowie Anzeigen zu Flugverbindungen (Google.com, 2018c; Lewandowski, 2018,
S. 189-198; Stelzel-Morawietz, 2015). Werbetreibende, die Anzeigen geschaltet haben,
bezahlen nicht für deren Darstellung auf der SERP selbst, sondern für jeden Klick, der
auf den Anzeigen erfolgt (Google.com, 2018e). Google profitiert somit unmittelbar
davon, wenn eine möglichst große Nutzerzahl auf die geschalteten Anzeigen klickt.
Untersuchungen ergaben, dass Suchmaschinennutzer zum Großteil weder das
von Werbung bestimmte Geschäftsmodell Googles kennen, noch in der Lage sind, die
organischen von den bezahlten Suchergebnissen zu unterscheiden (Lewandowski,
Kerkmann, Rümmele, & Sünkler, 2018). Als ursächlich dafür gilt eine unzureichende
Kennzeichnung der Anzeigen. Diese wird durch Google regelmäßig verändert (von
einer Schattierung zu einem derzeit grün umrandeten „Anzeige“-Begriff), wobei die
Entwicklung hin zu unauffälligeren Kennzeichnungen geht.
1 Einleitung 2
Diese geht wiederum mit steigenden Klickzahlen auf den Anzeigen einher
(Edelman, 2014). Google kann somit vorgeworfen werden, das Problem der
mangelhaften Unterscheidbarkeit im Sinne höherer Einnahmen zumindest in Kauf zu
nehmen (Lewandowski, 2016, S. 190). Zusätzlich profitiert Google auch vom Vertrauen,
das die Nutzer in die Suchmaschine haben, ihnen die relevantesten Ergebnisse zu
liefern. Dieses Vertrauen bringen sie aufgrund ihrer mangelnden
Unterscheidungsfähigkeit auch den Anzeigen entgegen. Da diese jedoch stark durch
die Werbetreibenden beeinflusst werden, ist das nutzerseitige Vertrauen im Falle der
bezahlten Suchergebnisse zu hinterfragen (Lewandowski, 2017, S. 22).
Die vorliegende Masterarbeit hat untersucht, welche Auswirkungen die Fähigkeit
zur Unterscheidung von Anzeigen und organischen Suchergebnissen auf das
Rechercheverhalten der Suchmaschinennutzer am PC sowie am Smartphone ausübt.
Außerdem wurde das Klickverhalten der Probanden nach Betrachtung der Anzeigen-
Kennzeichnung analysiert sowie das Rechercheverhalten am PC und Smartphone
miteinander verglichen.
Die Berücksichtigung der Mobilversion ist zum einen durch die Häufigkeit
mobiler Recherchen zu begründen. Über 50% aller Suchanfragen werden mittlerweile
über mobile Endgeräte wie Smartphones abgegeben, wobei die Anteile mobiler
Suchanfragen stark vom jeweiligen Sektor (Ernährung: 72%; Finanzwesen: 39%)
abhängen (Fetto, 2016, S. 3; Sterling, 2016). Neben der Häufigkeit mobiler
Suchanfragen ist zum anderen die Bildschirmgröße von Bedeutung. Der SERP-
Abschnitt, der ohne Scrollen sichtbar ist, wird als Bereich „über dem Knick“ („above
the fold“), das Gegenstück als Bereich „unter dem Knick“ („below the fold“) bezeichnet
(Jansen & Spink, 2007, S. 54). Suchergebnisse, die nicht im oberen, direkt sichtbaren
Bereich liegen, werden durch die Nutzer kaum ausgewählt (Höchstötter &
Lewandowski, 2009). Aufgrund der kleineren Bildschirmgröße finden bei der mobilen
Suche wesentlich weniger Suchergebnisse im Bereich „above the fold“ Platz. Der
beschränkte Platz führt dazu, dass bei Suchanfragen, die Anzeigen liefern (Produkt-
bzw. Dienstleistungssuche), der direkt sichtbare SERP-Bereich ausschließlich aus Text-
oder Shoppinganzeigen besteht. Organische Ergebnisse werden erst durch Scrollen
sichtbar. In der mobilen Suche kann somit im Vergleich zur Desktopversion eine noch
größere Bevorzugung der Anzeigen vermutet werden (Lewandowski, 2017, S. 21;
Marvin, 2017).
1 Einleitung 3
Das Rechercheverhalten wurde in Form des Blick- und Klickverhaltens mit Hilfe
eines stationären sowie eines mobilen Eye-Trackers erfasst. Neben der Eye-Tracking-
Methode wurden Interviews und Fragebögen eingesetzt. Diese dienten zur Erfragung
demographischer Daten und der Suchmaschinennutzung sowie zur Ermittlung des
Kenntnisstandes des jeweiligen Probanden über die Google-Anzeigen. Die
Methodenkombination ermöglichte es, die Daten der Methoden in Zusammenhang zu
bringen und sie auf mögliche Korrelationen zu untersuchen. Nach Kenntnisstand des
Autors ist diese Studie die erste, die zum Erreichen der dargelegten Zielsetzung das
Klick- und Blickverhalten auf den Desktop- und Mobilversionen der Google-Suche
untersucht.
Die Arbeit gliedert sich in sieben Abschnitte. Nach der Einleitung folgt der
Forschungsstand. Dieser führt Studien zum Rechercheverhalten der
Suchmaschinennutzer auf und gibt einen Überblick über die Suchmaschinenwerbung
sowie den Einfluss, den diese auf die Nutzer ausübt. Aufbauend auf den Stand der
Forschung beinhaltet der dritte Abschnitt die Forschungsfragen und Hypothesen der
Masterarbeit. Im vierten Abschnitt wird die Methodik zur Beantwortung der
Fragestellungen erläutert und das Studiendesign der Untersuchung beschrieben.
Abschnitt fünf stellt die Ergebnisse der Studie dar. Neben der deskriptiven Statistik
werden die erhobenen Daten auf Zusammenhänge überprüft und Unterschiede
zwischen der PC- und Smartphone-Recherche dargestellt. Der sechste Abschnitt
interpretiert die Ergebnisse, diskutiert die Methoden und führt Grenzen der Studie
sowie weitere Forschungsvorhaben auf, die sich an die Studie anschließen lassen. Der
siebte und gleichzeitig letzte Abschnitt ist die Schlussbetrachtung, in der die
wichtigsten Aspekte der Masterarbeit dargelegt werden.
2 Stand der Forschung 4
2 Stand der Forschung
Der Forschungsstand stellt die Literatur dar, die der Masterarbeit zugrunde liegt.
Begonnen wird mit dem Rechercheverhalten der Suchmaschinennutzer. Dieser
Abschnitt (2.1) erläutert zunächst den derzeitigen Aufbau der Suchergebnisseiten und
deren Einfluss auf das Nutzerverhalten. Es folgt eine Darstellung von Studien, die das
nutzerseitige Vertrauen in Suchmaschinenanbieter wie Google untersucht haben.
Der zweite Abschnitt (2.2) behandelt Googles Rolle im Suchmaschinenmarkt.
Neben der Darlegung Googles marktbeherrschender Stellung und deren Auswirkungen
wird die Werbung als wesentliche Einnahmequelle der Suchmaschine beschrieben.
Studien, die in diesem Kontext publiziert wurden und als Anknüpfungspunkte der
geplanten Masterarbeit dienen, schließen den Forschungsstand ab.
2.1 Rechercheverhalten der Suchmaschinennutzer
2.1.1 Aufbau der Suchergebnisseiten (SERPs)
Eine HTML-Seite, die dem Nutzer die Ergebnisse einer Suchanfrage darstellt, wird
als Suchergebnisseite (Search Engine Results Page; kurz SERP) bezeichnet. Auf einer
SERP finden sich vier Ergebnistypen wieder: organische Ergebnisse, Werbung,
Universal-Search-Ergebnisse sowie Fakteninformationen:
- Organische Ergebnisse:
Ergebnisse, die per Algorithmen generiert und durch Rankingverfahren
gleichbehandelt in eine Reihenfolge gebracht werden.
- Bezahlte Ergebnisse (Werbung):
o Textanzeigen
o bezahlte Universal-Search-Ergebnisse
siehe 2.2.2 Geschäftsmodell von Suchmaschinen am Beispiel von Google
- Universal-Search-Ergebnisse:
Treffer aus gesondert aufgebauten Kollektionen (beispielsweise Karten oder
Videos), die als Block die organischen Ergebnisse von den Textanzeigen trennen
oder als Block innerhalb der Liste der organischen Suchergebnisse aufgeführt
werden.
2 Stand der Forschung 5
- Fakteninformationen:
Direkte Beantwortung der Suchanfrage auf der SERP, beispielsweise als
Wetterbericht oder Fakten zu bekannten Persönlichkeiten.
(Lewandowski, 2018, S. 131-135)
Wie der Abschnitt 3 Forschungsfragen und Hypothesen verdeutlicht, zielt die
vorliegende Arbeit auf die Unterscheidung von organischen und bezahlten Ergebnissen
ab. Fakteninformationen und (nicht bezahlte) Universal-Search-Ergebnisse sollen somit
im Folgenden unberücksichtigt bleiben. Eine SERP, die organische und bezahlte
Suchergebnisse (hier Shoppinganzeigen) enthält, wird in Abbildung 1 exemplarisch in
der Desktop- sowie Mobilversion der Google-Suche dargestellt.
Abbildung 1: Beispiel-SERPs Desktop und Mobil „above the fold“
Führt ein Nutzer eine Suche durch, wird er zunächst mit dem Bereich der SERP
konfrontiert, der direkt sichtbar ist und kein Scrollen erfordert. Dieser Abschnitt wird
als Bereich „above the fold“ („über dem Knick“; entspricht Abbildung 1) bezeichnet.
Der untere SERP-Bereich, den der Nutzer erst dann sieht, wenn er scrollt, ist der
Abschnitt „below the fold“ („unter dem Knick“) (Jansen & Spink, 2007, S. 54-57).
Aufgrund der Vielzahl an Geräten, auf denen SERPs dargestellt werden, gibt es eine
ebenso große Anzahl an möglichen Ergebnisdarstellungen. Diese richten sich nach der
Fenstergröße, der Bildschirmauflösung, aber auch dem Standort des Gerätes. Welche
Ergebnisse jeweils über oder unter dem Knick dargestellt werden, ist somit nicht
pauschal zu beantworten (Lewandowski, 2018, S. 133).
2 Stand der Forschung 6
Die Unterschiede werden jedoch mit Blick auf Abbildung 1 deutlich. Es ist
erkennbar, dass lediglich die Desktop-SERP auch organische Suchergebnisse im direkt
sichtbaren Bereich darstellt, wofür in der mobilen Version Scrollen erforderlich ist.
Die Darstellung des einzelnen Suchergebnisses auf der SERP erfolgt als sog.
Trefferbeschreibung („Snippet“). Diese besteht im Falle der organischen Ergebnisse
und Textanzeigen üblicherweise aus einer anklickbaren Überschrift, der URL sowie
einem kurzen Beschreibungstext. Je nach Suchanfrage werden auch erweiterte
Trefferbeschreibungen (mehrere Unterseiten einer gesuchten Website) oder
Zusatzinformationen wie Bewertungssterne bei Produkten oder Zitationshäufigkeiten
bei wissenschaftlichen Artikeln angezeigt (Lewandowski, 2018, S. 149-151).
Der Aufbau der SERPs und deren Bestandteile befinden sich in einem stetigen
Wandel. So fügt Google regelmäßig neue Bestandteile zur SERP hinzu, wodurch deren
Komplexität erhöht wird oder variiert Navigationsfunktionen. Dazu zählt beispielsweise
das sogenannte „Carousel“. Dabei handelt es sich um die Möglichkeit, Suchergebnisse
von links nach rechts durchzuwischen (Schwartz, 2017). Auf der mobilen SERP der
Abbildung 1 ist diese Darstellungsform für die bezahlten Universal-Search-Ergebnisse
zu sehen.
2.1.2 Einfluss der SERPs auf das Nutzerverhalten
Suchmaschinennutzer werden stark durch den zuvor geschilderten Aufbau der
SERP beeinflusst, was durch eine Reihe von Studien nachgewiesen worden ist.
Methodisch sind die nachfolgend aufgeführten Arbeiten im Wesentlichen der Eye-
Tracking-Methode zuzuordnen, die im Methodik-Abschnitt beschrieben wird. Neben
dem Blick- wird häufig das Klickverhalten mitausgewertet. Dies geschieht anhand von
Logdaten bzw. Transaktionsprotokollen, die die Kommunikation zwischen der
Suchmaschine und ihren Nutzern in Listenform beinhalten (Jansen, 2006, S. 408).
Die Platzierung der Suchergebnisse wirkt sich entscheidend auf das
Nutzerverhalten aus. Ergebnisse, die nicht im oberen, direkt sichtbaren Bereich
(„above the fold“) aufgeführt werden, werden durch die Nutzer kaum wahrgenommen
und ausgewählt (Guan & Cutrell, 2007; Lewandowski & Höchstötter, 2009). Die
Bildschirmgröße des Endgeräts, das die SERP darstellt, spielt dabei eine wesentliche
Rolle. Aufgrund der geringen Bildschirmgröße beispielsweise von Smartphones finden
weniger Ergebnisse im direkt sichtbaren Bereich Platz.
2 Stand der Forschung 7
Dies führt dazu, dass die wenigen, bei mobiler Suche direkt sichtbaren Ergebnisse
deutlich intensiver betrachtet werden, als dieselben Ergebnisse bei einer
Desktopsuche (J. Kim, Thomas, Sankaranarayana, & Gedeon, 2012). Suchanfragen, die
mit einem mobilen Endgerät abgegeben werden und die Anzeigen liefern, führen
„über dem Knick“ ausschließlich Anzeigen und keine organischen Ergebnisse auf. In der
Suche mit mobilem Endgerät werden die Anzeigen somit im Vergleich zur
Desktopversion noch stärker bevorzugt (Lewandowski, 2017, S. 21; Marvin, 2017;
Wood, 2017). Dies ist insbesondere deshalb relevant, da mittlerweile über 50% aller
Suchanfragen über Smartphones oder ähnliche Geräte abgegeben werden (Sterling,
2016).
Innerhalb des sichtbaren Bereiches liegt ferner eine klare Bevorzugung des zuerst
platzierten Treffers vor, wie Granka, Joachims und Gay bereits 2004 per Eye-Tracking-
Experiment feststellen konnten. Dasselbe Bild ergab die Analyse einer halben Million
Google-Suchanfragen. Jeder dritte Nutzer klickte auf das erste Suchergebnis, zwei
Drittel wählten einen der ersten fünf Treffer aus. Zudem wurde kaum auf eine weitere
SERP geblättert (Petrescu, 2014).
Die Bevorzugung prominent platzierter Treffer wird durch das sogenannte
„Goldene Dreieck“ für ununterbrochene Ergebnislisten (Hotchkiss, Alston, & Edwards,
2005, S. 7) illustriert. Bei SERPs, auf denen sich zwei separate Ergebnislisten befinden,
konnte hingegen das sogenannte „F-Muster“ ausgemacht werden (Bundesverband
Digitale Wirtschaft, 2009, S. 16; Lewandowski, 2015b, S. 131).
Die beschriebene Entwicklung zu immer komplexer werdenden SERPs sorgt
jedoch in vielen Fällen für ein Blickverhalten, das keinem der beiden Muster klar
zugeordnet werden kann. Sind beispielsweise Universal-Search-Ergebnisse wie Bilder
auf der SERP eingebunden, entfällt ein erheblicher Anteil der Blicke auf diesen Bereich.
Dies ist selbst dann der Fall, wenn die entsprechenden Ergebnisse irrelevant, aber
ansprechend gestaltet sind („attraction bias“). Die Blickanteile werden des Weiteren
durch die Relevanz des angezeigten Universal-Search-Ergebnisses gesteuert. Ist diese
gegeben, finden die organischen Ergebnisse darunter kaum mehr Beachtung („Cut-Off-
Effekt“). Ist das Universal-Search-Ergebnis hingegen irrelevant, werden die
darunterliegenden organischen Treffer von den Nutzern deutlich intensiver beachtet
(„Spill-Over-Effekt“) (Lewandowski, 2018, S. 139; Liu, Liu, Zhou, Zhang, & Ma, 2015;
Mediative, 2014, S. 10).
2 Stand der Forschung 8
2.1.3 Vertrauen der Nutzer in Suchmaschinen
Suchmaschinen zählen zu den am meisten verwendeten Diensten des Internets
und gelten dadurch als Hauptzugriffspunkt für Informationen im Web (Koch & Frees,
2016, S. 428). Aufgrund der Menge der im Internet verfügbaren Dokumente, die für
den einzelnen Nutzer unüberschaubar ist, ist dieser auf eine vermittelnde Instanz
angewiesen. Suchmaschinen werden daher oft als Gatekeeper bezeichnet, wie es
klassische Medien wie Zeitungen sind. Diese Einordnung ist jedoch unscharf, da
Suchmaschinen kein Agenda Setting betreiben, worunter die bewusste Hervorhebung
bestimmter Ereignisse verstanden wird. Aus kommunikationswissenschaftlicher Sicht
ist aber gerade das Agenda Setting wesentliches Merkmal eines Gatekeepers (Hartl,
2017, S. 41). Am zutreffendsten erscheint die Kategorisierung von Suchmaschinen als
sogenannte Makro-Gatekeeper, wie sie Laidlaw (2010, S. 271) vornimmt. Diese müssen
vom Nutzer unweigerlich durchquert werden, um zu den eigentlichen
Informationsquellen zu gelangen.
Die Algorithmen der Suchmaschinen sind menschlich erstellt, weshalb sie
zwangsläufig Werteentscheidungen der Ersteller beinhalten. Die durch Suchmaschinen
generierten SERPs können somit als algorithmische Interpretation der im Internet
verfügbaren Dokumente gelten. Den Diensten kommt dadurch eine Machtstellung im
Prozess des Wissenserwerbs und der öffentlichen Meinungsbildung zu (Hartl, 2017, S.
43-44; Lewandowski, 2015a, S. 2).
Die Nutzer vertrauen den erzeugten Rankings der Suchmaschinen in hohem
Maße, was unter anderem von Pan et al. (2007) sowie von Kammerer und Gerjets
(2014) per Eye-Tracking und von Keane, O’Brien und Smyth (2008) per Logfileanalyse
nachgewiesen worden ist. In deren Studien wählten die Probanden selbst dann die
zuerst platzierten Ergebnisse aus, wenn diese per experimenteller Manipulation
irrelevant für die zu beantwortenden Fragestellungen bzw. wenig vertrauenswürdige
Quellen waren. Der Rang des Suchergebnisses übte somit den stärksten Einfluss auf
das Auswahlverhalten der Probanden aus.
2 Stand der Forschung 9
2.2 Marktstellung und Geschäftsmodell Googles
2.2.1 Googles Marktmacht und deren Auswirkungen
Die Google-Suchmaschine hat europaweit einen Marktanteil von über 90%
(European Commission, 2017). Betrachtet man die Marktanteile Googles hinsichtlich
des verwendeten Endgeräts, werden Unterschiede deutlich. So werden innerhalb
Deutschlands 88% aller Desktopsuchen über Google durchgeführt. In der mobilen
Suche liegt der Anteil sogar bei 98% (StatCounter, 2018). Auch auf dem Smartphone-
Markt hat Google einen großen Stellenwert. Etwa 86% der weltweit vertriebenen
Smartphones verfügen über das Google-eigene Android-Betriebssystem (Gartner Inc.,
2018).
Hartl (2017, S. 174) zufolge könne aus rechtlicher Sicht im Falle Googles klar von
einer marktbeherrschenden Stellung gesprochen werden. Dies sei zum einen auf die
genannten Zahlen, zum anderen auf die Skalen- und Netzwerkeffekte zurückzuführen,
die eine langfristige Dominanz Googles wahrscheinlich machen würden. Auch
Gundlach (2018) hält eine Marktmacht Googles für wahrscheinlich, führt jedoch an,
dass der Einfluss von Suchmaschinen nicht überbewertet werden dürfe. Bei der
Informationssuche seien Suchmaschinen nur einer der möglichen Zugriffspunkte.
Öffentlich-rechtliche Medienmarken könnten ihre publizistische Reputation nutzen
und Konkurrenzangebote außerhalb des klassischen Suchmaschinenmarktes erstellen.
Zu diesen Angeboten zählt der Gundlach Navigationsdienste wie journalistische
Angebote oder Empfehlungssysteme, die den Nutzern einen Mehrwert bieten
könnten.
Google wird vorgeworfen, seine marktbeherrschende Stellung zu missbrauchen.
Dieser Zustand sei laut Hartl (2017, S. 175) bei Suchmaschinen dann gegeben, wenn
eine „wettbewerbsrechtlich nicht zu rechtfertigende Ungleichbehandlung in der
Aufmerksamkeitsvermittlung“ vorläge. Die Vorwürfe sind vielfältig und betreffen
neben der Suchmaschine selbst auch das Android-Betriebssystem. Zwei Fälle, die zu
Kartellverfahren durch die Europäische Kommission geführt haben, sollen im
Folgenden kurz herausgestellt werden.
Der erste Fall betrifft das Google-eigene Betriebssystem Android. Smartphone-
Hersteller, die dieses Betriebssystem nutzen, verpflichten sich gegenüber Google unter
anderem, ein Paket aus elf Google-eigenen Apps mit zu installieren.
2 Stand der Forschung 10
Dazu zählt auch die Suchanwendung, die voreingestellt sein muss. Google wird
vorgeworfen, dadurch gezielt Wettbewerb zu verhindern (Mehlfeld, 2017; Perotti,
2017, S. 6-7). Als Reaktion darauf verhängte die Europäische Kommission eine
Geldbuße in Höhe von 4,34 Milliarden Euro gegen Google (European Commission,
2018).
Der zweite Fall zielt auf die Google-Suche selbst ab und kritisiert eine willentliche
Verzerrung der Ergebnisse. Einer der Vorwürfe lautet, Google stelle Treffer aus seinen
eigenen Spezialsuchmaschinen innerhalb der Universal-Search-Ergebnisse (z.B.
Shopping, Videos) derart dar, dass Konkurrenzangebote von den Nutzern kaum
wahrgenommen werden würden (Lewandowski, 2018, S. 278; Lewandowski & Sünkler,
2013, S. 27). Im Kontext von Google Shopping – damals Spezialsuchmaschine,
mittlerweile Werbeangebot – eröffnete die Europäische Kommission im Jahr 2010 das
Kartellverfahren gegen Google (European Commission, 2017). Der Konzern
unterbreitete als Reaktion darauf drei Vorschläge, wie die Konkurrenzangebote
alternativ und somit sichtbarer dargestellt werden könnten (Google Inc., 2013a, 2013b,
2014). Die Vorschläge genügten den Anforderungen jedoch nicht, weshalb Google zu
einer Strafzahlung in Höhe von 2,4 Milliarden Euro verurteilt worden ist. Die
Suchmaschine müsse konkurrierende Preisvergleichsportale zukünftig gleich
behandeln wie Google Shopping, wobei sich das Urteil auch auf die weiteren
Spezialsuchmaschinen auswirkt (European Commission, 2017; Lewandowski, 2018, S.
211).
2.2.2 Geschäftsmodell von Suchmaschinen am Beispiel von Google
Alphabet Inc., der Mutterkonzern von Google, generiert seine Einnahmen
hauptsächlich durch Werbung für Produkte und Dienstleistungen. So betrug der Anteil
der Werbeeinnahmen im dritten Quartal 2018 85,8% (Alphabet Inc., 2018;
Google.com, 2018d).
Wie im Abschnitt 2.1.1 Aufbau der Suchergebnisseiten (SERPs) erwähnt, werden
die Nutzer mit organischen und bezahlten Suchergebnissen konfrontiert. Beide
Ergebnistypen orientieren sich an der vom Nutzer eingegebenen Suchanfrage.
Suchmaschinenwerbung ist somit wie auch die organischen Ergebnisse
kontextabhängig (Lewandowski, 2018, S. 193). Der wesentliche Unterschied beider
Formen liegt im Zustandekommen der Treffer.
2 Stand der Forschung 11
Die organischen Suchergebnisse werden aus dem grundlegenden Datenbestand
Googles, dem Index, generiert. Die Sortierung der Suchergebnisse erfolgt per
Algorithmus, der die Treffer absteigend nach Relevanz auflistet. Webseitenbetreibern
ist es nicht möglich, eine prominentere Platzierung gegen Bezahlung an die
Suchmaschine zu erreichen. Eine Einflussnahme auf die organischen Suchergebnisse ist
lediglich per Suchmaschinenoptimierung (engl. „Search Engine Optimization“; kurz
SEO) möglich (Lewandowski & Höchstötter, 2009). SEO-Maßnahmen beabsichtigen, die
Eigenschaften der entsprechenden Webseite auf den Suchalgorithmus der
Suchmaschine hin auszurichten, sodass die Webseite als relevanter eingestuft und
besser platziert wird (Meffert, Burmann, & Kirchgeorg, 2015, S. 642).
Suchmaschinenwerbung wird getrennt von den organischen Suchergebnissen
angezeigt. Aufgrund dieser Unabhängigkeit sind Dubletten, also das Vorkommen einer
Website sowohl in der Liste der organischen als auch der bezahlten Ergebnisse,
möglich. Im Gegensatz zu den organischen Treffern liegt bei bezahlten
Suchergebnissen keine unter gleichen Bedingungen stattfindende Ausgabe der im
Index vorhandenen Dokumente vor. Einem Nutzer wird nur dann ein bezahltes
Ergebnis angezeigt, wenn ein Werbetreibender ein Gebot für eine Anzeige abgegeben
hat, die zu den vom Nutzer eingegebenen Suchwörtern passt (=Kontextabhängigkeit).
Die Verwaltung der Anzeigen erfolgt über das Werbesystem „Google Ads“ (ehem.
„AdWords“), wo Anbieter von Produkten oder Dienstleistungen Kampagnen einrichten
können. Durch ein Versteigerungsverfahren wird ermittelt, für welche Anzeige das
höchste Gebot abgegeben wurde. Neben Qualitätsfaktoren, die die Attraktivität der
Anzeige messen, ist insbesondere die Höhe des Gebots entscheidend für die Position
der Anzeige auf der SERP. Der Werbetreibende bezahlt jedoch nicht bereits dafür, dass
seine Anzeige dem Nutzer dargestellt wird (sog. Impression), sondern erst dann, wenn
ein Klick darauf erfolgt. Dies wird als Cost-per-Click (CPC) bezeichnet. Mithilfe des
Gebotssimulators können die Webseitenbetreiber bei Google Ads nachvollziehen, wie
sich eine Veränderung der abgegebenen Gebote auf die Zugriffszahlen der eigenen
Anzeigen auswirken würde (Google.com, 2018b, 2018d; Lewandowski, 2018, S. 189-
195).
Aktuell sind zwei Formen der Suchmaschinenwerbung voneinander zu
unterscheiden: Textanzeigen und bezahlte Universal-Search-Ergebnisse.
2 Stand der Forschung 12
Textanzeigen sind den organischen Suchergebnissen optisch sehr ähnlich. Ihr
Aufbau entspricht somit dem der organischen Snippets mit anklickbarer Überschrift,
URL sowie kurzem Beschreibungstext. Textanzeigen werden sowohl in der Suche per
Desktop-PC als auch per mobilem Endgerät ober- bzw. unterhalb der organisch
generierten Ergebnisliste aufgeführt (Google.com, 2018f; Lewandowski, 2016, S. 189).
Je nach Suchanfrage werden bis zu vier Textanzeigen am oberen und bis zu drei am
unteren Ende der SERP dargestellt, wobei die Anzahl vom kommerziellen Potential der
Suchanfrage abhängt (L. Kim, 2018).
Bezahlte Universal-Search-Ergebnisse sind Werbeanzeigen, die innerhalb der
Universal-Search-Kollektionen von Google, wie z.B. als sogenannte lokale Anzeigen im
Kartendienst Google Maps erscheinen. Sucht ein Nutzer innerhalb der Google-Suche
nach Unternehmen in der Nähe (z.B. nach einem Restaurant oder Hotel), erscheint auf
der SERP ein Kartenausschnitt von Google Maps mit sich in der Nähe befindlichen
Unternehmen. Die lokalen Suchnetzwerk-Anzeigen erscheinen dem Nutzer jedoch erst
mit Klick auf „Mehr Orte“ und sind somit nicht unmittelbar auf der SERP zu dargestellt
(Google.com, 2018c, 2018g; Lewandowski, 2018, S. 197-198).
Die einzige Form der bezahlten Universal-Search-Ergebnisse, die nach
derzeitigem Stand direkt nach Abschicken einer Suchanfrage auf der SERP erscheint,
sind die sogenannten Shoppinganzeigen (oder auch Product Listing Ads, kurz PLAs).
Shoppinganzeigen werden in der Desktopsuche derzeit rechts oder oberhalb der
organisch generierten Treffer und der gegebenenfalls vorhandenen Textanzeigen
aufgeführt. Bei der Suche mit mobilem Endgerät erscheinen die Shoppinganzeigen
ausschließlich am oberen Ende der SERP in der Darstellung des sogenannten
„Carousels“ (Möglichkeit, Anzeigen von links nach rechts durchzuwischen; siehe 2.1.1
Aufbau der Suchergebnisseiten (SERPs)). Unterhalb des Carousels folgen bei mobilem
Endgerät die Textanzeigen und danach die organischen Ergebnisse. Shoppinganzeigen
unterscheiden sich von den Textanzeigen dahingehend, dass sie unter anderem ein
Produktfoto, den Preis sowie den Namen des Händlers enthalten (Google.com, 2018a;
McGee, 2016). Eine aktuelle SERP-Darstellung mit Text- und Shoppinganzeigen liefern
Sharma, Gupta, Mateen & Pratap (2018, S. 93).
2 Stand der Forschung 13
2.2.3 Kennzeichnung von Suchmaschinenwerbung
Suchmaschinenwerbung ist so wie Werbung generell kennzeichnungspflichtig.
Gemäß § 6 Abs. 1 TMG müssen kommerzielle Kommunikationen, zu denen
Suchmaschinenwerbung zählt, für die Nutzer klar als solche zu erkennen sein. Die
Kennzeichnung erfolgt bei Google derzeit durch einen grün umrandeten „Anzeige“-
Begriff. In der Suche mit mobilem Endgerät wird zusätzlich bei beiden Anzeigeformen
ein Info-Button dargestellt, der Informationen zum Zustandekommen der Anzeigen
liefert (Lewandowski, 2018, S. 196). In der Desktopsuche wird der Info-Button derzeit
lediglich neben den Blöcken bezahlter Universal-Search-Ergebnisse (z.B.
Shoppinganzeigen), nicht aber bei Textanzeigen aufgeführt.
In der Praxis ist die Unterscheidbarkeit jedoch nur unzureichend gegeben.
Studien zufolge kennen Suchmaschinennutzer mehrheitlich Googles Geschäftsmodell
nicht und können Werbung nicht von organischen Ergebnissen unterscheiden
(Charlton, 2013, 2016; Lewandowski u. a., 2018). Nutzer, die zur Unterscheidung nicht
fähig waren, klickten doppelt so häufig Anzeigen an als Nutzer, die die Unterscheidung
vornehmen konnten (Lewandowski, Sünkler, & Kerkmann, 2017).
Als ursächlich für die fehlende Unterscheidbarkeit gilt einerseits die im Abschnitt
2.1.1 Aufbau der Suchergebnisseiten (SERPs) genannte große Ähnlichkeit der
Textanzeigen und der organischen Ergebnisse (Lewandowski, 2016, S. 189).
Andererseits kann die Kennzeichnung der Anzeigen als unzureichend erachtet werden.
Diese wird durch Google regelmäßig verändert (von einer Schattierung zu einem
mittlerweile grün umrandeten „Anzeige“-Begriff), wobei die Entwicklung hin zu
unauffälligeren Kennzeichnungen geht, was zu steigenden Klickzahlen auf die Anzeigen
führt (Edelman, 2014; Lewandowski, 2017).
Aus der unzureichenden Unterscheidungsfähigkeit resultieren Problematiken für
Nutzer und Webseitenbetreiber. So werden Anzeigen angeklickt unter der
Fehlannahme, es handele sich um organisch erzeugte Treffer (Lewandowski, 2018, S.
196-197). Das Vertrauen, das Nutzer in Suchmaschinen haben, bringen sie aufgrund
der fehlenden bzw. mangelnden Unterscheidungsfähigkeit auch den Anzeigen
entgegen. Da diese jedoch stark durch die Werbetreibenden beeinflusst werden, ist
das nutzerseitige Vertrauen im Falle der bezahlten Suchergebnisse zu hinterfragen
(Lewandowski, 2017, S. 22).
2 Stand der Forschung 14
Eine gute Position innerhalb der organischen Liste und damit oft verbundene
kostenintensive SEO-Maßnahmen der Webseitenbetreiber genügen nicht mehr, da die
über der organischen Liste stehenden Textanzeigen die Aufmerksamkeit der Nutzer auf
sich ziehen (Lewandowski, 2018, S. 197).
2.2.4 Suchmaschinenwerbung und deren Einfluss auf die Nutzer
Anzeigen werden bei der Desktopsuche anders wahrgenommen und ausgewählt
als bei der Recherche mit mobilem Endgerät. Einflussfaktoren sind das Vorhandensein
von Anzeigen, der Aufgabentyp, sowie die Position und Gestaltung der Anzeigen.
Das Vorhandensein von Anzeigen beeinflusst Buscher, Dumais & Cutrell (2010)
sowie Djamasbi, Hall-Phillips und Yang (2013) zufolge das Blickverhalten bei der
Desktopsuche. Insbesondere relevante, zur Suchanfrage passende Anzeigen ziehen die
nutzerseitige Aufmerksamkeit auf sich. Djamasbi et al. (2013) stellten weiterhin fest,
dass das Blickverhalten bei Smartphones unabhängig davon ist, ob Anzeigen
vorhanden sind oder nicht. Die Ergebnisse werden in beiden Fällen von oben nach
unten durchgesehen. Anzeigen fallen somit insbesondere bei der Suche mit mobilem
Endgerät stark in das Blickfeld der Suchenden und werden im Vergleich zur
Desktopsuche auch häufiger angeklickt (Marin Software Inc., 2013, S. 7).
Das Blickverhalten auf den Anzeigen hängt zudem vom Aufgabentyp und der
Position der Anzeigen ab. So werden Anzeigen insbesondere dann intensiv betrachtet,
wenn die Aufgabe transaktionsorientiert ist und die Anzeigen oberhalb der
organischen SERP platziert sind (González-Caro & Marcos, 2011).
Auch die Gestaltung der Anzeigen wirkt sich auf das Blickverhalten aus, wie
Lagun, McMahon und Navalpakkam (2016) für die Suche mit mobilem Endgerät
feststellen konnten. So erhielten die bezahlten Universal-Search-Ergebnisse („rich ads“
inkl. Produktbild, -preis, u.a.) höhere Aufmerksamkeit als Textanzeigen an derselben
Position. Hinsichtlich der Möglichkeit, solche „rich ads“ horizontal durchzusehen
[Wischen der Ergebnisse von links nach rechts; siehe „Carousel“ im Abschnitt 2.1.1
Aufbau der Suchergebnisseiten (SERPs)], stellten die Autoren einen weiteren Effekt
fest. War den Probanden die Möglichkeit zum Wischen gegeben, erhielten die rich-ad-
Ergebnisse ähnliche Aufmerksamkeit. War keine Möglichkeit dazu gegeben, galt das
sogenannte „Goldene Dreieck“ (siehe 2.1.2 Einfluss der SERPs auf das Nutzerverhalten)
und die Blickintensität nahm von links nach rechts ab.
3 Forschungsfragen und Hypothesen 15
3 Forschungsfragen und Hypothesen
3.1 Forschungsfragen
Die folgenden Fragestellungen werden in der Masterarbeit beantwortet:
F1: „Gibt es einen Zusammenhang zwischen dem Kenntnisstand der
Suchmaschinennutzer über Anzeigen und ihrem Blick- und Klickverhalten auf
Anzeigen?“
F2: „Wird das Auswahlverhalten der Suchmaschinennutzer durch Betrachtung des
Anzeigen-Labels beeinflusst?“
F3: „Unterscheidet sich das Blick- und Klickverhalten der Suchmaschinennutzer
auf den Anzeigen bei der Desktopversion der Google-Suche von dem der mobilen
Version der Google-Suche?“
3.2 Hypothesen
Zu F1:
H1: Die Punktzahl aus der Nachbefragung bezüglich des Verständnisses der
Anzeigen korreliert negativ mit der Blickhäufigkeit auf den Anzeigen (je besser das
Verständnis der Anzeigen ist, desto seltener werden Anzeigen betrachtet).
H2: Die Punktzahl aus der Nachbefragung bezüglich des Verständnisses der
Anzeigen korreliert negativ mit der Klickhäufigkeit auf den Anzeigen (je besser das
Verständnis der Anzeigen ist, desto seltener werden Anzeigen angeklickt).
H3: Nutzer, die ein geringes Verständnis der Anzeigen haben, weisen im
Blickverhalten der Desktop-Suche das sogenannte „Goldene Dreieck“ im Bereich der
bezahlten Ergebnisse auf: Sie betrachten das erste (bezahlte) Suchergebnis am
intensivsten und die folgenden mit absteigender Intensität (Lewandowski, 2015b, S.
131). Dem ersten organischen Suchergebnis, das nach den Anzeigen folgt, kommt
somit nur eine geringe Aufmerksamkeit zu.
3 Forschungsfragen und Hypothesen 16
H4: Nutzer, die ein hohes Verständnis der Anzeigen haben, weisen im
Blickverhalten der Desktop-Suche das sogenannte „Goldene Dreieck“ im Bereich der
organischen Ergebnisse auf: Sie betrachten die bezahlten Ergebnisse in geringer
Intensität. Das erste organische Suchergebnis betrachten sie hingegen am intensivsten
und die folgenden mit absteigender Intensität (Lewandowski, 2015b, S. 131).
Zu F2:
H5: Nutzer, die die Anzeigen-Kennzeichnung betrachten, wählen daraufhin
häufiger organische Ergebnisse aus, als Nutzer, die die Kennzeichnung nicht
betrachten.
Zu F3:
H6: Nutzer, die auf der mobilen Google-Version mit Anzeigen konfrontiert
werden, betrachten diese intensiver als Nutzer, die auf der Desktopversion der Google-
Suche mit Anzeigen konfrontiert werden.
H7: Nutzer, die auf der mobilen Google-Version mit Anzeigen konfrontiert
werden, wählen diese häufiger aus als Nutzer, die auf der Desktopversion der Google-
Suche mit Anzeigen konfrontiert werden.
4 Methodik 17
4 Methodik
Zur Durchführung des Vorhabens bietet sich die Kombination aus einem Eye-
Tracking-Experiment mit Vor- und Nachbefragungen in Form von Interviews und
Fragebögen an. Zunächst werden die in der Studie eingesetzten Methoden erklärt und
daraufhin im Studiendesign beschrieben.
4.1 Methodenbeschreibung
4.1.1 Eye-Tracking
Beim Eye-Tracking handelt es sich um ein apparatives Verfahren zur Erfassung
der Blickrichtung von Personen, beispielsweise von Untersuchungsteilnehmern. Die
Ermittlung findet rezeptionsbegleitend statt, wobei als Rezeption im Falle der
vorliegenden Arbeit die Betrachtung der Google-Ergebnisseiten bezeichnet wird
(Blake, 2013, S. 367).
Eye-Tracking findet in diversen Bereichen Anwendung, die in die Kategorien
„diagnostisch“ und „interaktiv“ unterteilt werden können. Interaktive Eye-Tracking-
Anwendungen verfolgen das Ziel, auf das Blickverhalten des Nutzers zu reagieren,
beispielsweise als Zeigegerät am PC für körperlich beeinträchtigte Personen.
Diagnostische Anwendungen dienen demgegenüber dem Zweck, anhand der
Blickbewegungen Rückschlüsse auf die Aufmerksamkeit des Nutzers bei verschiedenen
Stimuli feststellen zu können (Duchowski, 2003, S. 131-132). So lassen sich
Reihenfolge, Intensität und Schnelligkeit der Blickbewegungen erfassen, die ein
Proband auf einem Element, beispielsweise auf einer Webseite (Stimulus), vollzieht
(Quirmbach, 2011, S. 247). Auch kommen diagnostische Verfahren häufig in den
Neurowissenschaften wie der Psychologie, in der Informatik sowie in weiteren
Disziplinen zum Einsatz (Duchowski, 2003, S. 170).
Zur Erfassung der Blickdaten wird auf technischer Seite unter anderem die
sogenannte Pupil Centre Corneal Reflection (PCCR)-Technik verwendet, die auch bei
der vorliegenden Untersuchung zum Einsatz kommt. Dafür gelangen auf beide Augen
Infrarotstrahlen, deren Reflexionen durch eine im Eye-Tracker verbaute Kamera
registriert werden.
4 Methodik 18
Der Eye-Tracker zieht die Reflexionen der Infrarotstrahlen auf Hornhaut (Cornea)
und Pupillen heran, um aus dem zwischen beiden Strahlen bestehenden Winkel die
Blickrichtung zu berechnen. Die zwei Referenzwerte werden benötigt, da im Falle einer
bloßen Auswertung der Pupillen-Reflexionen nicht festgestellt werden könnte, ob eine
Positionsveränderung durch die Augen oder durch sonstige Körperbewegungen wie
mit dem Kopf verursacht worden ist (Duchowski, 2003, S. 60; Tobii Technology, 2010,
S. 6). Die beiden im Experiment verwendeten Eye-Tracker werden im Abschnitt 4.2.6.1
Hardware Eye-Tracking beschrieben.
Blickbewegungen werden in Sakkaden und Fixationen unterschieden. Sakkaden
sind schnelle Augenbewegungen, die eine Dauer zwischen zehn und 100 Millisekunden
haben können (Duchowski, 2003, S. 44). Eine Sakkade wiederum kann ebenfalls in zwei
Arten unterschieden werden. Sie kann einerseits reflexartig durch plötzlich
auftretende Veränderungen innerhalb des betrachteten Bereichs auftreten.
Andererseits können Sakkaden dadurch hervorgerufen werden, dass der Betrachter
bewusst ein zunächst eher oberflächlich betrachtetes Objekt näher inspizieren möchte
(Godijn & Theeuwes, 2003, S. 3).
Um eine Informationsaufnahme zu ermöglichen, muss das Auge hingegen relativ
bewegungslos sein. Diese Phasen des Stillstands im Blickverhalten werden als
Fixationen bezeichnet. Dabei wird ein bestimmtes Objekt relativ stabil fixiert, was
wiederum durch den nächsten Blickwechsel per Sakkade unterbrochen wird
(Duchowski, 2003, S. 48). Über die Dauer, wie lange sich die Augen im ruhigen Zustand
befinden müssen, sodass von einer Fixation gesprochen werden kann, herrscht
Uneinigkeit. Duchowski (2003, S. 49) nennt hierfür einen Mindestwert von 150
Millisekunden. Aus einer Übersicht von Hofer & Mayerhofer (2010, S. 153) geht hervor,
dass 19 Studien zwischen 1975 und 2008 einen Mindestwert zwischen 50 und 240
Millisekunden für eine Fixation angesetzt haben. Diese Uneinigkeit über die
Fixationsdauer ist als sehr problematisch einzuschätzen. Die Fixationsdauer ist für Eye-
Tracking-Untersuchungen ein Basismaß, das einen großen Einfluss auf die Ergebnisse
ausübt. Studien, die auf unterschiedlichen Definitionen der Fixationsdauer fußen, sind
nur sehr eingeschränkt miteinander vergleichbar (Blake, 2013, S. 371). Im Abschnitt
4.2.6.4 Einstellungen und Ablauf im Eye-Tracking-Programm wird die in der
vorliegenden Arbeit verwendete Mindestdauer einer Fixation genannt und begründet.
4 Methodik 19
Die Eye-Tracking-Methode weist Schwächen bzw. Nachteile auf, die es bei
derartigen Vorhaben zu beachten gilt. So ist der Zeitaufwand für die Rekrutierung und
Betreuung der Probanden sowie für die Auswertung des umfangreich anfallenden
Datenmaterials sehr hoch. Die benötigte Hard- und Software ist zudem sehr
kostenintensiv (Quirmbach, 2011, S. 250). Aufgrund dieser beiden Schwächen und der
damit oftmals verbundenen geringen Probandenzahlen wurden diverse Studien
veröffentlicht, die alternative Vorgehensweisen erproben. So bestehen direkte
Zusammenhänge zwischen Mausbewegungen bzw. -klicks und dem Blickverhalten.
Dadurch soll ermöglicht werden, Untersuchungen mit deutlich mehr Probanden als bei
herkömmlichen Eye-Tracking-Studien, jedoch mit ähnlicher Aussagekraft
durchzuführen (Guo & Agichtein, 2010; Huang, White, & Dumais, 2011).
Als weiterer Nachteil der Eye-Tracking-Methode ist die Laborsituation bei den
Untersuchungen zu nennen. Trotz angemessener Rahmenbedingungen wie der für die
Probanden im Optimalfall kaum bemerkbaren Eye-Tracking-Technik verhalten sich die
Untersuchungsteilnehmer in der Laborsituation nur selten genauso, wie sie es in der
privaten Nutzung tun würden (Höchstötter, 2007, S. 137). Dennoch trägt die Methode
dazu bei, Fragestellungen zu erforschen, die ohne Eye-Tracking nicht oder nur
ungenauer behandelt werden könnten (Blake, 2013, S. 384).
4.1.2 Interview und Fragebogen
Vor der Durchführung des Eye-Tracking-Experiments wurde ein Interview
durchgeführt. Als Variante des Interviews kam ein vollstrukturiertes persönliches
Interview zum Einsatz. Kennzeichnend für diese Form ist ein (voll)standardisierter
Interviewfragebogen. Gemäß der vorab festgelegten Reihenfolge werden dem
Probanden dabei die Fragen nacheinander vorgelesen und dessen Antworten durch
den Testleiter markiert. Anzahl, Abfolge und Wortlaut der geschlossenen Fragen sowie
der Antwortmöglichkeiten sind dabei exakt vorgegeben und für die befragende Person
verbindlich. Der hohe Grad der Strukturierung unterscheidet das vollstrukturierte von
un- oder halbstrukturierten Interviews, bei denen offene Fragen gestellt sowie Fragen
übersprungen oder viertieft werden können (Döring & Bortz, 2016, S. 358-359).
4 Methodik 20
Nach dem Eye-Tracking-Experiment kam ein Fragebogen zum Einsatz, der neben
offen und geschlossen gestellten Fragestellungen einen Test zum Markieren bezahlter
bzw. organischer Suchergebnisse beinhaltete. Porst (2011, S. 14) definiert einen
Fragebogen als eine theoretisch begründete und systematisch präsentierte Auswahl
von Fragen, mit denen das zugrundeliegende theoretisch definierte
Erkenntnisinteresse anhand der mit dem Fragebogen zu gewinnenden Daten empirisch
überprüft werden soll. In der Fragebogenerstellung sind diverse Aspekte zu
berücksichtigen, um valide Ergebnisse zu erzielen. Diese Aspekte betreffen
beispielsweise die Art der gestellten Fragen (offen oder geschlossen), die verwendeten
Skalen (z.B. nominal bei „Ja“/„Nein“-Fragen) und die Formulierung der Fragestellungen
(z.B. die Verwendung eindeutiger und einfacher Begrifflichkeiten). Auch eine sinnvoll
gewählte Reihenfolge der gestellten Frage gilt es zu beachten (Hollenberg, 2016, S. 21).
Zur Konstruktion des in der vorliegenden Untersuchung eingesetzten Fragebogens
siehe Abschnitt 4.2.5 Nachbefragung: Fragebogen inklusive Test.
4.2 Studiendesign
Im Folgenden wird zunächst der Ablauf der Studie beschrieben und daraufhin die
einzelnen Bestandteile genauer erläutert.
4.2.1 Versuchsdurchführung
Die Studie wurde im September 2018 im Usability-Labor des Departments
Information der HAW Hamburg durchgeführt. Mit jedem Probanden wurde ein
individueller Termin mit einer durchschnittlichen Dauer von einer Stunde vereinbart.
Zu Beginn einer jeden Durchführung wurde der Proband begrüßt. Dabei wurde
kurz der Ablauf der Studie skizziert, ohne dabei das eigentliche Ziel des Experiments
offenzulegen. Andernfalls entstünden durch die Kenntnis, nun mit
Suchmaschinenwerbung konfrontiert zu werden, möglicherweise sogenannte
Erwartungseffekte seitens der Probanden. Da diese als Störvariable neben der zu
untersuchenden unabhängigen Variablen (UV) auftreten können, müssen
Erwartungseffekte in einem Experiment kontrolliert werden (Sedlmeier & Renkewitz,
2008, S. 141-142). Jeder Teilnehmer wurde angewiesen, die folgenden
Rechercheaufgaben genauso zu absolvieren, wie er es auch in einer privaten
Nutzungssituation tun würde.
4 Methodik 21
Nach der Einführung folgte die Einholung der Unterschriften auf der
Datenschutzvereinbarung (Anhang 1: Datenschutzvereinbarung), der
Einverständniserklärung (Anhang 2: Einverständniserklärung) und der Quittung sowie
die Übergabe der Vergütung in Höhe von 10 Euro. Getränke und Kekse dienten dazu,
eine angenehme Atmosphäre für die Probanden zu erzeugen.
Die eigentliche Untersuchung begann mit einer kurzen Vorbefragung zu
demographischen Daten und zur Suchmaschinennutzung des Teilnehmers. Es folgte
das Eye-Tracking-Experiment in zwei Stufen. Jeder Proband bearbeitete einen
Aufgabenblock am Desktop-PC und einen weiteren Aufgabenblock am Smartphone,
wobei die Reihenfolgen der Geräte und Aufgabenblöcke für jeden Probanden
randomisiert zugeteilt worden sind.
An das Eye-Tracking-Experiment schloss sich die Nachbefragung mittels eines
Fragebogens an. Dieser stellte Fragen zum Geschäftsmodell Googles und prüfte die
Unterscheidungsfähigkeit der Probanden hinsichtlich organischen und bezahlten
Suchergebnissen. Nach Absolvierung des Fragebogens war ein Durchlauf beendet und
der Proband wurde verabschiedet.
4.2.2 Probandenakquise
In Eye-Tracking-Studien, die Suchergebnisseiten untersuchen, werden in vielen
Fällen zwischen 20 und 40 Teilnehmer eingesetzt (siehe u.a. Bilal & Gwizdka, 2016;
Jiang, He, & Allan, 2014; Yvonne Kammerer & Gerjets, 2013; Lorigo u. a., 2008). Um
reliable, also verlässliche Ergebnisse zu erhalten, empfehlen Lesemann & Wilms (2007)
für wissenschaftliche Studien jedoch Probandenzahlen zwischen 50 und 60. In der
vorliegenden Studie wurde daher eine Probandenzahl von 50 Personen angestrebt.
Diese Zahl erschien einerseits als ausreichend hoch, um verlässliche Ergebnisse zu
erzielen. Andererseits ist der Aspekt der Durchführbarkeit im Rahmen der
Bearbeitungszeit der Masterarbeit zu nennen. Da das Labor, in dem die Untersuchung
stattfand, auch für andere Projekte genutzt wird, musste die Studie in einem
angemessenen zeitlichen Rahmen stattfinden. Im Falle der vorliegenden Arbeit waren
dies drei vollständige Wochen.
4 Methodik 22
Mit Einladungen, die über hochschulinterne E-Mail-Verteilerlisten verschickt
worden sind, wurden im Wesentlichen zwei Gruppen adressiert: Studierende des
Departments Information mit gegebenenfalls vorhandenen Vorkenntnissen auf dem
Gebiet der Suchmaschinenwerbung sowie Studierende, die im Studium nicht mit
entsprechenden Thematiken konfrontiert werden. Zielsetzung dieser Vorgehensweise
war, ein Gefälle im zu erwartenden Kenntnisstand der Probanden über
Suchmaschinenwerbung zu erreichen. Dadurch sollte sichergestellt werden, dass die
Teilnehmer der Studie im Fragebogen der Nachbefragung möglichst unterschiedliche
Punktzahlen erzielen.
So wurde angenommen, dass Studierende des Departments Information eine
größere Fähigkeit zur Unterscheidung der bezahlten von den organischen
Suchergebnissen aufweisen würden. Dies ist insbesondere bei denjenigen
Studierenden erwartet worden, die bereits einen Kurs in Suchmaschinenoptimierung
bzw. zur Evaluierung von Suchmaschinen absolviert haben. Eine Einladung wurde
somit per Verteilerliste direkt an die Studierenden des Departments Information
adressiert.
Die weiteren E-Mail-Einladungen richteten sich hingegen an Studierende der
Departments „Pflege und Management“, „Public Management“, „Soziale Arbeit“,
„Design“, „Wirtschaft“, „Fahrzeugtechnik und Flugzeugbau“ sowie „Maschinenbau und
Produktion“. Die Lehrpläne dort angesiedelter Studiengänge verfügen über wenige bis
keine thematischen Überschneidungspunkte zur vorliegenden Studie. Bei
Studierenden dieser Departments wurde somit von eher schwach ausgeprägten
Kompetenzen in der Anzeigenthematik analog zu den Ergebnissen von Lewandowski
u. a. (2018) ausgegangen.
4.2.3 Vorbefragung: Interview
In einem Interview zu Beginn der Untersuchung wurden den Probanden Fragen
zu demographischen Daten und zu ihrer Suchmaschinennutzung gestellt. Diese wurden
zum Teil an die Untersuchung von Lewandowski u. a. (2018) angelehnt und den
Teilnehmern jeweils vorgelesen:
4 Methodik 23
1. Alter
2. Geschlecht
3. Studiengang [Bachelor/Master]
4. Semester
5. Welche Suchmaschine nutzen Sie am meisten?
6. Nutzen Sie daneben noch weitere Suchmaschinen?
6.1. [Wenn „Ja“ bei vorheriger Frage]:
Welche Suchmaschinen nutzen Sie außer der von Ihnen am häufigsten
verwendeten Suchmaschine?
7. Mit welchen Endgeräten nutzen Sie Suchmaschinen?
8. Wie schätzen Sie Ihre Fähigkeiten ein, bei einer Websuchmaschine wie z.B.
Google zu recherchieren? Bitte geben Sie sich eine Schulnote.
Die Antworten wurden direkt in der Probandentabelle vermerkt, die
folgendermaßen aufgebaut ist:
Tabelle 1: Probandentabelle (Spalteninhalte)
Kontakt
Demographische Daten
Suchmaschinennutzung
Durchführung Experiment
ID
Nach-
name
Vor-
name
E-
Mail
Tele-
fon
Alter
Ge-
schlecht
Depart-
ment
(Informa-
tion/
Andere)
Studien-
gang
BA/
MA
Semes-
ter
Suma:
meist-
genutzt?
Weitere
Sumas?
(Wenn
ja):
welche?
Endgeräte
Suma-
Nutzung
(PC/
Smart-
phone/
Tablet/
Weitere)
Fähigk., bei
Websuchm.
wie Google
zu
recherch.?
(Schulnote)
Datum
Uhr-
zeit
Sta-
tus
Be-
din-
gungs-
Code
1
Muster-
mann
Max
…
…
28
m
i
imb
ma
1
google
ja
bing
p,s,t
1
10.09.18
10:00
fest
D1M2
4.2.4 Eye-Tracking-Experiment
Um die Hypothesen zu überprüfen und die Forschungsfragen zu beantworten,
wurde als Kernbestandteil der vorliegenden Studie ein Eye-Tracking-Experiment
durchgeführt. Dabei handelt es sich um ein einfaktorielles Within-Subjects-Design, da
eine unabhängige Variable (UV1: Endgerät) mit zwei Ausprägungen (Desktop-PC &
Smartphone) vorliegt und jeder Proband mit beiden Ausprägungen konfrontiert wurde
(Sedlmeier & Renkewitz, 2008, S. 150). Die im Abschnitt 4.2.2 Probandenakquise
adressierten Gruppen dienten somit lediglich dazu, unterschiedlich ausgeprägte
Kenntnisstände bezüglich der Google-Anzeigen in der Studie vorzufinden. Alle 50
Probanden wurden somit gleichbehandelt den am Ende des Abschnitts aufgeführten
Experimentalbedingungen zugewiesen.
4 Methodik 24
Im Experiment hatte jeder Proband insgesamt 20 Rechercheaufgaben an beiden
Endgeräten zu bearbeiten (Aufgabenstellungen siehe Tabelle 18 und Tabelle 19 in
Anhang 3: Testleitfaden). Pro Rechercheaufgabe wurde ein Zeitlimit von einer Minute
festgelegt, die als ausreichend erschien, eine Aufgabe zu absolvieren. Das Limit dient
außerdem dazu, Alternativerklärungen für Unterschiede im Rechercheverhalten
auszuschließen (Sedlmeier & Renkewitz, 2008, S. 130).
Für das Experiment wurden zwei Aufgabenblöcke mit jeweils 10
Rechercheaufgaben erstellt. Dies war erforderlich, um den zwei Eye-Trackern jeweils
10 unterschiedliche Rechercheaufgaben zuweisen zu können. Gäbe es nur einen
Aufgabenblock, hätten dessen Rechercheaufgaben über beide Eye-Tracker hinweg
randomisiert zugewiesen werden müssen, was aufgrund der erforderlichen
Umschaltung von Hard- und Software nicht durchführbar gewesen wäre.
Die Aufgabentypen der beiden Blöcke richten sich in ihrer Verteilung nach Broder
(2002, S. 5). Er stellte fest, dass die Intention hinter einer Suchanfrage (mindestens)
einer von drei Kategorien bzw. Anfragetypen zugewiesen werden kann:
informationsorientierte (Einholen von Informationen), transaktionsorientierte (Aufruf
einer Website, auf der eine Aktion wie ein Kauf getätigt werden soll) sowie
navigationsorientierte (Aufruf einer bestimmten Website) Fragestellungen. In einer
Logfileanalyse mit 400 Suchanfragen stellte Broder (2002, S. 8) eine Verteilung von
48% informations-, 30% transaktions- sowie 20% navigationsorientierten Suchanfragen
fest. In jedem Block der vorliegenden Studie finden sich somit jeweils 5 informations-,
3 transaktions- sowie 2 navigationsorientierte Fragestellungen wieder. Es muss
angemerkt werden, dass die genannte Verteilung aufgrund des sehr kleinen Samples
von 400 Suchanfragen kritisch zu hinterfragen ist. Außerdem sind wegen der teilweisen
Überschneidung der Anfragetypen sowie unterschiedlicher Klassifikationsmethoden in
der Suchmaschinenforschung keine allgemeingültigen Aussagen hinsichtlich der
Verteilung der Anfragetypen möglich (Lewandowski, 2018, S. 73). Die in der
vorliegenden Arbeit verwendete Verteilung ist somit lediglich eine von mehreren
möglichen Interpretationen.
Die Rechercheaufgaben und deren zugehörige SERPs weisen die folgenden
Eigenschaften auf:
4 Methodik 25
1. SERPs als Screenshots:
Die 40 Ergebnisseiten (20 Rechercheaufgaben, jeweils im Desktop- und
Smartphone-Layout) lagen als klickbare Screenshots vor. Zu der für die
Erstellung benötigten Software siehe Abschnitt 4.2.6.2 Software Eye-
Tracking.
2. Alle Aufgaben mit Text- und ggf. zusätzlichen Shoppinganzeigen:
Da andere Formen bezahlter Universal-Search-Ergebnisse zum Zeitpunkt der
Untersuchung nicht direkt auf der SERP erschienen, fanden sich im
Experiment lediglich Text- und Shoppinganzeigen wieder.
3. Modifikation der SERPs:
a. Alle SERPs wurden auf die Ergebnistypen „organisch“, „Textanzeige“ und
„Shoppinganzeige“ begrenzt. Organisch generierte Universal-Search-
Ergebnisse wie Karten wurden entfernt, um eine Ergebnisauswertung
ohne störende Elemente zu ermöglichen. Eingebundene Karten bei der
einen und Videos bei einer anderen SERP hätten andernfalls die
Aufmerksamkeit der Probanden in unterschiedlicher Weise auf sich
lenken und die Vergleichbarkeit der einzelnen Rechercheaufgaben
erschweren können.
b. SERPs mit Universal-Search-Ergebnissen verfügen zum Teil nicht über die
üblichen 10 organischen Treffer. Bei solchen SERPs wurden die Karten
o.ä. zunächst entfernt und die Liste organischer Treffer auf 10 aufgefüllt,
um einen realistischen SERP-Umfang zu erhalten. Diese hinzugefügten
Treffer sind der zweiten Ergebnisseite, die den Probanden in der
Untersuchung nicht angezeigt wurde, entnommen worden.
c. Für jede Suchanfrage wurden SERP-Screenshots im Desktop- und
Smartphone-Layout erzeugt. Letztere wurden per
Bildbearbeitungsprogramm an die Desktop-SERPs derselben
Suchanfragen angeglichen. So waren teilweise bei mobiler Suche andere
Anzeigen vorhanden oder die Reihenfolge innerhalb der Trefferlisten
verschieden. Identische Suchergebnisse an denselben Positionen waren
jedoch erforderlich, um eine Vergleichbarkeit zwischen Desktop und
Mobil zu ermöglichen. Unterschiedliches Klickverhalten, beispielsweise
auf zwei Shoppinganzeigen zu verschiedenen Produkten, könnte sonst
nicht auf das Endgerät zurückgeführt werden.
4 Methodik 26
Durch die beiden Aufgabenblöcke im Desktop- und Smartphone-Layout ergeben
sich vier Experimentalbedingungen:
- Aufgabenblock 1, Desktop
- Aufgabenblock 2, Desktop
- Aufgabenblock 1, Mobil
- Aufgabenblock 2, Mobil
Im Sinne der Kontrolle personengebundener Störvariablen fand an drei Stellen
eine Randomisierung, also zufällige Zuordnungen bzw. Reihenfolgen statt (Sedlmeier &
Renkewitz, 2008, S. 134). So wurden die Reihenfolgen der Endgeräte sowie die
Reihenfolgen der Aufgabenblöcke per Zufall festgelegt. Daraus ergab sich für jeden
Probanden ein Code, beispielsweise M2D1. Dieser Code gibt an, dass der
entsprechende Proband zunächst den zweiten Aufgabenblock am Smartphone und
danach den ersten Aufgabenblock am Desktop-PC durchzuführen hatte. Die dritte
Stelle, an der randomisiert wurde, ist die Reihenfolge der jeweils 10 Aufgaben
innerhalb der beiden Blöcke. Die nachfolgend abgebildete Tabelle 2 zeigt beispielhafte
Zuteilungen der vier möglichen Experimentalbedingungen.
Tabelle 2: Experimentalbedingungen (beispielhafte Zuteilung)
Proband
Abfolge der Experimentalbedingungen
1
Aufgabenblock 2, Mobil
Aufgabenblock 1, Desktop
2
Aufgabenblock 1, Mobil
Aufgabenblock 2, Desktop
3
Aufgabenblock 2, Desktop
Aufgabenblock 1, Mobil
…
…
…
4.2.5 Nachbefragung: Fragebogen inklusive Test
Zum Abschluss der Teilnahme füllte jeder Proband einen per URL abrufbaren
Fragebogen, der in Tabelle 3 dargestellt ist, am PC des Usability-Labors aus. Der
Fragebogen diente zur Ermittlung des Kenntnisstandes des jeweiligen Probanden über
Anzeigen und beinhaltete zwei Abschnitte.
Der erste Abschnitt stellte offene und geschlossene Fragen zum Verständnis des
Probanden über das Geschäftsmodell Googles. Die Fragen wurden so formuliert, dass
sie auch für Probanden mit geringem Kenntnisstand über die Anzeigenthematik klar
verständlich blieben, was eine Kernanforderung an Fragebögen ist (Porst, 2011, S. 96).
Die geschlossenen Fragen gaben festgelegte Antwortmöglichkeiten vor, wohingegen
die offenen Fragen dem Probanden durch Texteingabe der Antwort alle Freiheiten in
der Beantwortung ließen.
4 Methodik 27
Offene Fragen haben den Vorteil, dass die Probanden genau das ausdrücken
können, was sie als korrekt erachten, ohne dabei durch Antwortmöglichkeiten wie
„Suchmaschinenwerbung“ auf die Frage, wie sich Google finanziert, zu sehr in die
korrekte Richtung gelenkt zu werden (Porst, 2011, S. 51-54). Bis auf die erste Frage
bauten die weiteren Fragen des ersten Abschnitts durch den Einsatz von
Nominalskalen logisch aufeinander auf. Probanden, die bei Frage 2 oder Frage 2.1 mit
„Nein“ und damit falsch antworteten, gelangten direkt zu Frage 3, die den Beginn des
zweiten Abschnitts darstellte.
Der zweite Fragebogenabschnitt mit den Fragen 3-6 prüfte anhand von 4 SERPs,
inwieweit der Befragte zur Differenzierung von organischen und bezahlten
Suchergebnissen in der Lage war. Dabei wurden den Probanden sowohl SERPs zu
informationsorientierten als auch kommerziellen Suchanfragen präsentiert, die nicht
zuvor im Eye-Tracking-Experiment zu sehen waren.
Abbildung 2: beispielhafte Ergebnismarkierungen bei Fragebogen-Aufgaben 4 (Desktop) und 6 (Mobil)
Auf den SERPs hatten die Probanden entweder die bezahlten oder organischen
Treffer per Klick zu markieren, wie Abbildung 2 exemplarisch für zwei SERPs zeigt. Beim
Klick auf ein Suchergebnis wurde dieses grün hinterlegt und somit entsprechend der
jeweiligen Fragestellung als Anzeige oder organisches Ergebnis für die spätere
Auswertung markiert.
4 Methodik 28
Die Suchergebnisseiten erschienen in randomisierter Reihenfolge, lagen
entweder im Desktop- oder Mobil-Layout der Google-Suche vor und beinhalteten
allesamt Textanzeigen, die kommerziellen Aufgabenstellungen zusätzlich
Shoppinganzeigen.
Tabelle 3: Fragebogen
Teil
Nr.
Fragestellung
Korrekte
Antwort
Berechnung
Gew.
Berechnungshinweise
Beispiel
Teil 1: Abfragen des Verständnisses über Googles Geschäftsmodell
1
Wodurch generiert Google
seine Einnahmen? (offene
Frage)
Anzeigen
(bzw.
Werbung,
Such-
maschinen-
werbung, SEA
o.Ä.)
Prüfung, ob einer der korrekten
Begriffe genannt wurde.
„Werbung“
= 4,2 Punkte
4,2
2
Gibt es Ihrer Meinung
nach die Möglichkeit, als
Unternehmen oder
Werbetreibender gegen
Geld sein Unternehmen
bzw. Produkt in der
Trefferliste bei Google
ganz oben zu platzieren?
(Ja/Nein)
Ja
„Ja“
= 5,8 Punkte
5,8
2.1
[Wenn „Ja“ bei vorheriger
Frage]:
Sind die bezahlten
Suchergebnisse von den
übrigen Ergebnissen zu
unterscheiden? (Ja/Nein)
Ja
„Nein“
= 0 Punkte
9,2
2.1.1
[Wenn „Ja“ bei vorheriger
Frage]:
Wodurch unterscheiden
sich die bezahlten
Suchergebnisse von den
übrigen Ergebnissen, für
die nicht bezahlt worden
ist? (offene Frage)
Anzeigen-
Label
(bzw.
bedeutungs-
gleicher
Begriff)
Prüfung, ob einer der korrekten
Begriffe genannt wurde.
Frage entfällt
durch „Nein“ bei
Frage 2.1
= 0 Punkte
2,4
Teil 2: Test (Unterscheidungsfähigkeit Anzeige/organisches Ergebnis)
3
Nehmen wir an, Sie
möchten in die USA
auswandern und sich
darüber informieren.
Google zeigt Ihnen die
folgenden Treffer an. Bitte
markieren Sie alle
Ergebnisse, für die Google
keine Bezahlung erhalten
hat.
Dazu erscheint eine
entsprechende SERP zur
Markierung der
Ergebnisse. Die SERP liegt
im Desktop-Layout vor und
beinhaltet Textanzeigen.
12 organische
Ergebnisse zu
markieren
n richtig-n falsch
n zu markieren *Gewichtung
10-2
12 *19,6
= 13,1 Punkte
19,6
4 Methodik 29
Teil
Nr.
Fragestellung
Korrekte
Antwort
Berechnung
Gew.
Berechnungshinweise
Beispiel
4
Sie wollen eine Drohne
kaufen. Eine Suche bei
Google hat zu den
folgenden Ergebnissen
geführt. Bitte markieren
Sie alle Ergebnisse, für die
Google bezahlt worden ist.
Dazu erscheint eine
entsprechende SERP zur
Markierung der
Ergebnisse. Die SERP liegt
im Desktop-Layout vor und
beinhaltet Text- und
Shoppinganzeigen.
10 Text- bzw.
Shopping-
anzeigen zu
markieren
n richtig-n falsch
n zu markieren *Gewichtung
7-1
10 *19,6
= 11,8 Punkte
19,6
5
Stellen Sie sich vor, Sie
wollen Ihre Wohnung
kündigen und sich über
Kündigungsfristen
informieren. Google zeigt
Ihnen die folgenden
Treffer an. Bitte markieren
Sie alle Ergebnisse, für die
Google keine Bezahlung
erhalten hat.
Dazu erscheint eine
entsprechende SERP zur
Markierung der
Ergebnisse. Die SERP liegt
im Mobil-Layout vor und
beinhaltet Textanzeigen.
11 organische
Ergebnisse zu
markieren
n richtig-n falsch
n zu markieren *Gewichtung
11-0
11 *19,6
= 19,6 Punkte
19,6
6
Angenommen, Sie
möchten gern sämtliche
DVDs der Serie „Breaking
Bad“ kaufen. Eine Suche
bei Google hat zu den
folgenden Ergebnissen
geführt. Bitte markieren
Sie alle Ergebnisse, für die
Google bezahlt worden ist.
Dazu erscheint eine
entsprechende SERP zur
Markierung der
Ergebnisse. Die SERP liegt
im Mobil-Layout vor und
beinhaltet Text- und
Shoppinganzeigen.
7 Text- bzw.
Shopping-
anzeigen zu
markieren
n richtig-n falsch
n zu markieren *Gewichtung
0-2
7*19,6
= 0 Punkte*
*negativer
Wert=0 Punkte
19,6
Ges.
54,5
100
Die Fragestellungen und Testaufgaben des Fragebogens orientierten sich an der
repräsentativen Untersuchung von Lewandowski u. a. (2018). Darin wurden dieselben
Fragen zu Googles Geschäftsmodell und vergleichbare Aufgaben zur
Unterscheidungsfähigkeit von Anzeigen und organischen Ergebnissen gestellt. In der
Studie (Lewandowski u. a., 2018) wurde deutlich, dass die Teilnehmer die Fragen
unterschiedlich gut beantworten konnten. So wussten dort 19% der Probanden nicht,
wodurch Google seine Einnahmen generiert.
4 Methodik 30
Dahingegen haben knapp 90% der Teilnehmer bei den Testaufgaben (teilweise)
fehlerhafte Zuordnungen der organischen bzw. bezahlten Ergebnisse vorgenommen.
Daraus kann eine unterschiedliche Komplexität der Aufgaben abgeleitet werden, die
sich in den Gewichtungen der Aufgaben wiederfindet.
Tabelle 4 stellt die Anteile der Probanden aus der Studie von Lewandowski u. a.
(2018) dar, die die einzelnen Aufgaben falsch (Aufgaben 1-2.1.1) oder teilweise falsch
(Aufgaben 3-6) beantwortet haben. Bei den Aufgaben 3-6 wurde der Probandenanteil
mit teilweise falschen Zuordnungen herangezogen, da eine gänzlich falsche
Bearbeitung dieser Aufgabentypen nicht vorlag. Die Anteile der Probanden, die
angaben, die korrekte Antwort nicht zu kennen („Don’t know“), wurden jeweils
miteinberechnet. Aus den einzelnen Fehleranteilen ergaben sich die Gewichtungen der
Fragestellungen:
Tabelle 4: Gewichtungen des Fragebogens
Nr.
Probandenanteile mit falschen Antworten (1-2.1.1)
bzw. Fehlern in der Zuordnung (3-6)
(inklusive "Don't know")
Gewichtungen
bezogen auf
Fehleranteile
Quelle
1
19,0%
4,2
(Lewandowski u. a., 2018, S. 7)
2
26,7%
5,8
(Lewandowski u. a., 2018, S. 8)
2.1
42,0%
9,2
(Lewandowski u. a., 2018, S. 8)
2.1.1
11,1%
2,4
(Lewandowski u. a., 2018, S. 9)
3
89,4%
19,6
(Lewandowski u. a., 2018, S. 23)
4
89,4%
19,6
(Lewandowski u. a., 2018, S. 23)
5
89,4%
19,6
(Lewandowski u. a., 2018, S. 23)
6
89,4%
19,6
(Lewandowski u. a., 2018, S. 23)
Ges.
100
Um neben korrekten auch falsche Antworten in die Berechnung
miteinzubeziehen, wurde einer Handreichung der Universität Kassel (2013, S. 5-6)
gefolgt. Diese stellt unter anderem den Umgang mit fehlerhaft ausgewählten
Antwortmöglichkeiten dar. Wie im Beispiel der Tabelle 3 ersichtlich wurden dabei die
korrekten und inkorrekten Antworten miteinander verrechnet. Wählte ein Proband bei
einer Aufgabenstellung mehrere falsche als richtige Optionen aus, erhielt er dennoch 0
Punkte, da dies die niedrigste zu erreichende Punktzahl darstellt und gleichbedeutend
mit keinerlei Kenntnissen des Probanden bei der jeweiligen Fragestellung ist.
Der Fragebogen verfügt über eine zu erzielende Gesamtpunktzahl zwischen 0-
100. Diese ordnet den Kenntnisstand des jeweiligen Probanden über Googles
Geschäftsmodell sowie die Unterscheidungsfähigkeit von Anzeigen und organischen
Ergebnissen ein und diente der Auswertung für gegebenenfalls vorhandene
Korrelationen.
4 Methodik 31
4.2.6 Technische Umsetzung
In diesem Abschnitt wird zunächst die im Experiment eingesetzte Hardware
vorgestellt und daraufhin die Software zur Erstellung und Durchführung der Studie
beschrieben. Danach wird erläutert, welche Einstellungen im Eye-Tracking-Programm
vorgenommen werden mussten und wie die gewonnenen Blickdaten zur Auswertung
verarbeitet worden sind.
4.2.6.1 Hardware Eye-Tracking
Für das Experiment wurden zwei Eye-Tracker eingesetzt. Als stationärer Eye-
Tracker kam das Modell „Tobii T60“ zum Einsatz, der über einen 17-Zoll-Bildschirm mit
darunterliegender Sensorleiste verfügt (Tobii AB, 2016, S. 142).
Zum Testen der SERPs am Smartphone wurde das Modell „Tobii X2-60” (Tobii
Technology AB, 2014, S. 1) verwendet. Dabei handelt es sich im Wesentlichen um eine
Sensorleiste zur Blickerfassung, die in eine Vorrichtung für mobile Endgeräte gesteckt
wird. Diese Vorrichtung („Tobii Mobile Device Stand”) ist mit einer Platte zum
Platzieren des Smartphones, mit der erwähnten Halterung für den mobile Eye-Tracker
sowie mit einer Webcam ausgestattet, die auf das Smartphonedisplay gerichtet ist
(Tobii Technology AB, 2018, S. 2). Beide Eye-Tracker waren an einen handelsüblichen
Desktop-PC angeschlossen.
Als Smartphone wurde das Gerät „P8 lite“ der Firma Huawei verwendet (Huawei,
2016). Darauf war das Google-eigene Betriebssystem Android vorinstalliert, was sich
aufgrund der Marktdominanz des Konzerns angeboten hat (Gartner Inc., 2018). Das
Gerät verfügt über eine Displaygröße von 5 Zoll, die bei Smartphones üblich und mit
am meisten verbreitet ist (Lomas, 2017).
4 Methodik 32
4.2.6.2 Software Eye-Tracking
Abbildung 3: Software des Eye-Tracking-Experiments
1. Browser-Erweiterung „Fenstergröße“:
Die Suchanfragen der insgesamt 20 Rechercheaufgaben wurden nacheinander im
Chrome-Browser bei Google eingegeben. Mithilfe einer Erweiterung für die
Desktopversion des Browsers wurde zunächst die Größe des Browserfensters exakt auf
die Auflösungen des im Experiment verwendeten stationären Eye-Trackers (Breite:
1280px) sowie des Smartphones (Breite: 720px) angepasst (Botizan, 2017).
2. Browser-Erweiterung „User-Agent“:
Eine weitere Browser-Erweiterung diente der Simulation der Smartphone-
Ansicht innerhalb des Desktop-Browsers. Dazu wurde das Android-Betriebssystem als
User-Agent gewählt (Google.com, 2017).
3. Browser-Erweiterung „Screenshot“:
Ein drittes Addon diente zur ganzseitigen Aufnahme der SERP-Screenshots in
Form von PNG-Dateien (mrcoles.com, 2018).
4. Bildbearbeitungsprogramm:
Wie im Abschnitt 4.2.4 Eye-Tracking-Experiment unter dem Punkt „Modifikation
der SERPs“ beschrieben wurden organisch generierte Universal-Search-Ergebnisse wie
Karten entfernt und die Ergebnislisten entsprechend aufgefüllt. Zudem wichen die
mobilen SERPs teilweise von den Desktop-SERPs der identischen Suchanfragen ab, was
die einzelnen Treffer sowie deren Positionen anging. Die mobilen wurden somit an die
Desktop-SERPs angeglichen.
4 Methodik 33
Zur Bearbeitung der SERPs wurde das Bildbearbeitungsprogramm Adobe
Photoshop Elements in der Version 8 verwendet (Adobe, 2009).
5. Online-Tool „Image-Maps“:
Damit die SERP-Screenshots für die Probanden klickbar wurden, sind mit dem
„Online Image Map Editor“ für alle SERPs sogenannte Image-Maps erstellt worden
(Maschek.hu, 2018). Image-Maps sind HTML-Codes, in denen alle Bereiche, die
klickbar sein sollen, durch Koordinaten definiert werden. Für jeden Bereich wurde eine
ID vergeben, die die Klicks später zuordnen ließ, beispielsweise „o01“ für alle
erstplatzierten organischen Suchergebnisse.
6. Experimentalbedingungen zum Durchklicken:
Die 20 Fragestellungen der Rechercheaufgaben, die 40 erstellten Screenshots
sowie deren Image-Maps wurden nun an Sebastian Sünkler, den Zweitprüfer dieser
Arbeit, gesendet. Er setzte die gelieferten Daten dankenswerterweise in ein
durchklickbares Tool um, das die durch die Probanden getätigten Klicks auf den per
Image-Maps definierten Bereichen erfasste und speicherte. Das Tool war durch vier
URLs online abrufbar, die jeweils auf eine der vier Experimentalbedingungen (z.B.
Desktop_Block 1) verwiesen. Wurde eine dieser URLs aufgerufen, erschienen die zehn
Rechercheaufgaben der Bedingung in randomisierter Reihenfolge, wobei Aufgabentext
und zugehörige SERP jeweils aufeinander folgten.
7. Eye-Tracking-Programm iMotions:
Das Eye-Tracking-Programm, mit dem die Studie durchgeführt wurde, ist
iMotions. Damit sind Tests mit Eye-Trackern verschiedenster Hersteller möglich, so
auch mit denen der Firma Tobii (iMotions, 2018). Die vier online abrufbaren URLs der
Experimentalbedingungen wurden in iMotions eingebunden. Zu den erforderlichen
Einstellungen innerhalb des Programms siehe Abschnitt 4.2.6.4 Einstellungen und
Ablauf im Eye-Tracking-Programm.
4 Methodik 34
4.2.6.3 Software Fragebogen
Für die vier Suchanfragen, auf deren SERPs bezahlte oder organische Ergebnisse
zu markieren waren, wurde ähnlich dem zuvor beschriebenen Eye-Tracking-Teil
vorgegangen (siehe Abbildung 3). So wurden zu den vier Suchanfragen Screenshots im
Desktop- oder Smartphone-Layout erstellt und diese mit Image-Maps ausgestattet. Ein
Bildbearbeitungsprogramm war nicht erforderlich, da die vier SERPs jeweils
unterschiedliche Suchanfragen abbildeten und somit nicht angeglichen werden
mussten. Die vier SERPs zum Markieren der Ergebnistypen wurden schließlich inklusive
der Fragen zum Geschäftsmodell Googles durch den Zweitprüfer dieser Arbeit,
ebenfalls analog zu den Eye-Tracking-Bedingungen, in einen Fragebogen zum
Durchklicken umgesetzt.
4.2.6.4 Einstellungen und Ablauf im Eye-Tracking-Programm
Dieser Abschnitt erläutert zunächst die wesentlichen Einstellungen der Software
iMotions. Daraufhin wird skizziert, wie die Blickdaten innerhalb des Programms zur
Auswertung verarbeitet worden sind.
Grundlegende Einstellungen:
Für die vier Experimentalbedingungen (Desktop_Block1, Desktop_Block2,
Mobil_Block1, Mobil_Block2) wurde in iMotions jeweils ein separater Test erstellt. Die
vier Tests waren gleichartig strukturiert, erforderten aufgrund der verschiedenen Eye-
Tracker aber spezifische Einstellungen. So musste insbesondere die Webcam des
mobilen Eye-Trackers exakt auf das Smartphonedisplay angepasst werden,
beispielsweise hinsichtlich Belichtung, Kontrast und Sättigung, um eine hochqualitative
Erfassung der von den Probanden betrachteten SERPs zu gewährleisten.
Die in iMotions standardmäßig eingestellte Mindestdauer einer Fixation beträgt
100 Millisekunden. Für Eye-Tracking-Studien auf SERPs handelt es sich dabei um einen
gebräuchlichen Wert, weshalb die Voreinstellung für alle Bedingungen beibehalten
wurde (siehe u.a. Dumais, Buscher, & Cutrell, 2010; Liu, Liu, Zhang, & Ma, 2014; Saito
u. a., 2009).
4 Methodik 35
Die zwei Eye-Tracker mussten vor jedem Einsatz kalibriert werden, damit sich die
Geräte individuell auf die Augen des Probanden einstellen konnten. Dazu wurde die
von der iMotions-Software empfohlene 9-Punkt-Kalibrierung gewählt. Zur
Vorgehensweise der Kalibrierung, hier am Beispiel von 5 Kalibrierungspunkten, siehe
Tobii Technology (2010, S. 7).
Vorgehensweise im Eye-Tracking-Programm:
1. Gaze-Mapping:
Die ganzseitigen SERPs, die die Probanden im Eye-Tracking-Test zu sehen
bekamen, wurden vorab in iMotions als sogenannte Referenzbilder hinterlegt. Dies
diente dem sogenannten Gaze-Mapping-Verfahren. Gaze-Mapping überträgt
Blickdaten, die in dynamischen Umgebungen (z.B. auf scrollbaren Webseiten)
aufgezeichnet werden, auf statische Bilddateien, den Referenzbildern (Farnsworth,
2017). Als Referenzbilder wurden die 40 im Experiment verwendeten, ganzseitigen
SERP-Screenshots verwendet. Abbildung 4 stellt die Gaze-Mapping-Funktion für einen
Probanden in der Experimentalbedingung D1 dar.
Abbildung 4: Gaze-Mapping in iMotions
4 Methodik 36
Auf der rechten oberen Seite ist die Aufzeichnung (Screen-Recording) eines
Probanden in der Experimentalbedingung D1 zu sehen. Links daneben befindet sich die
SERP als Referenzbild, die der Proband im Test gerade zu sehen bekam. Unterhalb
beider Ansichten sind die 10 Referenzbilder, also die in der Experimentalbedingung D1
vorhandenen SERPs, einzeln aufgeführt. Wie die Abbildung verdeutlicht, erhielt der
Proband aufgrund der Randomisierung der Rechercheaufgaben zuerst die Aufgabe 6,
dann 3, usw. Die insgesamt 100 Screen-Recordings, die durch die Probanden in
iMotions erzeugt worden sind (50 Probanden * 2 Bedingungen), konnten durch das
Gaze-Mapping-Verfahren mit den zugehörigen Referenzbildern (insgesamt 40 SERPs)
abgeglichen und die Blickdaten entsprechend zugeordnet worden.
An dieser Stelle ist die Relevanz der Webcam-Einstellungen des mobilen Eye-
Trackers hervorzuheben. Im Testlauf vor der Studiendurchführung traten
beispielsweise Probleme bei zu hellen Aufnahmen auf. Hier scheiterte das Gaze-
Mapping, da sich die Screen-Recordings zu sehr von den Referenzbildern
unterschieden haben. Hohe Werte für Kontrast und Sättigung und niedrige Werte für
die Belichtung lösten dieses Problem. Die iMotions-Software konnte dadurch alle
abgebildeten SERPs im Verlauf der Studie verlässlich identifizieren.
2. Definition der Areas of Interest (AOIs):
Auf den Referenzbildern des Gaze-Mapping-Verfahrens konnten, ebenfalls vor
der Studiendurchführung, die sogenannten „Areas of Interest“ (kurz: AOIs) definiert
werden. Eine AOI ist ein definierter Bereich, zum Beispiel eine bestimmte Textanzeige.
Mittels mehrerer solcher AOIs konnte festgelegt werden, auf welchen Teilen der
angezeigten SERPs die Blickdaten zur späteren statistischen Auswertung herangezogen
werden sollten (Poole & Ball, 2005, S. 10).
4 Methodik 37
3. Durchführung der Tests und Export der Daten:
Nachdem ein Proband am Experiment teilgenommen hatte, wurden die Gaze-
Mapping-Prozesse für die beiden von ihm durchlaufenen Experimentalbedingungen
angestoßen. Dadurch wurden die Blickdaten aus den zwei entstandenen Screen-
Recordings (Desktop & Mobil) auf die mit AOIs ausgestatteten Referenzbilder
übertragen.
Nachdem alle Probanden am Experiment teilgenommen hatten und die Gaze-
Mapping-Prozesse abgeschlossen waren, wurden die Eye-Tracking-Daten der vier
Einzeltests (D1, D2, M1, M2) zunächst exportiert und in eine gemeinsame Excel-Tabelle
gespeichert. Diese Tabelle wurde schließlich mit den Klickdaten, den Angaben aus der
Vorbefragung sowie mit den Fragebogenergebnissen angereichert. Dadurch fanden
sich alle in der Studie erhobenen Daten in einer gemeinsamen Tabelle wieder, die für
die Auswertung verwendet werden konnte.
5 Ergebnisse 38
5 Ergebnisse
Die Ergebnisdarstellung erfolgt zweigeteilt. Zunächst werden die Ergebnisse der
drei Studienteile (Vorbefragung, Experiment, Fragebogen) deskriptiv dargestellt.
Darauf aufbauend folgt die Hypothesenprüfung, die die Ergebnisse auf
Zusammenhänge hin überprüft, sowie der Vergleich der Recherche an PC und
Smartphone. Dafür ist vorab das Signifikanzniveau festzulegen. Dieses wird wie in der
Sozialwissenschaft üblich als α=0.05 bestimmt (Döring & Bortz, 2016, S. 665).
Bei zwei der 50 Probanden konnten keine Tests mit dem mobilen Eye-Tracker
durchgeführt werden. Das Gerät konnte in beiden Fällen keinerlei Blickverläufe
ermitteln und nicht kalibriert werden. Bei anderen, wenigen Probanden gelang die
Kalibrierung, jedoch wurden teilweise bei einzelnen Rechercheaufgaben keine
Blickdaten erhoben. Dies war der Fall, wenn der Eye-Tracker für kurze Zeit den Kontakt
zu den Augen des Probanden verlor, ihn bei den Folgeaufgaben aber wieder
aufnehmen konnte. Ursachen für derartige Probleme sind unter anderem Brillengläser
mit verschiedenen Stärken (sog. Bifokalbrillen) oder aber in bzw. an den Augen des
jeweiligen Probanden auszumachen, beispielsweise durch erweiterte Pupillen, lange
Wimpern oder Trübungen der Linsen (Pernice & Nielsen, 2009, S. 87-88). Aufgrund
dessen konnten von 500 Rechercheaufgaben, die am Desktop-PC durchgeführt worden
sind, bei 495 Aufgaben Blickdaten erhoben werden, was 99% entspricht. Im Falle der
Tests am Smartphone liegt ein Verhältnis von 464/500 (93%) vor.
5.1 Deskriptive Statistik
5.1.1 Vorbefragung: Charakterisierung der Probanden
An der Studie nahmen 50 Probanden, davon 18 männlich und 32 weiblich, mit
einem Durchschnittsalter von 25,8 Jahren teil. Wie im Abschnitt 4.2.2
Probandenakquise beschrieben wurden Teilnehmer aus unterschiedlichen
Studiengängen akquiriert, die in Tabelle 5 aufgeführt werden.
5 Ergebnisse 39
Tabelle 5: Studiengänge der Probanden
Studiengang
Teilnehmerzahl
Information, Medien, Bibliothek (M.A.)
13
Medien und Information (B.A.)
6
Bibliotheks- und Informationsmanagement (B.A.)
5
Kommunikationsdesign (B.A.)
5
Flugzeugbau (B.Eng.)
3
Illustration (B.A.)
3
Digitale Kommunikation (M.A.)
2
Maschinenbau - Entwicklung und Konstruktion (B.Sc.)
2
Public Management (B.A.)
2
Soziale Arbeit (B.A.)
2
Außenwirtschaft / Internationales Management (B.Sc.)
1
Bekleidung - Technik und Management (B.Eng.)
1
Fahrzeugbau (B.Eng.)
1
International Business (M.Sc.)
1
Modedesign/Kostümdesign/Textildesign (B.A.)
1
Produktionstechnik und -management (B.Sc.)
1
Textildesign (B.A.)
1
Die Angaben der Probanden über ihre Suchmaschinennutzung ergeben ein
einheitliches Bild. So wurde von 49 Probanden als meistgenutzte Suchmaschine
Google, von einem Teilnehmer Ecosia genannt. Der Großteil nutzte neben Google
keine weitere Suchmaschine (n=30). Wenn doch, dann mit teilweisen
Mehrfachnennungen Ecosia (n=9), DuckDuckGo (n=5), Bing (n=4), Yahoo (n=2) oder
StartPage (n=1).
Alle Probanden nutzten Suchmaschinen über einen Desktop-PC bzw. Laptop, 49
der 50 Teilnehmer führten Websuchen zusätzlich mit ihrem Smartphone durch. 11
Probanden gaben an, hierfür auch Tablets einzusetzen.
Hinsichtlich der Frage, wie die Probanden ihre eigenen Fähigkeiten einschätzen,
mit Websuchmaschinen wie Google zu recherchieren, gaben sich die meisten die
Schulnote 2 („gut“, n=34), gefolgt von 3 („befriedigend“, n=10), 1 („sehr gut“, n=5) und
4 („ausreichend“, n=1). Kein Proband bewertete seine Recherchefähigkeiten bei
Websuchmaschinen mit den Noten 5 oder 6. Daraus ergibt sich eine Durchschnittsnote
von 2,14.
5.1.2 Eye-Tracking-Experiment: Klick- und Blickverhalten der Probanden
Die Probanden führten die Rechercheaufgaben an beiden Eye-Trackern in zügiger
Geschwindigkeit durch. Im Durchschnitt benötigten sie für eine Aufgabe am Desktop-
PC 19 Sekunden, am Smartphone 20 Sekunden. Ein t-Test wies keine signifikanten
Unterschiede zwischen beiden Eye-Trackern hinsichtlich der Bearbeitungszeiten nach
(p=.616).
5 Ergebnisse 40
Bei den Rechercheaufgaben wurden hauptsächlich organische Suchergebnisse
angeklickt, wie Abbildung 5 zeigt (siehe Anhang 4: Klicks auf Ergebnistypen für die
Werte nach Rechercheaufgaben). Wenn Anzeigen ausgewählt wurden, dann die am
oberen Ende der SERP dargestellte Textanzeigen („Textanzeigen oben“) sowie
Shoppinganzeigen. Auf den Textanzeigen am unteren Ende der SERPs fanden keine
Klicks statt, weshalb sie im Folgenden nicht aufgeführt werden.
Abbildung 5: Klicks auf Ergebnistypen (relative Häufigkeiten)
Die folgende Tabelle 6 führt die Anzeigenklicks nach den Anfragetypen von
Broder (2002, S. 5) auf. Die insgesamt 58 Anzeigenklicks wurden zum Großteil bei
navigationsorientierten Rechercheaufgaben wie „Nehmen wir an, Sie möchten die
Website des Apple-Konzerns aufrufen“ getätigt. So wurde bei 99 am Desktop
durchgeführten, navigationsorientierten Aufgaben 19 Mal eine Anzeige angeklickt.
Dies entspricht einer Klickrate auf Anzeigen von etwa 19%. Am Smartphone liegt die
Rate gar bei 29%, was etwa jeder dritten navigationsorientierten Aufgabe entspricht.
Tabelle 6: Anzeigenklicks nach Anfragetypen (Broder, 2002, S. 5)
Anfragetyp
Gerät
Anzeigenklicks
durchgeführte Aufgaben des
Anfragetyps
Klickrate auf
Anzeigen
Navigationsorientiert
Desktop
19
99
19,19%
Mobil
25
86
29,07%
Transaktionsorientiert
Desktop
1
148
0,68%
Mobil
8
142
5,63%
Informationsorientiert
Desktop
2
248
0,81%
Mobil
3
236
1,27%
94,14% 89,87%
5,45% 9,27%
0,40% (Shoppinganz.) 0,86% (Shoppinganz.)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Desktop Mobil
Anteile der Klicks nach Ergebnistypen
Klicks:
Anteile nach Ergebnistypen im Vergleich Desktop/Mobil
Shoppinganzeigen
Textanzeigen oben
organische Ergebnisse
n=495 n=464
5 Ergebnisse 41
Abbildung 6 stellt dar, wie sich die Fixationen der Studienteilnehmer auf den
verschiedenen Ergebnistypen verteilen (siehe Anhang 5: Fixationen auf Ergebnistypen
für die Werte nach Rechercheaufgaben). Deutlich wird unter anderem, dass die
Textanzeigen am unteren Ende der Ergebnisseite kaum Beachtung fanden.
Abbildung 6: Fixationen auf Ergebnistypen (relative Häufigkeiten)
Beide Abbildungen (Abbildung 5 und Abbildung 6), die die Klicks und Fixationen
abbilden, deuten des Weiteren darauf hin, dass die oberen Textanzeigen bei der
Recherche mit mobilem Endgerät häufiger ausgewählt und intensiver betrachtet
wurden als dieselben Textanzeigen bei der Suche mit dem Desktop-PC. Anhand
statistischer Tests wird dies im Abschnitt 5.3 überprüft.
5.1.3 Fragebogenauswertung
Im Folgenden werden die Resultate der Fragebogenauswertung aufgeführt.
Dafür werden zunächst die Einzelfragen und im Anschluss die daraus resultierenden
Gesamtpunktzahlen dargelegt.
76,2% 63,7%
18,4%
29,8%
4,6% 5,9%
0,2% (Textanz. unten) 0,2% (Textanz. unten)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Desktop Mobil
Anteile der Fixationen nach Ergebnistypen
Fixationen:
Anteile nach Ergebnistypen im Vergleich Desktop/Mobil
Textanzeigen unten
Shoppinganzeigen
Textanzeigen oben
organische Ergebnisse
n=13.142 n=10.824
5 Ergebnisse 42
5.1.3.1 Fragebogen: Einzelfragen
- Frage 1: „Wodurch generiert Google seine Einnahmen?“ (offene Frage)
Der Großteil der Teilnehmer (n=45) nannte korrekterweise „Anzeigen“,
„Werbung“, „Ads“ oder andere bedeutungsgleiche Begriffe. Fünf Probanden
nannten keinen Begriff, der direkt auf die Anzeigen Bezug nimmt.
Beispielhafte Antworten, die als falsch bewertet worden sind, waren „Durch
Verkauf der Kundendaten“ sowie „Firmen/Websites, die ihre Kunden quasi
anlocken wollen und sich ganz oben platzieren wollen“.
Abbildung 7: Häufigkeiten korrekter und inkorrekter Antworten des Fragebogens
- Frage 2: „Gibt es Ihrer Meinung nach die Möglichkeit, als Unternehmen oder
Werbetreibender gegen Geld sein Unternehmen bzw. Produkt in der
Trefferliste bei Google ganz oben zu platzieren?“ (Ja/Nein)
Auch die zweite Frage wurde von 45 Teilnehmern korrekt mit „Ja“
beantwortet, wobei die fünf fehlerhaften Antworten von Teilnehmern
kamen, die die erste Frage noch richtig beantwortet hatten.
5 Ergebnisse 43
- Frage 2.1: [Wenn „Ja“ bei vorheriger Frage]: „Sind die bezahlten
Suchergebnisse von den übrigen Ergebnissen zu unterscheiden?“ (Ja/Nein)
Von den 45 Probanden, die Frage 2 richtig beantworteten, nannten 40 auch
bei Frage 2.1 die richtige Antwort.
- Frage 2.1.1: [Wenn „Ja“ bei vorheriger Frage]: „Wodurch unterscheiden sich
die bezahlten Suchergebnisse von den übrigen Ergebnissen, für die nicht
bezahlt worden ist?“ (offene Frage)
Von den wiederum 40 Probanden, die Frage 2.1 richtig beantworteten, gaben
35 auch bei Frage 2.1.1 die korrekte Antwort. Angaben, die als falsch
bewertet worden sind, waren beispielsweise „nach dem sog. Pagerank
sortiert“ oder „Die bezahlten Suchergebnisse sind unter Umständen weniger
relevant als nach dem, was gesucht wird“.
Bei den Fragenummern 3-6 handelt es sich um Aufgaben, bei denen die
Probanden entweder organische oder bezahlte Ergebnisse auf vier SERPs zu markieren
hatten, wie in Abschnitt 4.2.5 Nachbefragung: Fragebogen inklusive Test beschrieben
ist. Die Probanden konnten die einzelnen Ergebnistypen unterschiedlich gut
identifizieren, wie Tabelle 7 zeigt. Bei den Fragen 4 und 6, bei denen die Anzeigen zu
markieren waren, wurden sämtliche am oberen Ende der SERP dargestellten
Textanzeigen („Textanzeigen oben“) als solche identifiziert. Textanzeigen, die sich am
unteren Ende der SERP befanden, wurden hingegen nur zu etwa 93% (Frage 4) bzw.
89% (Frage 6) als Anzeige markiert. Die Werte für die Shoppinganzeigen zeigen, dass
etwa jede vierte Shoppinganzeige bei beiden Aufgaben nicht als Anzeige markiert
worden ist. Darüber hinaus wurden etwa 6% aller bei den Aufgaben 4 und 6
dargestellten organischen Ergebnissen fälschlicherweise als Anzeige eingeordnet.
Tabelle 7: Erkennungsraten der Ergebnistypen: richtig und falsch gekennzeichnete Ergebnisse
Aufgaben
3
Desktop
zu markieren: org.
4
Desktop
zu markieren: Anzeigen
5
Mobil
zu markieren: org.
6
Mobil
zu markieren: Anzeigen
richtig*
falsch**
richtig*
falsch**
richtig*
falsch**
richtig*
falsch**
Textanzeigen oben
0,00%
100,00%
0,00%
100,00%
Shoppinganzeigen
n.V.
78,40%
n.V.
75,33%
organische Ergebnisse
85,33%
6,00%
88,55%
5,80%
Textanzeigen unten
2,00%
92,67%
n.V.
89,33%
* richtig: korrekte Zuordnung gefragter Ergebnistypen, z.B. organisches Ergebnis als solches markiert
** falsch: fehlerhafte Zuordnung, z.B. Anzeige fälschlicherweise als organisches Ergebnis markiert
5 Ergebnisse 44
Bei den Aufgaben 3 und 5 sollten die organischen Suchergebnisse durch die
Probanden markiert werden. Dies gelang zu 85% (Frage 3) bzw. 89% (Frage 5) aller
nicht-bezahlter Ergebnisse. Textanzeigen am oberen Ende der SERP wurden von
keinem Probanden fälschlicherweise als organisches Ergebnis markiert,
Shoppinganzeigen lagen bei beiden Aufgaben nicht vor. Der Wert 2,00% bei Aufgabe 3
gibt an, dass ein Proband die von insgesamt 50 Teilnehmern zu bewertende untere
Textanzeige fälschlicherweise als organisches Ergebnis eingestuft hat.
Um zu ermitteln, wie viele Probanden an den inkorrekten Zuordnungen beteiligt
waren, dient Tabelle 8. Sie zeigt, wie viele Teilnehmer die verschiedenen
Anzeigentypen jeweils vollständig, teilweise oder gar nicht zuordnen konnten. So
haben 29 Probanden entweder nicht alle organischen Ergebnisse bei den Aufgaben 3
und 5 markiert, oder aber bei den Aufgaben 4 und 6 eine Anzeige als organisches
Ergebnis eingestuft.
Tabelle 8: Häufigkeiten korrekter, teilweise korrekter und inkorrekter Zuordnungen der Probanden
vollständig korrekt
teilweise korrekt
alle inkorrekt
Textanzeigen oben
50
0
0
Shoppinganzeigen
33
8
9
organische Ergebnisse
21
29
0
Textanzeigen unten
44
4
2
5.1.3.2 Fragebogen: Gesamtpunktzahlen
Die Gesamtpunktzahlen, die die Probanden in dem Fragebogen erreicht haben,
werden in Abbildung 8 aufgeführt. Am häufigsten wurden hohe Punktzahlen von über
75 erreicht, 15 Teilnehmer erreichten gar zwischen 95-100 Punkten.
Die Abbildung verdeutlicht, dass die Studierenden des Departments Information
häufig sehr hohe Punktzahlen erzielt haben. Sie erreichten durchschnittlich 87,9, die
Studierenden der anderen Departments 78,4 Punkte. Die Voraussetzungen, zum
Vergleich der Mittelwerte t-Tests durchzuführen, sind aufgrund fehlender
Normalverteilung und nicht gegebener Varianzhomogenität nicht erfüllt.
Voraussetzungsärmere Verfahren wie der U-Test von Mann-Whitney dienen in solchen
Fällen als Alternative zum t-Test (Bortz & Schuster, 2010, S. 130). Der U-Test ermittelte
einen signifikanten Unterschied zwischen den Punktzahlen der Studierenden des
Departments Information und denen der übrigen Departments (p=.022).
5 Ergebnisse 45
Abbildung 8: Verteilung der Fragebogen-Gesamtpunktzahlen
5.2 Prüfung auf Zusammenhänge der Ergebnisse
5.2.1 Zusammenhang zwischen Anzeigenverständnis und Rechercheverhalten
5.2.1.1 Korrelationsanalysen zwischen Fragebogenergebnissen und dem Blick- und
Klickverhalten auf Anzeigen (H1, H2)
Im Folgenden werden die Hypothesen H1 und H2 mit Hilfe von
Korrelationsanalysen getestet. Zur Auswahl des passenden Verfahrens ist zunächst zu
prüfen, ob die zu testenden Variablen normalverteilt sind. In SPSS steht dafür u.a. der
Shapiro-Wilk-Test zur Verfügung. Dieser wies nach, dass die Variablen
„Fragebogenpunktzahl“, „Klickzahl auf Anzeigen“ und „Fixationszahl auf Anzeigen“
nicht normalverteilt sind. In solchen Fällen eignet sich der Rangkorrelationskoeffizient
nach Spearman. Dieser wird als „ρ“ bzw. „Spearmans Rho“ bezeichnet (Eckstein, 2016,
S. 184-185).
0000010 0 0 0 1 1 0
23
7
11
0 0 0 0 0
2
00010
1
0
2
43
5
2
4
0
2
4
6
8
10
12
14
16
Häufigkeiten
Fragebogen-Gesamtpunktzahlen
Häufigkeiten der Fragebogen-Gesamtpunktzahlen
Andere
Information
Department:
5 Ergebnisse 46
H1: „Die Punktzahl aus der Nachbefragung bezüglich des Verständnisses der
Anzeigen korreliert negativ mit der Blickhäufigkeit auf den Anzeigen (je besser
das Verständnis der Anzeigen ist, desto seltener werden Anzeigen betrachtet).“
Die Rangkorrelationsanalyse nach Spearman konnte keinen signifikanten
Zusammenhang zwischen den Variablen „Fragebogenpunktzahl“ und „Fixationszahl auf
Anzeigen“ nachweisen (ρ=-.030, p=.067). Die Hypothese H1 muss somit verworfen und
die Nullhypothese beibehalten werden. Diese besagt, dass kein Zusammenhang
zwischen dem Verständnis der Probanden über die Anzeigen und ihrer Blickhäufigkeit
auf den Anzeigen besteht.
H2: „Die Punktzahl aus der Nachbefragung bezüglich des Verständnisses der
Anzeigen korreliert negativ mit der Klickhäufigkeit auf den Anzeigen (je besser
das Verständnis der Anzeigen ist, desto seltener werden Anzeigen angeklickt).“
Die Rangkorrelationsanalyse nach Spearman konnte keinen signifikanten
Zusammenhang zwischen den Variablen „Fragebogenpunktzahl“ und „Klickzahl auf
Anzeigen“ nachweisen (ρ=.056, p=.351). Auch die Hypothese H2 muss somit verworfen
und die Nullhypothese beibehalten werden. Die Nullhypothese lautet, dass kein
Zusammenhang zwischen dem Verständnis der Probanden über die Anzeigen und ihrer
Klickhäufigkeit auf den Anzeigen besteht.
5.2.1.2 Prüfung der SERPs auf „Goldenes Dreieck“ per Heatmaps (H3, H4)
Die Hypothesen H3 und H4 lauten:
H3: „Nutzer, die ein geringes Verständnis der Anzeigen haben, weisen im
Blickverhalten der Desktop-Suche das sogenannte „Goldene Dreieck“ im Bereich
der bezahlten Ergebnisse auf: Sie betrachten das erste (bezahlte) Suchergebnis
am intensivsten und die folgenden mit absteigender Intensität (Lewandowski,
2015b, S. 131). Dem ersten organischen Suchergebnis, das nach den Anzeigen
folgt, kommt somit nur eine geringe Aufmerksamkeit zu.“
H4: „Nutzer, die ein hohes Verständnis der Anzeigen haben, weisen im
Blickverhalten der Desktop-Suche das sogenannte „Goldene Dreieck“ im Bereich
der organischen Ergebnisse auf: Sie betrachten die bezahlten Ergebnisse in
geringer Intensität. Das erste organische Suchergebnis betrachten sie hingegen
am intensivsten und die folgenden mit absteigender Intensität (Lewandowski,
2015b, S. 131).“
5 Ergebnisse 47
Zum Hypothesentest von H3 und H4 wurde in drei Schritten vorgegangen.
(1.) Zuerst wurden zwei Probandengruppen mit niedrigen sowie mit hohen
Fragebogen-Gesamtpunktzahlen gebildet. Für diese wurde im zweiten Schritt (2.)
überprüft, ob die in den Hypothesen genannten Unterschiede anhand der Daten
nachweisbar sind. Abschließend (3.) wurden die Ergebnisse mithilfe sogenannter
Heatmaps visualisiert.
1. Gruppenbildung (geringes/hohes Anzeigenverständnis)
Zur Gruppenbildung der Probanden mit geringem sowie mit hohem Verständnis
wurden die Fragebogen-Gesamtpunktzahlen der Probanden herangezogen. Diese
Punktzahlen wurden mittels sogenannter Quartile in vier Blöcke unterteilt, die jeweils
etwa 25% der Daten beinhalten. Der erste Block bildet somit die Gruppe mit geringem,
der vierte Block die Gruppe mit hohem Verständnis (Eckstein, 2016, S. 87). Dafür
wurde zuerst der Median aller Probanden bestimmt, der die Gesamtpunktzahlen
zunächst in zwei Blöcke teilt. Dieser auch als mittleres Quartil bezeichnete Wert ist
89,3. Für den Wertebereich unterhalb des mittleren Quartils wurde erneut der Median
berechnet. Dieser beträgt 78,6, gibt das untere Quartil an und dient somit als
Obergrenze der Probandengruppe mit geringem Verständnis (25,8 [geringste
Punktzahl aller Probanden] bis 78,6 Punkte). Für den Wertebereich oberhalb des
mittleren Quartils wurde identisch vorgegangen und ein oberes Quartil von 97,7
ermittelt. Die Gruppe mit hohem Verständnis verfügt somit über Punktzahlen zwischen
97,7 und 100 (höchste Punktzahl aller Probanden). Beide Gruppen bestehen aus
jeweils 12 Probanden.
2. Signifikanztests auf Unterschiede im Blickverhalten
Um zu überprüfen, ob die Fixationszahlen der beiden Gruppen voneinander
abweichen, wurden U-Tests eingesetzt. Die Tabelle 9 zeigt die durchschnittlichen
Fixationszahlen beider Gruppen auf den verschiedenen Ergebnisrängen.
5 Ergebnisse 48
Tabelle 9: Fixationszahlen der Probanden mit geringer und hoher Anzeigenkenntnis (Desktop)
Fixationszahlen (Mittelwerte)
Textanzeigen
oben
Organische Ergebnisse
Textanzeigen
unten
Rang
01
02
03
04
01
02
03
04
05
06
07
08
09
10
01
02
03
geringe
Kenntn.
3,2
2,8
5,1
1,9
5,8
4,7
3,8
2,7
1,5
0,9
0,6
0,5
0,3
0,1
0,0
0,0
0,0
hohe
Kenntn.
2,4
1,8
6,5
3,6
6,2
5,2
3,2
2,4
1,7
0,8
0,9
0,3
0,4
0,2
0,0
0,0
0,0
p-Werte
(U-Tests)
.272
.832
.287
.095
.681
.860
.626
.859
.840
.737
.471
.854
.585
.604
/
/
/
Die Rechercheaufgaben Q6, Q8, Q17 und Q18 wurden hierfür nicht
berücksichtigt, da diese Shoppinganzeigen beinhalten, die die Aufmerksamkeit auf sich
hätten lenken könnten. Keiner der U-Tests ermittelte einen signifikanten Unterschied
bezüglich der Fixationszahlen zwischen den beiden Gruppen (geringe/hohe
Anzeigenkenntnis).
3. Heatmaps zur Visualisierung der Ergebnisse
Um die Ergebnisse visuell darzustellen, wurden sogenannte Heatmaps erstellt.
Eine Heatmap kann als eine Art Wärmebild einer Abbildung verstanden werden, die in
einer Eye-Tracking-Untersuchung durch Probanden betrachtet worden ist. Solch eine
Abbildung ist im Fall der vorliegenden Studie eine einzelne SERP. Bereiche, die auf der
entsprechenden SERP intensiv betrachtet worden sind, werden auf der Heatmap mit
warmen Farben (rot bzw. orange) eingefärbt. Je weniger intensiv das Blickverhalten
auf einzelnen Bereichen ausfiel, desto kühler die Farbgebung (Pernice & Nielsen, 2009,
S. 118). Nachfolgend findet eine Gegenüberstellung der Heatmaps statt (Abbildung 9 &
Abbildung 10). Es wurden Heatmaps für die Desktop-SERPs der Rechercheaufgaben
Q14 und Q16 erstellt. Beide verfügen über jeweils vier obere Textanzeigen und über
keine bebilderten Shoppinganzeigen.
Ähnlich zum vorausgehenden Signifikanztest wurden auch für die Heatmaps die
Probanden mit hohen bzw. geringen Fragebogen-Gesamtpunktzahlen mithilfe von
Quartilen ermittelt. Anders als zuvor wurden nun nicht alle, sondern lediglich die
Probanden herangezogen, die die Bedingung „D2“ durchlaufen haben, da sich in dieser
die Aufgaben Q14 und Q16 befinden. So wurden zwei Probandengruppen aus jeweils 6
Probanden gebildet, die zwischen 25,8-77,1 bzw. 92,7-100 Punkte im Fragebogen
erreicht haben.
5 Ergebnisse 49
Q14: „Angenommen, Sie wollen sich über Work-&-Travel-Programme in Australien informieren.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.“
H3: geringes Anzeigenverständnis
H4: hohes Anzeigenverständnis
Abbildung 9: Heatmaps für Rechercheaufgabe Q14
Textanzeigen oben
Textanzeigen oben
below the fold above the fold
below the fold above the fold
5 Ergebnisse 50
Q16: „Nehmen wir an, Sie möchten einen Kleinwagen kaufen.
Google präsentiert Ihnen die folgende Ergebnisseite.
Bitte klicken Sie ein Ergebnis an.“
H3: geringes Anzeigenverständnis
H4: hohes Anzeigenverständnis
Abbildung 10: Heatmaps für Rechercheaufgabe Q16
Textanzeigen oben
Textanzeigen unten
Textanzeigen oben
below the fold above the fold
Textanzeigen unten
below the fold above the fold
5 Ergebnisse 51
Richtet man den Blick zunächst auf Abbildung 9, die die Heatmaps für Q14
darstellt, sind große Übereinstimmungen beider Gruppen (geringes/hohes
Anzeigenverständnis) ersichtlich. Die Heatmaps in Abbildung 10 unterscheiden sich
hingegen voneinander, was insbesondere für die organischen Ergebnisse sowie für die
oberen Textanzeigen gilt. Die Probandengruppe mit geringer Anzeigenkenntnis weist
bei der dargestellten Rechercheaufgabe Q16 größere Fixationszahlen auf den oberen
Textanzeigen auf. Über alle Aufgaben hinweg sind diese Unterschiede jedoch nicht
signifikant, wie die vorausgehenden U-Tests zeigten. „Goldene Dreiecke“ liegen
ebenfalls nicht vor. Die Hypothesen H3 und H4 werden somit nicht bestätigt.
5.2.2 Zusammenhang zwischen Selbsteinschätzung und Anzeigenverständnis
Außerhalb der Hypothesenprüfung wurde getestet, ob die Selbsteinschätzung
der Recherchefähigkeit und das Anzeigenverständnis der Probanden miteinander
korrelieren. Wie in den vorausgehenden Analysen liegen auch in diesem Fall keine
normalverteilten Variablen vor, weshalb erneut vom Rangkorrelationskoeffizient nach
Spearman Gebrauch gemacht wurde (Eckstein, 2016, S. 184-185). Die
Korrelationsanalyse zwischen der Schulnote, die die Probanden für ihre eigene
Recherchefähigkeit vergaben, und den erreichten Gesamtpunktzahlen aus dem
Fragebogen, ergab einen statistisch signifikanten, negativen Zusammenhang (ρ=-.298,
p=.018). Gemäß Cohen (1988, S. 80) liegt eine mittlere Effektstärke vor. Das bedeutet,
dass schlechtere Schulnoten (also höhere Zahlenwerte) mit niedrigen
Gesamtpunktzahlen des Fragebogens einhergehen.
5.2.3 Verhalten nach Betrachtung der Anzeigen-Kennzeichnung (H5)
Die fünfte Hypothese wird anhand von χ²-Unabhängigkeitstests (Chi-Quadrat-
Unabhängigkeitstests) getestet. Dieser Test prüft, ob zwei kategoriale Merkmale
statistisch voneinander unabhängig sind (Eckstein, 2016, S. 169).
H5: „Nutzer, die die Anzeigen-Kennzeichnung betrachten, wählen daraufhin
häufiger organische Ergebnisse aus, als Nutzer, die die Kennzeichnung nicht
betrachten.“
5 Ergebnisse 52
Zuerst werden die am Desktop-PC durchgeführten Rechercheaufgaben
betrachtet. Tabelle 10 stellt dar, wie viele Klicks auf Anzeigen durch die Probanden
erfolgten, die zuvor die Anzeigen-Kennzeichnung per Fixation bemerkten bzw. nicht
bemerkten. So wurden am Desktop-PC insgesamt 495 Aufgaben durchgeführt (siehe
dazu Abschnitt 5 Ergebnisse). In 65 dieser Fälle ist das Anzeigen-Label per Fixation
betrachtet worden. In wiederum 7 Fällen, in denen das Label betrachtet worden ist,
wurde bei der jeweiligen Rechercheaufgabe eine Anzeige angeklickt, in den übrigen 58
Fällen ein organisches Ergebnis.
Tabelle 10: Anzeigenklicks nach Betrachtung des Anzeigen-Labels (Desktop)
Anzeigenklick Desktop
Gesamtsumme
ja
nein (=org. Erg.)
Betrachtung
Anzeigen-
Label,
Desktop
Label
betrachtet
Anzahl
7
58
65
% in Label
10,8%
89,2%
100,0%
Label nicht
betrachtet
Anzahl
22
408
430
% in Label
5,1%
94,9%
100,0%
Gesamtsumme
Anzahl
29
466
495
% in Label
5,9%
94,1%
100,0%
Zwischen den Variablen „Betrachtung Anzeigen-Label Desktop“ und
„Anzeigenklick Desktop“ wurde ein Chi-Quadrat-Test durchgeführt. Dieser ergab
keinen statistisch signifikanten Zusammenhang zwischen den beiden Variablen,
χ²(1)=3.272, p=.070.
Die Tabelle 11 zeigt das Klickverhalten auf den Anzeigen für die am Smartphone
durchgeführten Aufgaben. Ein Chi-Quadrat-Test zwischen den Variablen „Betrachtung
Anzeigen-Label Mobil“ und „Anzeigenklick Mobil“ ergab einen statistisch signifikanten
Zusammenhang zwischen beiden Variablen, χ²(1)=8.899, p=.003. Um einzuschätzen,
wie stark dieser Zusammenhang ausgeprägt ist, sind χ²-basierte Kontingenzmaße zu
berechnen. Ein häufig berechnetes Kontingenzmaß ist V nach Cramér (Eckstein, 2016,
S. 171). Dies beträgt V=.138 (p=.003). Gemäß Cohen (1988, S. 79) kann der genannte V-
Wert als klein eingestuft werden. Die Abhängigkeit der Variablen „Betrachtung
Anzeigen-Label Mobil“ und „Anzeigenklick Mobil“ ist somit zwar empirisch
nachweisbar, jedoch von schwacher Intensität.
5 Ergebnisse 53
Tabelle 11: Anzeigenklicks nach Betrachtung des Anzeigen-Labels (Mobil)
Anzeigenklick Mobil
Gesamtsumme
ja
nein (=org. Erg.)
Betrachtung
Anzeigen-
Label,
Mobil
Label
betrachtet
Anzahl
9
28
37
% in Label
24,3%
75,7%
100,0%
Label nicht
betrachtet
Anzahl
38
389
427
% in Label
8,9%
91,1%
100,0%
Gesamtsumme
Anzahl
47
417
464
% in Label
10,1%
89,9%
100,0%
Für die Suche am mobilen Endgerät gilt also, dass nach der Betrachtung des
Anzeigen-Labels nicht wie angenommen häufiger ein organisches Ergebnis angeklickt
wird, sondern ein bezahlter Treffer. Gut 24% der Probanden, die bei einer
Rechercheaufgabe das Anzeigen-Label wahrnahmen, wählten daraufhin auch eine
Anzeige aus. Dahingegen klickten nur etwa 9% der Teilnehmer, die die Kennzeichnung
nicht bemerkten, ein bezahltes Suchergebnis an. Die Hypothese H5 wird somit
verworfen.
5.3 Vergleich der Desktop- und Mobil-Versionen der
Rechercheaufgaben
Zum Abschluss der Ergebnisdarstellung werden die Daten auf möglicherweise
vorhandene Unterschiede zwischen der Suche am Desktop-Rechner sowie am
Smartphone analysiert.
5.3.1 Unterschiede im Blickverhalten auf Anzeigen zwischen Desktop und Mobil
(H6)
H6: „Nutzer, die auf der mobilen Google-Version mit Anzeigen konfrontiert
werden, betrachten diese intensiver als Nutzer, die auf der Desktopversion der
Google-Suche mit Anzeigen konfrontiert werden.“
Die sechste Hypothese wurde in zwei Schritten getestet. Zuerst ist mittels
Fixationsraten ermittelt worden, wie häufig die drei im Experiment vorhandenen
Anzeigenformen (Textanzeigen oben und unten sowie Shoppinganzeigen) überhaupt
betrachtet bzw. nicht betrachtet worden sind. Danach wird aufgezeigt, wie intensiv die
betrachteten Anzeigen wahrgenommen wurden, wofür die durchschnittlichen
Fixationszahlen auf den Anzeigen miteinander verglichen wurden.
5 Ergebnisse 54
Die unterschiedlichen Anzeigenpositionen wurden gesondert betrachtet. Dies
wird dadurch begründet, dass einige Anzeigen (Mobil: Textanzeige oben 1; siehe
Abbildung 12) zumindest teilweise direkt sichtbar sind, andere hingegen erst nach dem
Scrollen erscheinen (Mobil: Textanzeigen oben 2-4; am PC direkt sichtbar). Eine
gemeinsame Betrachtung der oberen Textanzeigen würde diesen Sachverhalt
unberücksichtigt lassen.
In Abbildung 11 werden die Fixationsraten der Anzeigen für beide Geräte
abgebildet. n=495 ist hierbei die Summe aller oberen Textanzeigen an erster Position,
die die Probanden am Desktop-Rechner zu sehen bekamen. So befinden sich auf den
20 Desktop-SERPs insgesamt 20 obere an erster Position gelistete Textanzeigen, wobei
jede SERP von 25 Probanden betrachtet worden ist (20*25=500). Die Differenz
zwischen 500 und 495 ergibt sich aus den fehlenden Blickdaten bei fünf
Rechercheaufgaben, wie zu Beginn des Abschnitts 5 Ergebnisse beschrieben.
Abbildung 11: Fixationsraten der Anzeigen
Die Abbildung 11 zeigt unter anderem, dass die obere Textanzeige 1 sowie die
Shoppinganzeigen 1 und 2 bei der Suche per Smartphone häufiger betrachtet wurden,
als es am Desktop-PC der Fall war. Die Fixationsraten der weiteren Ränge sind
hingegen beim PC größer. Deutlich wird außerdem, dass die Textanzeigen am unteren
Ende der SERP in nur etwa 4-9% aller Fälle überhaupt wahrgenommen worden sind.
Text-
anzeige
oben 1
Text-
anzeige
oben 2
Text-
anzeige
oben 3
Text-
anzeige
oben 4
Shopping-
anzeige 1
Shopping-
anzeige 2
Shopping-
anzeige 3
Shopping-
anzeige 4
Shopping-
anzeige 5
Text-
anzeige
unten 1
Text-
anzeige
unten 2
Text-
anzeige
unten 3
Desktop 77,6% 75,3% 94,0% 88,0% 70,4% 65,3% 40,8% 29,6% 26,5% 8,2% 6,0% 8,0%
Mobil 84,9% 71,0% 73,3% 82,2% 83,3% 66,7% 22,9% 8,6% 4,3% 0,0%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
80,0%
90,0%
100,0%
Fixationsraten aller dargestellten Anzeigen
Fixationsraten der Anzeigen
* im direkt sichtbaren Bereich
** im direkt sichtbaren Bereich
zur Hälfte dargestellt
*
*
n= n= n= n= n= n= n= n= n= n= n= n= n= n= n= n= n= n=
495 464 174 162 50 45 50 45 98 96 98 96 98 96 98 0 98 0
n= n= n= n= n= n=
73 70 50 46 25 23
*
**
**
*
** **
*
*
5 Ergebnisse 55
Bezüglich der Shoppinganzeigen ist zu berücksichtigen, dass am Smartphone
keine Shoppinganzeigen an den Positionen 4 und 5 sichtbar waren, wie Abbildung 12
exemplarisch zeigt. Eine Möglichkeit zum seitlichen Durchscrollen der Ergebnisse war
aufgrund der klickbaren Bilddateien nicht gegeben. Zudem wurden die
Shoppinganzeigen an Position 3 am Smartphone lediglich zur Hälfte angezeigt. Am
Desktop-PC waren hingegen 5 Shoppinganzeigen vollständig sichtbar.
Abbildung 12: Darstellung der Shoppinganzeigen am Smartphone und PC (Bereiche „above the fold“)
Mithilfe von Chi-Quadrat-Tests wurde überprüft, ob sich die Fixationsraten auf
den Anzeigen zwischen PC und Smartphone unterscheiden. Tabelle 12 stellt dafür
zunächst die Fixationsraten der oberen Textanzeigen dar. In der rechten Tabellenspalte
befinden sich die Resultate aus Chi-Quadrat-Tests, die für jede einzelne
Anzeigenposition prüfen, ob Unterschiede in den Fixationsraten zwischen den beiden
eingesetzten Geräten vorliegen. Es wird deutlich, dass die erste obere Textanzeige am
Smartphone signifikant häufiger wahrgenommen worden ist. Das Gegenteil ist bei der
oberen Textanzeige an Position 3 der Fall, die am PC öfter angesehen wurde. Keine
signifikanten Unterschiede in den Betrachtungshäufigkeiten konnten bei den oberen
Textanzeigen 2 und 4 ermittelt werden.
5 Ergebnisse 56
Tabelle 12: Fixationen auf oberen Textanzeigen
In Tabelle 13 befinden sich die Betrachtungshäufigkeiten der unteren
Textanzeigen. Für den Vergleich zwischen Desktop und Mobil bei den unteren
Textanzeigen 2 und 3 konnten keine Chi-Quadrat-Tests durchgeführt werden, da die
Voraussetzungen, diesen Test durchzuführen, in beiden Fällen nicht erfüllt sind. So
lautet eine der Bedingungen für die Durchführung von Chi-Quadrat-Tests, dass in
mindestens 80% aller Zellen eine erwartete Häufigkeit von fünf oder größer vorliegen
muss. Beides ist bei den unteren Textanzeigen 2 und 3 nicht gegeben. Für diese wurde
von der empfohlenen Alternative, dem exakten Test nach Fisher, Gebrauch gemacht
(Bortz & Schuster, 2010, S. 141; Rasch, Hofmann, Friese, & Naumann, 2010, S. 199). Es
konnten keinerlei Unterschiede hinsichtlich der Betrachtungshäufigkeiten zwischen
den Geräten ausgemacht werden. Sowohl am PC als auch am Smartphone wurden die
Textanzeigen am Ende der SERP also gleichermaßen selten angesehen.
Anzeige fixiert
Gesamtsumme
Chi-Quadrat-Tests
ja
nein
Gerät
Desktop
Anzahl
Textanz. oben 1
384
77,6%
111
22,4%
495
100,0%
signifikant:
χ²(1)=8.423,
p=.004
% in Gerät
Mobil
Anzahl
Textanz. oben 1
394
84,9%
70
15,1%
464
100,0%
% in Gerät
Desktop
Anzahl
Textanz. oben 2
% in Gerät
131
75,3%
43
24,7%
174
100,0%
nicht signifikant:
χ²(1)=.791,
p=.374
Mobil
Anzahl
Textanz. oben 2
% in Gerät
115
71,0%
47
29,0%
162
100,0%
Desktop
Anzahl
Textanz. oben 3
% in Gerät
47
94,0%
3
6,0%
50
100,0%
signifikant:
χ²(1)=7.608,
p=.006
Mobil
Anzahl
Textanz. oben 3
% in Gerät
33
73,3%
12
26,7%
45
100,0%
Desktop
Anzahl
Textanz. oben 4
% in Gerät
44
88,0%
6
12,0%
50
100,0%
nicht signifikant:
χ²(1)=.629,
p=.428
Mobil
Anzahl
Textanz. oben 4
% in Gerät
37
82,2%
8
17,8%
45
100,0%
Gesamtsumme
Anzahl
1185
300
1485
% in Gerät
79,8%
20,2%
100,0%
5 Ergebnisse 57
Tabelle 13: Fixationen auf unteren Textanzeigen
Tabelle 14 führt die Fixationshäufigkeiten der Shoppinganzeigen auf. Die am
Smartphone nicht dargestellten Shoppinganzeigen 4 und 5 bleiben mangels
Vergleichbarkeit unberücksichtigt. Die erste Shoppinganzeige wurde signifikant
häufiger am Smartphone betrachtet, wohingegen die dritte Shoppinganzeige am
Desktop-PC öfter angesehen wurde (am Smartphone zur Hälfte dargestellt; siehe
hierzu Abbildung 12).
Tabelle 14: Fixationen auf Shoppinganzeigen
Anzeige fixiert
Gesamtsumme
Test
Signifikanz
ja
nein
Gerät
Desktop
Anzahl
Textanz. unten 1
6
8,2
%
67
91,8%
73
100,0%
Chi-Quadrat
nach Pearson
nicht signifikant:
χ²(1)=.006,
p=.939
% in Gerät
Mobil
Anzahl
Textanz. unten 1
6
8,6%
64
91,4%
70
100,0%
% in Gerät
Desktop
Anzahl
Textanz. unten 2
% in Gerät
3
6,0%
47
94,0%
50
100,0%
Exakter Test
nach Fisher
nicht signifikant:
p=.540
Mobil
Anzahl
Textanz. unten 2
% in Gerät
2
4,3%
44
95,7%
46
100,0%
Desktop
Anzahl
Textanz. unten 3
% in Gerät
2
8,0%
23
92,0%
25
100,0%
Exakter Test
nach Fisher
nicht signifikant:
p=.278
Mobil
Anzahl
Textanz. unten 3
% in Gerät
0
0,0%
22
100,0%
22
100,0%
Gesamtsumme
Anzahl
19
267
286
% in Gerät
6,6%
93,4%
100,0%
Anzeige fixiert
Gesamtsumme
Chi-Quadrat-Tests
ja
nein
Gerät
Desktop
Anzahl
Shoppinganzeige 1
69
70,4%
29
29,6%
98
100,0%
signifikant:
χ²(1)=4.548,
p=.033
% in Gerät
Mobil
Anzahl
Shoppinganzeige 1
80
83,3%
16
16,7%
96
100,0%
% in Gerät
Desktop
Anzahl
Shoppinganzeige 2
% in Gerät
64
65,3%
34
34,7%
98
100,0%
nicht signifikant:
χ²(1)=.040,
p=.841
Mobil
Anzahl
Shoppinganzeige 2
% in Gerät
64
66,7%
32
33,3%
96
100,0%
Desktop
Anzahl
Shoppinganzeige 3
% in Gerät
40
40,8%
58
59,2%
98
100,0%
signifikant:
χ²(1)=7.145,
p=.008
Mobil
Anzahl
Shoppinganzeige 3
% in Gerät
22
22,9%
74
77,1%
96
100,0%
Gesamtsumme
Anzahl
339
243
582
% in Gerät
58,2%
41,8%
100,0%
5 Ergebnisse 58
Um neben der Frage, wie häufig die Anzeigen gesehen wurden, auch die
Intensitäten der Betrachtungen einordnen zu können, wird im Folgenden (Tabelle 15)
dargestellt, wie viele Fixationen eine Anzeige im Durchschnitt erhielt, insofern sie
betrachtet worden ist. Aufgrund fehlender Normalverteilung und nicht gegebener
Varianzhomogenität wurden zur Prüfung, ob Unterschiede bei den Fixationszahlen
vorliegen, U-Tests durchgeführt (Bortz & Schuster, 2010, S. 130).
Tabelle 15: Intensitäten der Anzeigenbetrachtungen
Die Werte in Tabelle 15 verdeutlichen unter anderem, dass die ersten beiden
Textanzeigen am oberen Ende der SERP intensiver am Smartphone betrachtet worden
sind, als dieselben Textanzeigen bei der Desktop-Suche. Dasselbe gilt für die ersten
zwei Shoppinganzeigen. Keine U-Tests finden bei den Shoppinganzeigen 4 und 5, die
mobil nicht dargestellt wurden, sowie bei der dritten unteren Textanzeige, die am
Smartphone von keinem Probanden angesehen worden ist, statt.
Die Ergebnisse zeigen, dass die Hypothese H6 bestätigt werden kann, wenn man
den Bereich „above the fold“ betrachtet. So werden u.a. die erste obere Text- sowie
die erste Shoppinganzeige am Smartphone häufiger und im Schnitt intensiver
wahrgenommen. Anzeigen, für deren Sichtbarkeit an beiden Geräten gescrollt werden
muss, weisen hingegen keine Unterschiede in der Betrachtung auf.
Durchschnittliche Fixationszahl
p-Werte (U-Tests)
Desktop
Mobil
Textanzeige oben 1
3,74***
6,03***
p<.001
Textanzeige oben 2
3,22*
3,47*
p=.013
Textanzeige oben 3
4,87
3,76
p=.485
Textanzeige oben 4
3,61
3,54
p=.931
Shoppinganzeige 1
3,03**
4,40**
p=.001
Shoppinganzeige 2
2,30**
3,56**
p=.004
Shoppinganzeige 3
2,13
2,14
p=.937
Shoppinganzeige 4
2,34
n.V.
/
Shoppinganzeige 5
2,73
n.V.
/
Textanzeige unten 1
3,00
2,83
p=1.00
Textanzeige unten 2
2,67
1,00
p=.414
Textanzeige unten 3
1,50
n.V.
/
* p<0.05, ** p<0.01, *** p<0.001
5 Ergebnisse 59
5.3.2 Unterschiede im Blickverhalten auf organischen Ergebnissen zwischen
Desktop und Mobil
Neben den bezahlten sollen auch die organischen Ergebnisse betrachtet werden.
Abbildung 13 führt die Fixationsraten auf den organischen Treffern für die Suche am
PC und Smartphone auf.
Abbildung 13: Fixationsraten der organischen Suchergebnisse
Die Abbildung zeigt, dass die organischen Ergebnisse am Desktop häufiger als am
Smartphone betrachtet wurden. Für alle Trefferränge wurden ähnlich dem
vorausgehenden Abschnitt Chi-Quadrat-Tests durchgeführt, die dem Anhang 6:
Fixationsraten auf organischen Ergebnissen zu entnehmen sind. Den Tests zufolge
wurden die Treffer auf den Positionen 1-7 signifikant häufiger am PC als am
Smartphone betrachtet. Dies sind diejenigen organischen Ergebnisse, die am PC direkt
(„above the fold“) und am Smartphone erst nach dem Scrollen („below the fold“)
sichtbar wurden. Keine signifikanten Unterschiede wurden hingegen für die
organischen Ergebnisse 8-10 ermittelt, für die an beiden Geräten gescrollt werden
musste.
5.3.3 Unterschiede im Klickverhalten auf Anzeigen zwischen Desktop und Mobil
(H7)
Zur Überprüfung der Hypothese H7 wurden, ähnlich dem vorausgehenden
Abschnitt, Raten eingesetzt. Statt den Fixations- sind nun die Klickraten auf den
Anzeigen zwischen PC und Smartphone miteinander verglichen worden.
Org. 1 Org. 2 Org. 3 Org. 4 Org. 5 Org. 6 Org. 7 Org. 8 Org. 9 Org. 10
Desktop 88,1% 78,0% 63,6% 48,1% 30,1% 23,2% 16,8% 12,6% 11,9% 7,2%
Mobil 75,6% 59,9% 42,0% 30,6% 22,0% 15,3% 11,4% 10,7% 8,8% 5,7%
0,0%
10,0%
20,0%
30,0%
40,0%
50,0%
60,0%
70,0%
80,0%
90,0%
100,0%
Fixationsraten der organischen Suchergebnisse
Fixationsraten der organischen Suchergebnisse
n= n= n= n= n= n= n= n= n= n= n= n=
495 464 495 464 495 464 495 464 495 464 495 464 411
n= n= n= n= n= n= n= n=
495 464 470 441 470 441 470 441
5 Ergebnisse 60
H7: „Nutzer, die auf der mobilen Google-Version mit Anzeigen konfrontiert
werden, wählen diese häufiger aus als Nutzer, die auf der Desktopversion der
Google-Suche mit Anzeigen konfrontiert werden.“
Die folgenden Tabelle 16 und Tabelle 17 zeigen, wie häufig die oberen Text-
sowie die Shoppinganzeigen am PC und Smartphone angeklickt worden sind. Die
Textanzeigen am unteren Ende der SERP wurden von keinem Probanden ausgewählt
und werden somit nicht aufgeführt.
Tabelle 16: Klicks auf oberen Textanzeigen
Die Tabelle 16 und Tabelle 17 zeigen, dass sich das Klickverhalten auf den oberen
Text- sowie auf den Shoppinganzeigen zwischen Desktop und Mobil nicht signifikant
voneinander unterscheidet. Bei der ersten oberen Textanzeige wird das vorab
festgelegte Signifikanzniveau von α=.05 nur knapp nicht unterschritten.
Anzeige geklickt
Gesamtsumme
Test
Signifikanz
ja
nein
Gerät
Desktop
Anzahl
Textanz. oben 1
26
5,3%
469
94,7%
495
100,0%
Chi-Quadrat
nach Pearson
nicht signifikant:
χ²(1)=3.767,
p=.052
% in Gerät
Mobil
Anzahl
Textanz. oben 1
39
8,4%
425
91,6%
464
100,0%
% in Gerät
Desktop
Anzahl
Textanz. oben 2
% in Gerät
0
0,0%
174
100,0%
174
100,0%
Exakter Test
nach Fisher
nicht signifikant:
p=.482
Mobil
Anzahl
Textanz. oben 2
% in Gerät
1
0,6%
161
99,4%
162
100,0%
Desktop
Anzahl
Textanz. oben 3
% in Gerät
0
0,0%
50
100,0%
50
100,0%
Exakter Test
nach Fisher
nicht signifikant:
p=.474
Mobil
Anzahl
Textanz. oben 3
% in Gerät
1
2,2%
44
97,8%
45
100,0%
Desktop
Anzahl
Textanz. oben 4
% in Gerät
1
2,0%
49
98,0%
50
100,0%
Exakter Test
nach Fisher
nicht signifikant:
p=.460
Mobil
Anzahl
Textanz. oben 4
% in Gerät
2
4,4%
43
95,6%
45
100,0%
Gesamtsumme
Anzahl
70
1415
1485
% in Gerät
4,7%
95,3%
100,0%
5 Ergebnisse 61
Tabelle 17: Klicks auf Shoppinganzeigen
Die Klickraten auf den Anzeigen am PC und Smartphone weisen keine
signifikanten Unterschiede auf. Die Hypothese H7 muss somit verworfen und die
Nullhypothese beibehalten werden.
Anzeige geklickt
Gesamtsumme
Exakte Tests
nach Fisher
ja
nein
Gerät
Desktop
Anzahl
Shoppinganzeige 1
1
1,0%
97
99,0%
98
100,0%
nicht signifikant:
p=.746
% in Gerät
Mobil
Anzahl
Shoppinganzeige 1
1
1,0%
95
99,0%
96
100,0%
% in Gerät
Desktop
Anzahl
Shoppinganzeige 2
% in Gerät
1
1,0%
97
99,0%
98
100,0%
nicht signifikant:
p=.492
Mobil
Anzahl
Shoppinganzeige 2
% in Gerät
2
2,1%
94
97,9%
96
100,0%
Desktop
Anzahl
Shoppinganzeige 3
% in Gerät
0
0,0%
98
100,0%
98
100,0%
nicht signifikant:
p=.495
Mobil
Anzahl
Shoppinganzeige 3
% in Gerät
1
1,0%
95
99,0%
96
100,0%
Gesamtsumme
Anzahl
6
576
582
% in Gerät
1,0%
99,0%
100,0%
6 Diskussion 62
6 Diskussion
In den folgenden Abschnitten wird zunächst die Methodik diskutiert und danach
werden die Ergebnisse interpretiert. Grenzen der Untersuchung sowie
Forschungsvorhaben, die sich sinnvoll an die Arbeit anfügen lassen, schließen den
Diskussionsteil ab.
6.1 Methodendiskussion
Das Studiendesign sah eine Methodenkombination aus Eye-Tracking, Interview
und Fragebogen vor. Die Auswahl und Durchführung der Methoden werden
nachfolgend diskutiert.
Eye-Tracking liefert wertvolle Erkenntnisse zur visuellen Wahrnehmung der
Versuchspersonen. Wie in der Methodenbeschreibung (4.1) erwähnt verfügt die Eye-
Tracking-Methode jedoch über Nachteile, die sich unmittelbar auf die Ergebnisqualität
auswirken. So sind die Probandenzahlen aufgrund des erforderten Aufwands in der
Studiendurchführung oftmals nicht groß genug, um signifikante Ergebnisse zu erhalten.
In der vorliegenden Studie wurden zwei verschiedene Eye-Tracker eingesetzt. Die
Eye-Tracking-Einheit zur Erfassung des Blickverhaltens am Smartphone war an eine
Vorrichtung montiert, an der sich neben der Webcam zum Abfilmen des Bildschirms
eine Ablage für das Smartphone befand. Es war den Probanden somit nicht möglich,
das Telefon den Gewohnheiten entsprechend in der Hand zu halten. Dies hindert die
Versuchspersonen im natürlichen Verhalten und wirkt verstärkend auf die ohnehin
vorhandene Laborsituation.
Ein weiteres Problem, das den mobilen Eye-Tracker betrifft, sind die im Abschnitt
5 Ergebnisse beschriebenen Einflussfaktoren. So reagierte der mobile Eye-Tracker im
Gegensatz zum stationären Gerät deutlich empfindlicher auf bestimmte Brillengläser,
die Körpergröße des Probanden sowie andere Faktoren. Dadurch konnten einige
Datensätze für die Recherche am Smartphone nicht bzw. nicht vollständig erhoben
werden. Dies schmälert die Menge der erhobenen Daten und somit die Aussagekraft
der Ergebnisse um ein weiteres.
6 Diskussion 63
Der eingesetzte Fragebogen setzt sich aus Komponenten zuvor durchgeführter,
thematisch ähnlicher Studien zusammen. Die Gewichtungen der Punktzahlen einzelner
Fragen wurden an dem vermuteten Schwierigkeitsgrad bzw. der Fehlerquote der
Probanden aus anderen Studien angelehnt und eigens berechnet. Demzufolge kann
keine Aussage darüber getroffen werden, inwiefern bei einer Wiederholung der Studie
unter gleichen Bedingungen nahezu dieselben Ergebnissen entstehen würden, der
Fragebogen also das Gütekriterium der Reliabilität erfüllt (Hollenberg, 2016, S. 6).
Einen großen Einfluss auf die Ergebnisse übt die eingesetzte Probandengruppe
aus. Um ein möglichst breites Spektrum an Kenntnissen zu Suchmaschinenwerbung
abzubilden, wurden Studierende verschiedenartiger Departments akquiriert. Wie die
Fragebogenergebnisse zeigen, schnitten die Studierenden des Departments
Information auch signifikant besser ab als diejenigen der anderen Departments.
Die Fragebogenpunktzahlen beider Gruppen liegen jedoch auf einem hohen
Niveau. 70% (35 von 50) der Teilnehmer der vorliegenden Studie konnten die Fragen
zu Googles Geschäftsmodell vollständig korrekt beantworten. In der repräsentativen
Untersuchung von Lewandowski (2017, S. 13) lag die Quote lediglich bei 38%. Daraus
wird deutlich, dass die Suchmaschinennutzer mit geringen Anzeigenkenntnissen in der
vorliegenden Arbeit nur unzureichend abgebildet worden sind.
Die im Abschnitt der Probandenakquise (4.2.2) erläuterten Annahmen,
Studierende verschiedenartiger Departments würden über unterschiedliche
Kenntnisstände der Anzeigenthematik verfügen, erwies sich somit zwar als zutreffend,
die Unterschiede der Kenntnisstände jedoch als zu gering. Im Abschnitt 6.4 Zukünftige
Forschungsvorhaben wird das eingesetzte Sample nochmals aufgegriffen.
6.2 Ergebnisdiskussion
Die Ergebnisdiskussion beantwortet die drei Forschungsfragen und stellt einen
Zusammenhang zu anderen Studien her.
Die erste Forschungsfrage F1 lautet: „Gibt es einen Zusammenhang zwischen
dem Kenntnisstand der Suchmaschinennutzer über Anzeigen und ihrem Blick- und
Klickverhalten auf Anzeigen?“. Die Frage muss im Rahmen dieser Untersuchung klar
mit Nein beantwortet werden.
6 Diskussion 64
Weder das Blick- noch das Klickverhalten konnte mit den
Fragebogenpunktzahlen korreliert werden. Ursächlich hierfür kann die Problematik der
Samplebildung sein, die in der Methodendiskussion (6.1) angesprochen worden ist.
In der Untersuchung von Lewandowski u. a. (2017) wurden signifikante
Unterschiede im Auswahlverhalten festgestellt, die mit dem Kenntnisstand bzw. der
Unterscheidungsfähigkeit von Anzeigen und organischen Ergebnissen einhergingen.
Die Unterschiede in den Kenntnisständen der Probanden der vorliegenden
Untersuchung erscheinen dagegen als zu gering, um ähnliche Zusammenhänge
herstellen zu können.
Die hohen Kenntnisstände der Probanden spiegeln sich auch in der
Beantwortung der zweiten Forschungsfrage F2 „Wird das Auswahlverhalten der
Suchmaschinennutzer durch Betrachtung des Anzeigen-Labels beeinflusst?“ wider. Es
wurde angenommen, dass die Probanden, sobald sie ein Anzeigen-Label betrachten,
kein bezahltes Ergebnis mehr anklicken, sondern einen organischen Treffer. Die
Ergebnisse zeigen, dass es bei den Aufgaben am PC unerheblich war, ob das Label
betrachtet worden ist oder nicht, was das Klickverhalten auf Anzeigen angeht. Am
Smartphone klickten hingegen signifikant mehr Probanden eine Anzeige an, nachdem
sie die Kennzeichnung sahen. Es ist somit davon auszugehen, dass die Teilnehmer ihre
Anzeigenklicks bewusst getätigt haben. Die Betrachtung des Labels führte nicht zu
einer geringeren Klickzahl auf Anzeigen. Kritisch anzumerken ist das Problem der
Messungenauigkeit. Aufgrund der bei Eye-Trackern üblichen Abweichungen kann nicht
gänzlich sichergestellt werden, dass die gemessene mit der tatsächlichen Betrachtung
der kleinen Anzeigen-Label in allen Fällen übereinstimmt (Blake, 2013, S. 374).
Die dritte Forschungsfrage F3 „Unterscheidet sich das Blick- und Klickverhalten
der Suchmaschinennutzer auf den Anzeigen bei der Desktopversion der Google-Suche
von dem der mobilen Version der Google-Suche?“ kann im Falle des Blickverhaltens an
einigen Stellen mit Ja, bezogen auf das Klickverhalten mit Nein beantwortet werden.
Im Folgenden wird dargestellt, wie die ermittelten Unterschiede zu begründen sind.
6 Diskussion 65
Betrachtet man zunächst das Blickverhalten, wird deutlich, dass die direkte
Sichtbarkeit ausschlaggebend für die Wahrnehmung eines Suchergebnisses war. Dabei
spielte das Endgerät eine wesentliche Rolle, da es die Trefferzahlen im sichtbaren
Bereich und somit die Verteilung der nutzerseitigen Aufmerksamkeit maßgeblich
beeinflusste. So waren im Experiment am Smartphone durch die kleine Displaygröße
nur wenige und ausschließlich bezahlte Treffer direkt sichtbar.
Diese wurden jedoch häufiger und intensiver wahrgenommen, als dieselben
Treffer im ebenso direkt sichtbaren Bereich des PCs, in dem deutlich mehr
Suchergebnisse erschienen sind. Organische sowie bezahlte Treffer, für die am
Smartphone gescrollt werden musste, die aber noch im sichtbaren Bereich des PCs
lagen, wurden hingegen entweder gleich häufig oder aber am PC häufiger betrachtet.
Bei Treffern am unteren Ende der SERP, für deren Sichtbarkeit an beiden Geräten
gescrollt werden musste, lagen keine Unterschiede in der Blickhäufigkeit vor. Die
Ergebnisse sind damit im Einklang mit Studien, die eben jene Effekte des direkt
sichtbaren Bereichs (Guan & Cutrell, 2007; Lewandowski & Höchstötter, 2009) sowie
der Bildschirmgröße des Endgerätes (Djamasbi u. a., 2013; J. Kim u. a., 2012)
nachgewiesen haben.
Aus den Ergebnissen, die das Blickverhalten auf Anzeigen darstellen, lassen sich
auch Erkenntnisse für Unternehmen ableiten, die bei Google Anzeigen schalten. Die
unmittelbare Sichtbarkeit ihrer Anzeigen ist von großer Bedeutung. Neben der
Berücksichtigung einer hohen Trefferposition gilt es somit sicherzustellen, dass bei
dem angesteuerten Endgerät die Anzeige im Bereich „above the fold“ aufgeführt wird,
um von den Suchmaschinennutzern entsprechend intensiv wahrgenommen zu
werden.
Die höheren Klickraten auf Anzeigen am Smartphone, wie sie Marin Software Inc.
(2013, S. 7) darstellt, konnten in der vorliegenden Studie nicht als signifikant
nachgewiesen werden. So wurden bei knapp 6% der Recherchen am PC und gut 10%
der Aufgaben am Smartphone eine obere Text- oder Shoppinganzeige angeklickt. Die
niedrigen Fallzahlen, die aus den wenigen Anzeigenklicks resultieren, gilt es jedoch zu
beachten. Diese senken die Wahrscheinlichkeit auf signifikante Ergebnisse (Bender &
Lange, 2001, S. 39). Es kann vermutet werden, dass ein größeres Sample und damit
einhergehend mehr Anzeigenklicks am PC und Smartphone zu signifikanten
Ergebnissen hätten führen können.
6 Diskussion 66
Die Anzeigenklicks entfielen zumeist auf navigationsorientierte Suchanfragen.
Hierbei erschien die gesuchte Webseite, beispielsweise die des Unternehmens Apple,
sowohl als Anzeige als auch als organisches Ergebnis. Für die Probanden war es somit
unerheblich, über welche der beiden Optionen sie zur gewünschten Seite gelangten.
Dies unterstützt den Gesamteindruck von den Probanden dahingehend, dass sie sich
bewusst darüber waren, bei welchen Treffern es sich um Anzeigen handelte und diese
anklickten, wenn sie dadurch die Aufgabe effizient (Webseiten-Anzeige auf SERP vor
identischem organischen Ergebnis) lösen konnten.
6.3 Grenzen der Studie
Eine wesentliche Einschränkung der Aussagekraft dieser Studie ist, dass sie die
Anzeigenkenntnis und das Rechercheverhalten der Probanden, jedoch nicht die
Motivationen ihrer Handlungen erhoben hat. Gründe für die bewusste Auswahl von
Anzeigen bleiben somit unberücksichtigt.
Auch das Studiendesign grenzt die Studie ein. So wurden lediglich Text- und
Shoppinganzeigen mit Studierenden aus Hamburg untersucht.
6.4 Zukünftige Forschungsvorhaben
Aus der Methoden- und Ergebnisdiskussion sowie aus den Grenzen der Studie
lassen sich zwei wesentliche Stränge ableiten. Zum einen ist aus methodischer Sicht
eine Wiederholung des Experiments mit anderem Sample sinnvoll. Zum anderen haben
sich aufgrund der Ergebnisdiskussion neue Fragen gestellt, die es im Kontext des
Informationsverhaltens künftig zu beantworten gilt.
Die Wiederholung der Studie mit einem anderen Sample bietet sich
insbesondere aufgrund der unzureichenden Berücksichtigung von Probanden mit
geringen Anzeigenkenntnissen außerhalb des studentischen Umfeldes an. Eine
wesentliche Herausforderung dabei wird wie auch in der vorliegenden Studie sein, eine
geeignete Vorgehensweise zu finden, geeignete Probanden zu erreichen, ohne dabei
vorab Sinn und Zweck des Experimentes offenzulegen. Hierfür könnten
Selbsteinschätzungen wie die Auskunft über die eigene Recherchefähigkeit bei
Websuchmaschinen dienen.
6 Diskussion 67
In der vorliegenden Studie wurde eine Korrelation zwischen der
Selbsteinschätzung und den später erreichten Fragebogenpunktzahlen ermittelt.
Probanden, die ihre Recherchefähigkeit mit schlechten Noten einstufen, könnten somit
für die Abbildung der Suchmaschinennutzer mit geringen Anzeigenkenntnissen
herangezogen werden. Dies gilt jedoch nur dann, wenn die potenziellen Probanden der
wiederholten Studie ihre Recherchefähigkeit ebenso realistisch einzuschätzen wissen
wie die der vorliegenden Untersuchung.
Anzeigen stehen hinsichtlich ihrer Relevanz den organischen Treffern je nach
Suchanfrage in nichts nach, wie Jansen bereits 2007 in seiner Studie zeigen konnte.
Anzeigenklicks sind zudem nur dann als kritisch zu betrachten, wenn sie unter falschen
Annahmen geschehen (Lewandowski, 2017, S. 20). Dies ist bei den Teilnehmern der
vorliegenden Untersuchung jedoch offenkundig nicht der Fall gewesen. Die Ergebnisse
verdeutlichen eine bewusste Anzeigenauswahl der Probandengruppe. Bislang
bestehen nach Kenntnis des Autors noch keine Studien darüber, wann und mit
welchen Intentionen bzw. unter welchen Bedingungen die Suchmaschinennutzer
bezahlte Ergebnisse auswählen. An dieser Stelle ist weitere Forschung erforderlich, um
eben jene bewusste Anzeigenauswahl mit abbilden zu können. Dabei könnten auch die
bezahlten Universal-Search-Ergebnisse mitberücksichtigt werden.
7 Schlussbetrachtung 68
7 Schlussbetrachtung
Vorige Studien haben gezeigt, dass Suchmaschinennutzer zu einem Großteil das
Geschäftsmodell Googles nicht kennen und zudem nicht zu einer Unterscheidung von
organischen und bezahlten Ergebnissen in der Lage sind (Charlton, 2013, 2016;
Lewandowski u. a., 2018). Die vorliegende Masterarbeit hat untersucht, welchen
Einfluss der Kenntnisstand über Anzeigen auf das Rechercheverhalten der
Suchmaschinennutzer am PC sowie am Smartphone ausübt. Zusätzlich wurde das
Verhalten nach Betrachtung der Anzeigen-Kennzeichnung analysiert sowie die Blick-
und Klickdaten beider Geräte miteinander verglichen. Zur Beantwortung der
Fragestellungen wurde ein Methodenmix aus Interview, Eye-Tracking-Experiment und
Fragebogen mit 50 Probanden eingesetzt. Diese waren Studierende verschiedener
Departments der HAW Hamburg.
Die Ergebnisse konnten keine signifikanten Zusammenhänge zwischen dem
Kenntnisstand über Anzeigen und dem Rechercheverhalten herstellen. Des Weiteren
hatte die Betrachtung des Anzeigen-Labels am Smartphone mehr Anzeigenklicks zur
Folge, als wenn die Kennzeichnung nicht angesehen worden ist. Am PC bestand dieser
Effekt nicht. Hier war es für das Auswahlverhalten unerheblich, ob das Label betrachtet
wurde oder nicht. Hinsichtlich des bei der Suche verwendeten Endgerätes zeigten sich
zum Teil große Unterschiede im Blickverhalten. Diese Unterschiede ließen sich auf die
Frage der direkten Sichtbarkeit eines Suchergebnisses an beiden getesteten Geräten
zurückführen.
Aus den Ergebnissen können Empfehlungen für Werbende sowie Bedarfe
weiterer Forschung abgeleitet werden. Werbende, die auf Google Anzeigen schalten,
sollten abhängig vom Gerätetyp sicherstellen, dass ihre Anzeige im unmittelbar
sichtbaren, stark wahrgenommenen Bereich erscheint. Zukünftige Studien bieten sich
dahingehend an, das Experiment mit einem anderen Sample zu wiederholen und die in
der vorliegenden Studie ermittelte bewusste Anzeigenauswahl zu untersuchen.
8 Literaturverzeichnis 69
8 Literaturverzeichnis
Adobe. (2009). Verwenden von Adobe Photoshop Elements 8 Editor. Abgerufen von
https://help.adobe.com/archive/de_DE/photoshopelements/8/photoshopelemen
ts_8_help.pdf
Alphabet Inc. (2018). Alphabet Announces Third Quarter 2018 Results. Mountain View,
CA. Abgerufen von
https://abc.xyz/investor/static/pdf/2018Q3_alphabet_earnings_release.pdf
Bender, R., & Lange, S. (2001). Was ist der p-Wert? DMW - Deutsche Medizinische
Wochenschrift, 126(15 (Suppl. Statistik)), 39–40. https://doi.org/10.1055/s-2001-
12739
Bilal, D., & Gwizdka, J. (2016). Children’s eye-fixations on google search results.
Proceedings of the Association for Information Science and Technology, 53(1), 1–
6. https://doi.org/10.1002/pra2.2016.14505301089
Blake, C. (2013). Eye-Tracking: Grundlagen und Anwendungsfelder. In W. Möhring & D.
Schlütz (Hrsg.), Handbuch standardisierte Erhebungsverfahren in der
Kommunikationswissenschaft (S. 367–387). Wiesbaden, Germany: Springer
Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-531-18776-1_20
Bortz, J., & Schuster, C. (2010). Statistik für Human- und Sozialwissenschaftler (7. Aufl.).
Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg.
https://doi.org/10.1007/978-3-642-12770-0
Botizan, I. (2017). Window Resizer – Chrome Web Store. Abgerufen 6. Juli 2018, von
https://chrome.google.com/webstore/detail/window-
resizer/kkelicaakdanhinjdeammmilcgefonfh
Broder, A. (2002). A taxonomy of web search. ACM SIGIR Forum, 36(2), 3–10.
https://doi.org/10.1145/792550.792552
Bundesverband Digitale Wirtschaft. (2009). Nutzerverhalten auf Google-
Suchergebnisseiten: Eine Eyetracking-Studie im Auftrag des Arbeitskreises
Suchmaschinen-Marketing des Bundesverbandes Digitale Wirtschaft (BVDW) e.V.
Abgerufen von http://docplayer.org/amp/10390994-Nutzerverhalten-auf-google-
suchergebnisseiten.html
Buscher, G., Dumais, S. T., & Cutrell, E. (2010). The good, the bad, and the random. In
Proceeding of the 33rd international ACM SIGIR conference on Research and
development in information retrieval - SIGIR ’10 (S. 42). New York, New York, USA:
ACM Press. https://doi.org/10.1145/1835449.1835459
Charlton, G. (2013). 40% of Consumers are Unaware that Google Adwords are Adverts.
Abgerufen 17. Mai 2018, von https://econsultancy.com/blog/62249-40-of-
consumers-are-unaware-that-google-adwords-are-adverts
Charlton, G. (2016). 55% don’t recognise paid ads in Google SERPs: stats. Abgerufen
17. Mai 2018, von https://searchenginewatch.com/2016/08/11/55-dont-
recognise-paid-ads-in-google-serps-stats/
8 Literaturverzeichnis 70
Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd editio).
Taylor & Francis Inc. Abgerufen von
http://www.utstat.toronto.edu/~brunner/oldclass/378f16/readings/CohenPower.
pdf
Djamasbi, S., Hall-Phillips, A., & Yang, R. R. (2013). An examination of ads and viewing
behavior: An eye tracking study on desktop and mobile devices. In 19th Americas
Conference on Information Systems, AMCIS 2013 - Hyperconnected World:
Anything, Anywhere, Anytime (Bd. 1, S. 350–355). User Experience and Decision
Making Lab, School of Business, Worcester Polytechnic Institute, United States.
Abgerufen von https://www.scopus.com/inward/record.uri?eid=2-s2.0-
84893292612&partnerID=40&md5=7d997c817f60cda45f87a2c342be7c3e
Döring, N., & Bortz, J. (2016). Forschungsmethoden und Evaluation in den Sozial- und
Humanwissenschaften (5. Aufl.). Berlin [u.a.]: Springer-Verlag Berlin Heidelberg.
https://doi.org/10.1007/978-3-642-41089-5
Duchowski, A. T. (2003). Eye Tracking Methodology : Theory and Practice. London
[u.a.]: Springer.
Dumais, S., Buscher, G., & Cutrell, E. (2010). Individual differences in gaze patterns for
web search. In Proceedings of the Third Symposium on Information Interaction in
Context(IIiX 2010) (S. 185–194). https://doi.org/10.1145/1840784.1840812
Eckstein, P. P. (2016). Angewandte Statistik mit SPSS (8. Aufl.). Wiesbaden, Germany:
Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-10918-9
Edelman, B. (2014). Google’s Advertisement Labeling in 2014. Abgerufen 19. April
2018, von http://www.benedelman.org/adlabeling/google-colors-oct2014.html
European Commission. (2017). Antitrust: Commission fines Google €2.42 billion for
abusing dominance as search engine by giving illegal advantage to own
comparison shopping service - Factshe. Brussels. Abgerufen von
http://g8fip1kplyr33r3krz5b97d1.wpengine.netdna-cdn.com/wp-
content/uploads/2017/06/Google-MEMO-17-1785_EN.pdf
European Commission. (2018). Kartellrecht: Kommission verhängt Geldbuße von 4.34
Milliarden Euro gegen Google wegen illegaler Praktiken bei Android-Mobilgeräten
zur Stärkung der beherrschenden Stellung der Google-Suchmaschine. Abgerufen
von http://europa.eu/rapid/press-release_IP-18-4581_de.htm
Farnsworth, B. (2017). Gaze Mapping in Advanced Eye Tracking Research – iMotions.
Abgerufen 19. Juli 2018, von https://imotions.com/blog/gaze-mapping/
Fetto, J. (2016). Mobile Search: Topics and Themes. Abgerufen von
http://hitwise.connexity.com/rs/371-PLE-119/images/hitwise-mobile-search-
report-us.pdf
Gartner Inc. (2018). Gartner Says Worldwide Sales of Smartphones Grew 9 Percent in
First Quarter of 2017. Abgerufen 15. Mai 2018, von
https://www.gartner.com/newsroom/id/3725117
Godijn, R., & Theeuwes, J. (2003). The Relationship Between Exogenous and
Endogenous Saccades and Attention. In The Mind’s Eye (S. 3–26). Elsevier.
https://doi.org/10.1016/B978-044451020-4/50002-5
8 Literaturverzeichnis 71
González-Caro, C., & Marcos, M.-C. (2011). Different users and intents: An eye-tracking
analysis of web search. In WSDM’11. Abgerufen von
http://ciio.unab.edu.co/gti/images/documentos/umwa-8.pdf
Google.com. (2017). User-Agent Switcher for Chrome – Chrome Web Store. Abgerufen
6. Juli 2018, von https://chrome.google.com/webstore/detail/user-agent-
switcher-for-c/djflhoibgkdhkhhcedjiklpkjnoahfmg
Google.com. (2018a). Bestandteile einer Shopping-Anzeige – Hilfe für AdWords.
Abgerufen 29. Mai 2018, von
https://support.google.com/adwords/answer/6275294
Google.com. (2018b). Gebotssimulator für Shopping-Kampagnen – Hilfe für AdWords.
Abgerufen 20. Juni 2018, von
https://support.google.com/adwords/answer/6239130?hl=de
Google.com. (2018c). Lokale Suchnetzwerk-Anzeigen – Hilfe für AdWords. Abgerufen
21. Juni 2018, von https://support.google.com/adwords/answer/3246303?hl=de
Google.com. (2018d). Onlinewerbung mit Google Pay-per-Click – Google AdWords.
Abgerufen 24. April 2018, von https://adwords.google.com/intl/de_de/home/
Google.com. (2018e). Shopping-Kampagnen und -Anzeigen – Vorherige Oberfläche –
AdWords – Hilfe. Abgerufen 19. April 2018, von
https://support.google.com/adwords/answer/2454022?co=ADWORDS.IsAWNCus
tomer%3Dfalse&hl=de
Google.com. (2018f). Textanzeigen – AdWords – Hilfe. Abgerufen 19. April 2018, von
https://support.google.com/adwords/answer/1704389
Google.com. (2018g). Übersicht | Hotelanzeigen – Google. Abgerufen 27. Juni 2018,
von https://www.google.com/ads/hotels/
Google Inc. (2013a). Commitments in Case COMP/C-3/39.740 - Foundem and others
(April 3, 2013). Abgerufen von
http://ec.europa.eu/competition/antitrust/cases/dec_docs/39740/39740_8608_
5.pdf
Google Inc. (2013b). Commitments in Case COMP/C-3/39.740 - Foundem and others
(October 21, 2013). Abgerufen von
http://www.consumerwatchdog.org/resources/googlesettlment102113.pdf
Google Inc. (2014). Commitments in Case COMP/C-3/39.740 - Foundem and others
(January 31, 2014). Abgerufen von
http://services.google.com/fh/files/blogs/google_commitments_full_2014.pdf
Granka, L. A., Joachims, T., & Gay, G. (2004). Eye-tracking analysis of user behavior in
WWW search. In L. A. Granka, T. Joachims, & G. Gay (Hrsg.), Proceedings of the
27th annual International Conference on Research and Development in
Information Retrieval - SIGIR ’04 (S. 478–479). New York, Ny: ACM Press.
https://doi.org/10.1145/1008992.1009079
Guan, Z., & Cutrell, E. (2007). An eye tracking study of the effect of target rank on web
search. In Proceedings of the SIGCHI conference on Human factors in computing
systems - CHI ’07 (S. 417). New York, New York, USA: ACM Press.
https://doi.org/10.1145/1240624.1240691
8 Literaturverzeichnis 72
Gundlach, H. (2018). Brauchen wir eine öffentlich-rechtliche Suchmaschine? Zum
Wettbewerb im Online-Informationsmarkt und strategische Optionen für Public
Service-Medien. In N. Gonser (Hrsg.), Der öffentliche (Mehr-)Wert von Medien (S.
129–150). Wiesbaden: Springer Fachmedien. https://doi.org/10.1007/978-3-658-
20498-3_9
Guo, Q., & Agichtein, E. (2010). Towards predicting web searcher gaze position from
mouse movements. In Proceedings of the 28th of the international conference
extended abstracts on Human factors in computing systems - CHI EA ’10 (S. 3601–
3606). New York, New York, USA: ACM Press.
https://doi.org/10.1145/1753846.1754025
Hartl, K. (2017). Suchmaschinen, Algorithmen und Meinungsmacht: Eine verfassungs-
und einfachrechtliche Betrachtung. Wiesbaden: Springer Fachmedien Wiesbaden.
https://doi.org/10.1007/978-3-658-16827-8
Höchstötter, N. (2007). Suchverhalten im Web – erhebung, analyse und möglichkeiten.
Information, Wissenschaft & Praxis, 58(3), 135–140. Abgerufen von
http://www2.bui.haw-
hamburg.de/pers/ulrike.spree/ws2007_2008/suchverhalten.pdf
Höchstötter, N., & Lewandowski, D. (2009). What users see – Structures in search
engine results pages. Information Sciences, 179(12), 1796–1812.
https://doi.org/10.1016/j.ins.2009.01.028
Hofer, N., & Mayerhofer, W. (2010). Die Blickregistrierung in der
Werbewirkungsforschung: Grundlagen und Ergebnisse. der markt, 49(3–4), 143–
169. https://doi.org/10.1007/s12642-010-0039-2
Hollenberg, S. (2016). Fragebögen: Fundierte Konstruktion, sachgerechte Anwendung
und aussagekräftige Auswertung. Wiesbaden: Springer Fachmedien Wiesbaden.
https://doi.org/10.1007/978-3-658-12967-5
Hotchkiss, G., Alston, S., & Edwards, G. (2005). Importance of the golden triangle. In
Google eye tracking report: How searchers see and click on Google search results
(S. 1–8). Kelowna: Enquiro, EyeTools, Did-It. Abgerufen von
http://searchengineland.com/figz/wp-content/seloads/2007/09/hotchkiss-eye-
tracking-2005.pdf
Huang, J., White, R. W., & Dumais, S. (2011). No clicks, no problem: using cursor
movements to understand and improve search. In Proceedings of the 2011 annual
conference on Human factors in computing systems - CHI ’11 (S. 1225). New York,
New York, USA: ACM Press. https://doi.org/10.1145/1978942.1979125
Huawei. (2016). Huawei P8 lite User Guide. Abgerufen von http://download-
c1.huawei.com/download/downloadCenter?downloadId=60791&siteCode=nz
iMotions. (2018). Eye Tracking Hardware and Software Solutions – iMotions.
Abgerufen 6. Juni 2018, von https://imotions.com/eye-tracking/
Jansen, B. J. (2006). Search log analysis: What it is, what’s been done, how to do it.
Library and Information Science Research, 28(3), 407–432.
https://doi.org/10.1016/j.lisr.2006.06.005
8 Literaturverzeichnis 73
Jansen, B. J. (2007). The comparative effectiveness of sponsored and nonsponsored
links for Web e-commerce queries. ACM Transactions on the Web, 1(1), 1–25.
https://doi.org/10.1145/1232722.1232725
Jansen, B. J., & Spink, A. (2007). Sponsored Search: Is Money a Motivator for Providing
Relevant Results? Computer, 40(8), 52–57. https://doi.org/10.1109/MC.2007.290
Jiang, J., He, D., & Allan, J. (2014). Searching, browsing, and clicking in a search session.
In Proceedings of the 37th international ACM SIGIR conference on Research &
development in information retrieval - SIGIR ’14 (S. 607–616). New York, New
York, USA: ACM Press. https://doi.org/10.1145/2600428.2609633
Kammerer, Y., & Gerjets, P. (2013). The role of thinking-aloud instructions and prior
domain knowledge in information processing and source evaluation during Web
search. Proceedings of the 35th Annual Conference of the Cognitive Science
Society, 716–721.
Kammerer, Y., & Gerjets, P. (2014). The Role of Search Result Position and Source
Trustworthiness in the Selection of Web Search Results When Using a List or a
Grid Interface. International Journal of Human-Computer Interaction, 30(3), 177–
191. https://doi.org/10.1080/10447318.2013.846790
Keane, M. T., O’Brien, M., & Smyth, B. (2008). Are people biased in their use of search
engines? Communications of the ACM, 51(2), 49–52. Abgerufen von
http://irserver.ucd.ie/bitstream/handle/10197/1643/MOB.ACM.v3-
1.pdf?sequence=3
Kim, J., Thomas, P., Sankaranarayana, R., & Gedeon, T. (2012). Comparing scanning
behaviour in web search on small and large screens. In Proceedings of the
Seventeenth Australasian Document Computing Symposium on - ADCS ’12 (S. 25–
30). New York, New York, USA: ACM Press.
https://doi.org/10.1145/2407085.2407089
Kim, L. (2018). Google Kills Off Side Ads: What You Need to Know. Abgerufen 26. Juni
2018, von https://www.wordstream.com/blog/ws/2016/02/22/google-kills-off-
right-side-ads
Koch, W., & Frees, B. (2016). Dynamische Entwicklung bei mobiler- Internetnutzung
sowie Audios und Videos. Media Perspektiven, (9), 418–437. Abgerufen von
http://www.ard-zdf-onlinestudie.de/files/2016/0916_Koch_Frees.pdf
Lagun, D., McMahon, D., & Navalpakkam, V. (2016). Understanding Mobile Searcher
Attention with Rich Ad Formats. In Proceedings of the 25th ACM International on
Conference on Information and Knowledge Management - CIKM ’16 (S. 599–608).
New York, New York, USA: ACM Press. https://doi.org/10.1145/2983323.2983853
Laidlaw, E. (2010). A framework for identifying Internet information gatekeepers.
International Review of Law, Computers & Technology, 24(3), 263–276.
https://doi.org/10.1080/13600869.2010.522334
Lesemann, E., & Wilms, U. (2007). Reliabilität von Eye Tracking-Untersuchungen: Wie
viele Probanden werden benötigt? Usability Professionals 2007, 15–20.
Lewandowski, D. (2015a). Living in a world of biased search engines. Online
Information Review, 39(3). https://doi.org/10.1108/OIR-03-2015-0089
8 Literaturverzeichnis 74
Lewandowski, D. (2015b). Suchmaschinen verstehen (1. Aufl.). Berlin, Heidelberg:
Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-44014-8
Lewandowski, D. (2016). Die Suchergebnisseite als Dauerwerbesendung? In H. C. Mayr
& M. Pinzger (Hrsg.), INFORMATIK 2016, Lecture Notes in Informatics (LNI) (S.
183–193). Bonn: Gesellschaft für Informatik (GI). Abgerufen von
http://searchstudies.org/wp-content/uploads/2016/11/Lewandowski_Die-
Suchergebnisseite-als-Dauerwerbesendung.pdf
Lewandowski, D. (2017). Users’ Understanding of Search Engine Advertisements.
Journal of Information Science Theory and Practice, 5(4), 6–25.
https://doi.org/10.1633/JISTaP.2017.5.4.1
Lewandowski, D. (2018). Suchmaschinen verstehen (2. Aufl.). Berlin, Heidelberg:
Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-662-56411-0
Lewandowski, D., & Höchstötter, N. (2009). Standards der Ergebnispräsentation. In D.
Lewandowski (Hrsg.), Handbuch Internet-Suchmaschinen (S. 204–219).
Heidelberg: AKA Verlag. Abgerufen von
http://eprints.rclis.org/12740/1/Ergebnispräsentation.pdf
Lewandowski, D., Kerkmann, F., Rümmele, S., & Sünkler, S. (2018). An empirical
investigation on search engine ad disclosure. Journal of the Association for
Information Science and Technology, 69(3), 420–437.
https://doi.org/10.1002/asi.23963
Lewandowski, D., & Sünkler, S. (2013). Representative online study to evaluate the
commitments proposed by Google as part of EU competition investigation AT.
39740-Google: Report for Germany. Abgerufen von http://searchstudies.org/wp-
content/uploads/2015/10/Google_Online_Survey_DE.pdf
Lewandowski, D., Sünkler, S., & Kerkmann, F. (2017). Are Ads on Google Search Engine
Results Pages Labeled Clearly Enough? The Influence of Knowledge on Search Ads
on Users’ Selection Behaviour. In M. Gäde, V. Trkulja, & V. Petras (Hrsg.),
Everything Changes, Everything Stays the Same? Understanding Information
Spaces. Proceedings of the 15th International Symposium of Information Science
(ISI 2017) (S. 62–74). Glückstadt: Verlag Werner Hülsbusch. Abgerufen von
http://searchstudies.org/wp-
content/uploads/2017/03/Ads_Labeling_ISI2017_Lewandowski_Suenkler_Kerkma
nn-93478.pdf
Liu, Z., Liu, Y., Zhang, M., & Ma, S. (2014). How Do Sponsored Search Results Affect
User Behavior in Web Search? In Lecture Notes in Computer Science (including
subseries Lecture Notes in Artificial Intelligence and Lecture Notes in
Bioinformatics) (Bd. 8870, S. 73–85). https://doi.org/10.1007/978-3-319-12844-
3_7
Liu, Z., Liu, Y., Zhou, K., Zhang, M., & Ma, S. (2015). Influence of Vertical Result in Web
Search Examination. In R. A. Baeza-Yates, M. Lalmas, A. Moffat, & B. A. Ribeiro-
Neto (Hrsg.), Proceedings of the 38th International ACM SIGIR Conference on
Research and Development in Information Retrieval - SIGIR ’15 (S. 193–202).
https://doi.org/10.1145/2766462.2767714
8 Literaturverzeichnis 75
Lomas, N. (2017). Smartphone screens find their size sweet spot | TechCrunch.
Abgerufen 6. Juni 2018, von https://techcrunch.com/2017/05/31/phables-are-
the-phuture/
Lorigo, L., Haridasan, M., Brynjarsdóttir, H., Xia, L., Joachims, T., Gay, G., … Pan, B.
(2008). Eye tracking and online search: Lessons learned and challenges ahead.
Journal of the American Society for Information Science and Technology, 59(7),
1041–1052. https://doi.org/10.1002/asi.20794
Marin Software Inc. (2013). Mobile Search Advertising around the Globe: How
Smartphones & Tablets Are Changing Paid Search; 2013 Annual Report. Abgerufen
von https://www.iabaustralia.com.au/uploads/uploads/2013-
10/1382054400_daf59f00d5fda6ce1b6f0cbae937f0ec.pdf
Marvin, G. (2017). UPDATED: A visual history of Google ad labeling in search results.
Abgerufen 24. April 2018, von https://searchengineland.com/search-ad-labeling-
history-google-bing-254332
Maschek.hu. (2018). Maschek.hu – Online Image Map Editor. Abgerufen 19. Juli 2018,
von http://maschek.hu/imagemap/imgmap/
McGee, M. (2016). Confirmed: Google To Stop Showing Ads On Right Side Of Desktop
Search Results Worldwide. Abgerufen 19. April 2018, von
https://searchengineland.com/google-no-ads-right-side-of-desktop-search-
results-242997
Mediative. (2014). The Evolution of Google’s Search Engine Results Pages and Their
Effects on User Behaviour. Abgerufen von
http://www.mediative.com/whitepaper-the-evolution-of-googles-search-results-
pages-effects-on-user-behaviour/
Meffert, H., Burmann, C., & Kirchgeorg, M. (2015). Marketing : Grundlagen
marktorientierter Unternehmensführung ; Konzepte - Instrumente - Praxisbeispiele
(12., übera). Wiesbaden: Springer Gabler. https://doi.org/10.1007/978-3-658-
02344-7
Mehlfeld, A. (2017). EU-Verfahren gegen Google: Zweite Geldstrafe wegen Android?
Abgerufen 28. Mai 2018, von https://www.connect.de/news/google-android-eu-
kommission-verfahren-3197443.html
mrcoles.com. (2018). Full Page Screen Capture – Chrome Web Store. Abgerufen 6. Juli
2018, von https://chrome.google.com/webstore/detail/full-page-screen-
capture/fdpohaocaechififmbbbbbknoalclacl
Pan, B., Hembrooke, H., Joachims, T., Lorigo, L., Gay, G., & Granka, L. (2007). In Google
We Trust: Users’ Decisions on Rank, Position, and Relevance. Journal of Computer-
Mediated Communication, 12(3), 801–823. https://doi.org/10.1111/j.1083-
6101.2007.00351.x
Pernice, K., & Nielsen, J. (2009). How to Conduct Eyetracking Studies. Abgerufen von
https://media.nngroup.com/media/reports/free/How_to_Conduct_Eyetracking_S
tudies.pdf
Perotti, E. (2017). Google’s Antitrust Woes Around the World. SSRN Electronic Journal,
(July). https://doi.org/10.2139/ssrn.3060298
8 Literaturverzeichnis 76
Petrescu, P. (2014). Google organic click-through rates in 2014 [Web log post].
Abgerufen 22. Mai 2018, von https://moz.com/blog/google-organic-click-through-
rates-in-2014
Poole, A., & Ball, L. J. (2005). Eye Tracking in Human-Computer Interaction and
Usability Research: Current Status and Future Prospects. In Encyclopedia of
Human-Computer Interaction (S. 211–219). Abgerufen von
https://www.researchgate.net/publication/230786738_Eye_tracking_in_human-
computer_interaction_and_usability_research_Current_status_and_future_prosp
ects
Porst, R. (2011). Fragebogen: Ein Arbeitsbuch (3. Aufl.). Wiesbaden: VS Verlag für
Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92884-5
Quirmbach, S. (2011). Usability und User Experience in Suchmaschinen. In D.
Lewandowski (Hrsg.), Handbuch Internet-Suchmaschinen 2 (S. 229–263).
Heidelberg: Akademische Verlagsgesellschaft AKA GmbH.
Rasch, B., Hofmann, W., Friese, M., & Naumann, E. (2010). Quantitative Methoden
Band 2: Einführung in die Statistik für Psychologen und Sozialwissenschaftler (3.
Aufl.). Berlin: Springer-Verlag Berlin Heidelberg New York.
https://doi.org/10.1007/978-3-642-05270-5
Saito, H., Terai, H., Egusa, Y., Takaku, M., Miwa, M., & Kando, N. (2009). How Task
Types and User Experiences Affect Information-Seeking Behavior on theWeb:
Using Eye-tracking and Client-side Search Logs. In Proceedings of the Workshop on
Understanding the User - Logging and Interpreting User Interactions in
Information Search and Retrieval (S. 19–22).
Schwartz, B. (2017). Google adds a new carousel to let you expand the search results.
Abgerufen 19. Juni 2018, von https://searchengineland.com/google-adds-new-
carousel-let-expand-search-results-268633
Sedlmeier, P., & Renkewitz, F. (2008). Experimentelle Designs. In Forschungsmethoden
und Statistik in der Psychologie (S. 123–180). München: Pearson Studium.
Sharma, D., Gupta, A., Mateen, A., & Pratap, S. (2018). Making sense of the changing
face of Google’s search engine results page: an advertiser’s perspective. Journal of
Information, Communication and Ethics in Society, 16(1), 90–107.
https://doi.org/10.1108/JICES-06-2017-0035
StatCounter. (2018). Marktanteile von Suchmaschinen bei der Desktop-Suche und bei
der mobilen Suche in Deutschland im April 2018. In Statista - Das Statistik-Portal.
Abgerufen 15. Mai 2018, von
https://de.statista.com/statistik/daten/studie/301012/umfrage/marktanteile-der-
suchmaschinen-und-marktanteile-mobile-suche/
Stelzel-Morawietz, P. (2015). So viel Macht hat Google schon über uns – PC-Welt.
Abgerufen 31. Juli 2018, von https://www.pcwelt.de/ratgeber/Google-die-Macht-
der-Datenkrake-9030818.html
Sterling, G. (2016). Report: Nearly 60 percent of searches now from mobile devices.
Abgerufen 20. April 2018, von https://searchengineland.com/report-nearly-60-
percent-searches-now-mobile-devices-255025
8 Literaturverzeichnis 77
Tobii AB. (2016). Tobii Studio User’s Manual. Tobii, 1–161. Abgerufen von
http://www.tobiipro.com/siteassets/tobii-pro/user-manuals/tobii-pro-studio-
user-manual.pdf
Tobii Technology. (2010). Tobii Eye Tracking - An introduction to eye tracking and Tobii
Eye Trackers, 14. Abgerufen von
https://de.scribd.com/document/26050181/Introduction-to-Eye-Tracking-and-
Tobii-Eye-Trackers
Tobii Technology AB. (2014). Tobii Pro X2 Product Description. Abgerufen von
https://www.tobiipro.com/siteassets/tobii-pro/product-descriptions/tobii-pro-x2-
product-description.pdf/?v=1.0
Tobii Technology AB. (2018). A Unique Eye Tracking Solution for Mobile Device Testing.
Abgerufen von https://www.tobiipro.com/siteassets/tobii-pro/brochures/tobii-
pro-mobile-device-stand-brochure.pdf/?v=1.0
Universität Kassel. (2013). Handreichung für Klausuren mit Aufgaben nach dem
Antwort-Wahl-Verfahren (Single-Choice/Multiple-Choice). Kassel. Abgerufen von
http://www.uni-kassel.de/einrichtungen/fileadmin/datas/einrichtungen/scl/E-
Klausuren/Handreichung_Antwort_Wahl_Aufgaben_final.pdf
Wood, B. (2017). New Findings Show Google Organic Clicks Shifting to Paid. Abgerufen
14. Mai 2018, von https://moz.com/blog/google-organic-clicks-shifting-to-paid
Anhang 1: Datenschutzvereinbarung A
Anhang 1: Datenschutzvereinbarung
Datenschutzvereinbarung
zur Eye-Tracking-Untersuchung im Rahmen der Masterarbeit von
Herrn Sebastian Schultheiß an der Hochschule für Angewandte Wissenschaften Hamburg
Hiermit erkläre ich mich einverstanden, dass während des Experiments mein Blick- und
Klickverhalten aufgezeichnet bzw. dokumentiert werden wird. Eye-Tracker werden für die
Aufzeichnung und Analyse meines Blickverhaltens zum Einsatz kommen.
Ich stimme zu, dass die erhobenen Daten gegebenenfalls zu Forschungszwecken vor einem
geschlossenen Kreis präsentiert werden.
Die Aufzeichnung, Auswertung und Präsentation sämtlicher Daten und anderer Angaben wird
in nicht personenbezogener Form erfolgen. Eine Weitergabe an Dritte erfolgt nicht.
Vollständiger Name in Druckbuchstaben ________________________________________
Unterschrift _______________________________
Ort, Datum _______________________________
Anhang 2: Einverständniserklärung B
Anhang 2: Einverständniserklärung
Einverständniserklärung
zur Teilnahme an einer Eye-Tracking-Untersuchung im Rahmen der Masterarbeit von
Herrn Sebastian Schultheiß an der Hochschule für Angewandte Wissenschaften Hamburg
Ziel der Studie
Im Rahmen meiner Masterarbeit im Studiengang „Information, Medien, Bibliothek“ an der
Hochschule für Angewandte Wissenschaften (HAW) Hamburg untersuche ich das
Rechercheverhalten von Google-NutzerInnen am Desktop sowie am mobilen Endgerät.
Mit der Teilnahme an dieser Studie helfen Sie mir sehr, meine Masterarbeit voranzubringen
und Erkenntnisse über meine Fragestellungen zu erlangen.
Ablauf
Kernbestandteil der Untersuchung sind 20 Rechercheaufgaben. Dabei wird die Eye-Tracking-
Methode zum Einsatz kommen, um zusätzlich zu Ihrem Klick- auch Ihr Blickverhalten
aufzuzeichnen.
Vorab wird ein kurzes Interview und nach dem Experiment eine Befragung per Fragebogen
stattfinden.
Insgesamt wird Ihre Teilnahme an der Studie etwa 45-60 Minuten dauern.
Aufwandsentschädigung
Für die vollständige Teilnahme an dieser Studie erhalten Sie 10 Euro.
Abbruch
Ihre Teilnahme an dieser Studie ist komplett freiwillig. Sie können jederzeit abbrechen, ohne
dass Ihnen daraus Nachteile entstehen.
Fragen
Wenn Sie noch Fragen haben, können Sie diese jetzt oder jederzeit während der Studie
stellen. Wenn Sie nach der Studie Fragen haben, können Sie mich per E-Mail an
sebastian.schultheiss@haw-hamburg.de kontaktieren.
Mit Ihrer Unterschrift bestätigen Sie, dass Sie mit den hier genannten Bedingungen
einverstanden sind und dass Sie mir die Erlaubnis geben, Ihre Ergebnisse aus dieser Studie
gemäß der beiliegenden Datenschutzvereinbarung zu verwenden.
Vollständiger Name in Druckbuchstaben________________________________________
Unterschrift______________________________
Ort, Datum______________________________
Anhang 3: Testleitfaden C
Anhang 3: Testleitfaden
1. Vorbereitungen
- Raum lüften
- Rechner starten
- Smartphone:
▪ Einstellungen → „Bitte nicht stören“
▪ Einstellungen → Display → Helligkeit 100%
▪ Einstellungen → Display → Ruhezustand „nie“
▪ Einstellungen → Eingabehilfen → Vergrößerungsgesten
- Eye-Tracker der nächsten Bedingung anschließen:
▪ Wenn Mobil: im „Tobii Eye Tracker Browser“ Kalibrierung prüfen
- iMotions starten und erste Bedingung (Gerät+Aufgabenblock) öffnen
- Festplatte für Datensicherung bereitlegen
- Getränke, sauberes Glas und Kekse bereitlegen
- Probandenvergütung, Quittung, Einverständniserklärung und
Datenschutzvereinbarung bereitlegen
2. Begrüßung und Einführung Testperson
2.1 Ggf. Testperson abholen
2.2 Begrüßung
Hallo Frau/Herr Nachname/Vorname,
- damit Sie sich nicht wundern, warum ich diesen Text ablese: Das mache ich zum
einen, damit nichts vergessen wird, und zum anderen, um sicherzustellen, dass
alle Teilnehmer/innen die Studie unter denselben Bedingungen durchführen.
- Möchten Sie geduzt oder gesiezt werden?
- Bedienen Sie sich auch gerne jederzeit an den Getränken und Keksen.
herzlich willkommen am Department Information der HAW. Es freut mich sehr,
dass Sie sich zur Teilnahme an meiner Untersuchung bereit erklärt haben. Mein
Name ist Sebastian Schultheiß, ich studiere Information, Medien, Bibliothek an der
HAW Hamburg und schreibe derzeit meine Masterarbeit.
Kurz gefasst geht es darin um das Rechercheverhalten von Google-Nutzern. Nach
Ihrer Teilnahme werde ich Ihnen gerne weitere Details dazu erzählen.
Kernbestandteil der Masterarbeit sind 20 kurze Rechercheaufgaben. Mit einem
sogenannten Eye-Tracker werden dabei mittels Infrarot die Positionen und
Bewegungen Ihrer Pupillen erkannt und vom Gerät aufgezeichnet. Inklusive kurzer
Vorab- und Nachbefragungen wird Ihre Teilnahme maximal 60 Minuten in
Anspruch nehmen.
Anhang 3: Testleitfaden D
Wenn Sie Fragen haben, stellen Sie diese gerne zu jedem Zeitpunkt. Je nach
Fragestellung werde ich jedoch eventuell keine Antwort geben dürfen, um die
Untersuchung nicht zu verfälschen.
Sämtliche anfallenden Daten werden selbstverständlich so erhoben, dass am Ende
keinerlei Rückschlüsse auf Ihre Person möglich sind.
3. Instruktionen und Ablauf
Die Studie wird wie folgt ablaufen:
3.1 Vorbefragung
- Zu Beginn stelle ich Ihnen einige allgemeine Fragen zu Ihrer Person und zu
Ihrer Suchmaschinennutzung.
3.2 Hauptteil: Eye-Tracking-Untersuchung
- Nach der Vorbefragung folgt der Hauptteil der Studie.
- Hier haben Sie insgesamt 20 kurze Rechercheaufgaben am PC sowie am
Smartphone zu bearbeiten.
- Dabei werden neben Ihren Augenbewegungen auch die von Ihnen
getätigten Klicks auf den Suchergebnisseiten registriert.
3.3 Nachbefragung
- Zum Schluss erhalten Sie noch einen kurzen Fragebogen.
4. Abschluss der Instruktionen / Unterschriften einholen
- Bevor wir mit der Studie beginnen, benötige ich noch Ihre Unterschriften
auf der Einverständniserklärung, auf der Datenschutzvereinbarung sowie
auf der Quittung Ihrer Vergütung:
o Einverständniserklärung unterschreiben lassen
o Datenschutzvereinbarung unterschreiben lassen
o Vergütung aushändigen und Quittung unterschreiben lassen
- Haben Sie noch ungeklärte Fragen?
- Gerne können wir nun mit der Studie beginnen.
Anhang 3: Testleitfaden E
5. Start der Untersuchung
5.1. Vorabbefragung
- Alter
- Geschlecht
- Studiengang [Bachelor/Master]
- Semester
- Welche Suchmaschine nutzen Sie am meisten?
- Nutzen Sie daneben noch weitere Suchmaschinen?
o [Wenn „Ja“ bei vorheriger Frage]:
Welche Suchmaschinen nutzen Sie außer der von Ihnen am
häufigsten verwendeten Suchmaschine?
- Mit welchen Endgeräten nutzen Sie Suchmaschinen?
- Wie schätzen Sie Ihre Fähigkeiten ein, bei einer Websuchmaschine wie z.B.
Google zu recherchieren? Bitte geben Sie sich eine Schulnote.
➔ Antworten in Probandentabelle eintragen
5.2. Hauptteil: Eye-Tracking-Untersuchung
➔ Auf Reihenfolgen der Geräte & Aufgabenblöcke des jeweiligen Probanden
achten!
➔ URLs des Tools:
o D1: http://electronicpassion.de/ma_schultheiss/d1/
o D2: http://electronicpassion.de/ma_schultheiss/d2/
o M1: http://electronicpassion.de/ma_schultheiss/m1/
o M2: http://electronicpassion.de/ma_schultheiss/m2/
- Wir starten mit dem [Gerät 1], an dem Sie 10 kurze Rechercheaufgaben zu
bearbeiten haben. Danach folgen weitere 10 Aufgaben, diesmal am [Gerät
2].
- Als erstes sehen sie die zu bearbeitende Rechercheaufgabe.
- Beim Klick auf „Aufgabe starten“ gelangen Sie zur Google-Ergebnisseite.
- Die Ergebnisseite ist vorgefertigt. Das heißt, Sie können die Suchanfrage
nicht frei eintippen.
- Auf der Ergebnisseite können Sie frei navigieren und scrollen, wie Sie es von
Ihrer normalen Suchmaschinennutzung kennen.
- Bitte klicken Sie bei jeder Aufgabe jeweils das Ergebnis an, was Sie auch
bei einer realen, privaten Recherche als erstes auswählen würden.
- Beim Klick auf ein Ergebnis ist die jeweilige Aufgabe beendet.
- Das Zeitlimit pro Aufgabe beträgt 1 Minute.
Anhang 3: Testleitfaden F
5.2.1. Durchführung Desktop
- Lan-Kabel an Desktop-Eye-Tracker anschließen
- iMotions starten
- iMotions: erste/zweite Bedingung des Probanden auswählen
- Kalibrierung:
o Bitte finden Sie eine bequeme Sitzposition.
o Selbstverständlich haben Sie einen gewissen Bewegungsspielraum.
Die Kalibrierung stellt lediglich eine optimale Anfangssituation her,
sodass das Gerät auch bei Bewegungen Ihrerseits nicht den Kontakt
zu Ihren Pupillen verliert.
o Gleich wird ein sich bewegender Punkt auf dem Bildschirm
erscheinen.
Bitte folgen Sie diesem einfach mit den Augen.
- Start der ersten/zweiten Bedingung im Browser per Lesezeichen
- Probanden-ID eintragen
- Ende: Browser-Fenster schließen
5.2.2. Durchführung Mobil
- Öffnen von M1 oder M2 im Smartphone-Browser (Ruhemodus aus usw.?)
- Lan- und Strom-Kabel an mobilen Eye-Tracker anschließen
- Webcam an PC anschließen
- „Tobii Eye Tracker Browser“:
Documents
→
Kalibrierungsdatei „Schultheiß_MA_Config_ETBrowser.xconf“
laden
- Global Settings anhand Screenshots prüfen (u.a. Webcam-Konfiguration)
- Kalibrierung:
o Bitte finden Sie eine bequeme Sitzposition.
o Augen etwa in Höhe der Webcam.
o Selbstverständlich haben Sie einen gewissen Bewegungsspielraum.
Die Kalibrierung stellt lediglich eine optimale Anfangssituation her,
sodass das Gerät auch bei Bewegungen Ihrerseits nicht den Kontakt
zu Ihren Pupillen verliert.
Wichtig: Bitte bewegen Sie Ihre Finger von der rechten oder linken
Seite auf das Display (da sich unterhalb des Smartphones der Eye-
Tracker befindet)
o „Load from Templates”:
Documents
→
„Schultheiß_MA_CalibrPoints” laden
Anhang 3: Testleitfaden G
o Nach Klick auf „next“:
Auf dem vor Ihnen liegenden Brett sehen Sie 9 Punkte. Bitte
fokussieren Sie diese nacheinander von links nach rechts und von
oben nach unten. Wir fangen mit dem Punkt oben links an.
▪ Klick auf „Weiter“, 3 Sekunden pro Punkt, dann Punkt rechts
daneben usw.
o Ende: Shift+Leertaste
5.2.3. Rechercheaufgaben, Blöcke 1+2
Tabelle 18: Rechercheaufgaben Block 1
Aufgaben-
ID
Fragestellung
Query
Aufgabentyp
Q01
Stellen Sie sich vor, Sie wollen ein Blumenbeet anlegen und dazu
Informationen einholen.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.
blumenbeet
anlegen
Info.
Q02
Nehmen wir an, Sie möchten sich über Online-Spanischkurse
informieren.
Google zeigt Ihnen die folgenden Treffer an.
Bitte klicken Sie ein Ergebnis an.
spanisch online
lernen
Info.
Q03
Sie wollen sich über Sehenswürdigkeiten in Wien informieren.
Google präsentiert Ihnen die folgende Ergebnisseite.
Bitte klicken Sie ein Ergebnis an.
sehenswürdigkeiten
wien
Info.
Q04
Angenommen, Sie interessieren sich für Aktien und wollen
Informationen darüber einholen.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.
aktien einsteiger
Info.
Q05
Stellen Sie sich vor, Ihre Autotür muss neu lackiert werden und Sie
wollen sich über die entstehenden Kosten informieren.
Google zeigt Ihnen die folgenden Treffer an.
Bitte klicken Sie ein Ergebnis an.
autotür lackieren
kosten
Info.
Q06
Nehmen wir an, Sie möchten einen Kühlschrank kaufen
Google präsentiert Ihnen die folgende Ergebnisseite.
Bitte klicken Sie ein Ergebnis an.
kühlschrank kaufen
Transakt.
Q07
Sie wollen Bitcoins online kaufen.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.
bitcoin online
kaufen
Transakt.
Q08
Angenommen, Sie möchten gerne einen neuen Staubsauger kaufen.
Google zeigt Ihnen die folgenden Treffer an.
Bitte klicken Sie ein Ergebnis an.
staubsauger kaufen
Transakt.
Q09
Stellen Sie sich vor, Sie wollen die Website der BMW-Niederlassung
Hamburg besuchen.
Google präsentiert Ihnen die folgende Ergebnisseite.
Bitte klicken Sie ein Ergebnis an.
website bmw
niederlassung
hamburg
Navi.
Q10
Nehmen wir an, Sie möchten auf die Website des Europapark Rust
gelangen.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.
website europapark
rust
Navi.
Anhang 3: Testleitfaden H
Tabelle 19: Rechercheaufgaben Block 2
Aufgaben-
ID
Fragestellung
Query
Aufgabentyp
Q11
Stellen Sie sich vor, Sie wollen einen PC selber bauen.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.
pc selber bauen
Info.
Q12
Nehmen wir an, Sie möchten einen Lebenslauf schreiben und suchen
dazu Informationen.
Google zeigt Ihnen die folgenden Treffer an.
Bitte klicken Sie ein Ergebnis an.
lebenslauf hilfe
Info.
Q13
Sie wollen Bafög beantragen und sich darüber informieren.
Google präsentiert Ihnen die folgende Ergebnisseite.
Bitte klicken Sie ein Ergebnis an.
bafög beantragen
Info.
Q14
Angenommen, Sie wollen sich über Work-&-Travel-Programme in
Australien informieren.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.
work and travel
australien
Info.
Q15
Stellen Sie sich vor, Sie wollen in der Schweiz Bergsteigen gehen und
sich zunächst über mögliche Touren informieren.
Google zeigt Ihnen die folgenden Treffer an.
Bitte klicken Sie ein Ergebnis an.
bergsteigen schweiz
touren
Info.
Q16
Nehmen wir an, Sie möchten einen Kleinwagen kaufen.
Google präsentiert Ihnen die folgende Ergebnisseite.
Bitte klicken Sie ein Ergebnis an.
kleinwagen kaufen
Transakt.
Q17
Sie wollen ein Topfset kaufen.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.
topfset kaufen
Transakt.
Q18
Angenommen, Sie möchten einen neuen Laptop-Akku kaufen.
Google zeigt Ihnen die folgenden Treffer an.
Bitte klicken Sie ein Ergebnis an.
laptop akku kaufen
Transakt.
Q19
Stellen Sie sich vor, Sie wollen die Website des Elektronikmarkts Saturn
besuchen.
Google präsentiert Ihnen die folgende Ergebnisseite.
Bitte klicken Sie ein Ergebnis an.
website saturn
Navi.
Q20
Nehmen wir an, Sie möchten die Website des Apple-Konzerns aufrufen.
Eine Suche bei Google hat zu den folgenden Ergebnissen geführt.
Bitte klicken Sie ein Ergebnis an.
website apple
Navi.
5.3. Nachbefragung
- Fragebogen im separaten Chrome-Fenster aufrufen:
http://electronicpassion.de/ma_schultheiss/q/
- Probanden-ID eintragen
- Start des Fragebogens
6. Abschluss der Untersuchung und Verabschiedung
- Nochmals vielen Dank für Ihre Teilnahme an meiner Untersuchung. Dadurch
haben Sie mir für meine Masterarbeit sehr weitergeholfen.
- Ggf. Testperson zum Ausgang begleiten.
Anhang 3: Testleitfaden I
7. Nachbereitung
- Prüfen, ob alle Unterschriften vorhanden sind
(Einverständniserklärung, Datenschutzvereinbarung, Quittung).
- Usability-Labor aufräumen und ggf. direkt für den nächsten Probanden
vorbereiten.
- Datensicherung mit externer Festplatte am Ende des Tages:
o Dateien des Tools:
http://electronicpassion.de/ma_schultheiss/results/
o Projekt-Ordner aus iMotions (4*)
Anhang 4: Klicks auf Ergebnistypen J
Anhang 4: Klicks auf Ergebnistypen
Tabelle 20: Klicks auf Ergebnistypen nach Rechercheaufgaben (absolute Häufigkeiten)
Abbildung 14: Klicks auf Ergebnistypen nach Rechercheaufgaben (relative Häufigkeiten)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Anteile der Klicks nach Bereichen (Ergebnistypen)
Klicks:
Anteile nach Ergebnistypen im Vergleich Desktop/Mobil
organische Ergebnisse Textanzeigen oben Shoppinganzeigen
Aufgabe
Klicks: Desktop (D) und Mobil (M)
organische Ergebnisse
Textanzeigen oben
Shoppinganzeigen
Summe
D
M
D
M
D
M
D
M
Q01
25
24
0
0
0
0
25
24
Q02
25
23
0
0
0
0
25
23
Q03
24
23
0
1
0
0
24
24
Q04
24
24
0
0
0
0
24
24
Q05
24
24
1
0
0
0
25
24
Q06
25
23
0
1
0
0
25
24
Q07
25
22
0
1
0
0
25
23
Q08
21
22
1
0
1
2
23
24
Q09
20
16
4
6
0
0
24
22
Q10
20
16
5
4
0
0
25
20
Q11
25
24
0
0
0
0
25
24
Q12
25
24
0
0
0
0
25
24
Q13
24
24
1
0
0
0
25
24
Q14
24
19
1
3
0
0
25
22
Q15
25
23
0
0
0
0
25
23
Q16
25
23
0
0
0
0
25
23
Q17
25
18
0
5
0
1
25
24
Q18
24
22
0
1
1
1
25
24
Q19
16
11
9
12
0
0
25
23
Q20
20
12
5
9
0
0
25
21
Anhang 5: Fixationen auf Ergebnistypen K
Anhang 5: Fixationen auf Ergebnistypen
Tabelle 21: Fixationen auf Ergebnistypen nach Rechercheaufgaben (absolute Häufigkeiten)
Abbildung 15: Fixationen auf Ergebnistypen nach Rechercheaufgaben (relative Häufigkeiten)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Q01_D
Q01_M
Q02_D
Q02_M
Q03_D
Q03_M
Q04_D
Q04_M
Q05_D
Q05_M
Q06_D
Q06_M
Q07_D
Q07_M
Q08_D
Q08_M
Q09_D
Q09_M
Q10_D
Q10_M
Q11_D
Q11_M
Q12_D
Q12_M
Q13_D
Q13_M
Q14_D
Q14_M
Q15_D
Q15_M
Q16_D
Q16_M
Q17_D
Q17_M
Q18_D
Q18_M
Q19_D
Q19_M
Q20_D
Q20_M
Anteile der Fixationen nach Bereichen (AOIs)
Fixationen:
Anteile nach Bereichen (AOIs) im Vergleich Desktop/Mobil
organische Ergebnisse Textanzeigen oben Shoppinganzeigen Textanzeigen unten Anzeigen-Label
Aufgabe
Fixationen: Desktop (D) und Mobil (M)
organische
Ergebnisse
Textanzeigen
oben
Shopping-
anzeigen
Textanzeigen
unten
Anzeigen-
Label
Summe
D
M
D
M
D
M
D
M
D
M
D
M
Q01
683
358
56
141
0
0
0
0
3
1
742
500
Q02
526
524
47
152
0
0
0
13
4
3
577
692
Q03
481
422
131
198
0
0
0
0
5
1
617
621
Q04
612
464
76
173
0
0
0
0
2
1
690
638
Q05
577
632
168
155
0
0
0
0
6
2
751
789
Q06
420
331
110
139
125
142
0
0
1
1
656
613
Q07
765
469
86
142
0
0
0
0
3
3
854
614
Q08
361
315
64
52
93
185
13
0
0
2
531
554
Q09
326
125
98
225
0
0
0
0
2
3
426
353
Q10
332
158
100
171
0
0
0
0
2
2
434
331
Q11
630
377
100
183
0
0
0
0
2
3
732
563
Q12
898
502
96
148
0
0
0
0
1
2
995
652
Q13
392
289
104
177
0
0
0
0
4
1
500
467
Q14
544
321
456
300
0
0
0
0
13
3
1013
624
Q15
613
412
92
135
0
0
0
0
3
0
708
547
Q16
535
301
198
294
0
0
16
6
6
3
755
604
Q17
367
247
87
94
201
155
0
0
6
6
661
502
Q18
654
500
67
74
179
154
0
0
3
1
903
729
Q19
127
50
102
153
0
0
0
0
4
5
233
208
Q20
176
96
180
121
0
0
0
0
8
6
364
223
Anhang 6: Fixationsraten auf organischen Ergebnissen L
Anhang 6: Fixationsraten auf organischen Ergebnissen
Tabelle 22: Fixationsraten auf organischen Ergebnissen
org. Ergebnis fixiert
Gesamtsumme
Chi-Quadrat-Tests
ja
nein
Gerät
Desktop
Anzahl Org. 1
436
88,1%
59
11,9%
495
100,0%
signifikant:
χ²(1)=25.158,
p<.001
% in Gerät
Mobil
Anzahl Org. 1
351
75,6%
113
24,4%
464
100,0%
% in Gerät
Desktop
Anzahl Org. 2
% in Gerät
386
78,0%
109
22,0%
495
100,0%
signifikant:
χ²(1)=36.701,
p<.001
Mobil
Anzahl Org. 2
% in Gerät
278
59,9%
186
40,1%
464
100,0%
Desktop
Anzahl Org. 3
% in Gerät
315
63,6%
180
36,4%
495
100,0%
signifikant:
χ²(1)=44.922,
p<.001
Mobil
Anzahl Org. 3
% in Gerät
195
42,0%
269
58,0%
464
100,0%
Desktop
Anzahl Org. 4
% in Gerät
238
48,1%
257
51,9%
495
100,0%
signifikant:
χ²(1)=30.580,
p<.001
Mobil
Anzahl Org. 4
% in Gerät
142
30,6%
322
69,4%
464
100,0%
Desktop
Anzahl Org. 5
% in Gerät
149
30,1%
346
69,9%
495
100,0%
signifikant:
χ²(1)=8.169,
p=.004
Mobil
Anzahl Org. 5
% in Gerät
102
22,0%
362
78,0%
464
100,0%
Desktop
Anzahl Org. 6
% in Gerät
115
23,2%
380
76,8%
495
100,0%
signifikant:
χ²(1)=9.635,
p=.002
Mobil
Anzahl Org. 6
% in Gerät
71
15,3%
393
84,7%
464
100,0%
Desktop
Anzahl Org. 7
% in Gerät
83
16,8%
412
83,2%
495
100,0%
signifikant:
χ²(1)=5.623,
p=.018
Mobil
Anzahl Org. 7
% in Gerät
53
11,4%
411
88,6%
464
100,0%
Desktop
Anzahl Org. 8
% in Gerät
59
12,6%
411
87,4%
470
100,0%
nicht signifikant:
χ²(1)=.795,
p=.373
Mobil
Anzahl Org. 8
% in Gerät
47
10,7%
394
89,3%
441
100,0%
Desktop
Anzahl Org. 9
% in Gerät
56
11,9%
414
88,1%
470
100,0%
nicht signifikant:
χ²(1)=2.298,
p=.130
Mobil
Anzahl Org. 9
% in Gerät
39
8,8%
402
91,2%
441
100,0%
Desktop
Anzahl Org. 10
% in Gerät
34
7,2%
436
92,8%
470
100,0%
nicht signifikant:
χ²(1)=.920,
p=.337
Mobil
Anzahl Org. 10
% in Gerät
25
5,7%
416
94,3%
441
100,0%
Gesamtsumme
Anzahl
339
243
582
% in Gerät
58,2%
41,8%
100,0%
Anhang 7: Beigabe (CD) M
Anhang 7: Beigabe (CD)
Inhalt der CD:
- Masterarbeit als PDF-Version
- Datenschutzvereinbarung
- Einverständniserklärung
- Testleitfaden
- \Auswertung: Heatmaps, Rohdaten, SPSS-Dateien, Auswertungstabellen
- \SERPs und Image-Maps: Screenshots und Image-Maps aller SERPs
Eidesstattliche Erklärung 78
Eidesstattliche Erklärung
Ich versichere, die vorliegende Arbeit selbstständig ohne fremde Hilfe verfasst
und keine anderen Quellen und Hilfsmittel als die angegebenen benutzt zu haben. Die
aus anderen Werken wörtlich entnommenen Stellen oder dem Sinn nach entlehnten
Passagen sind durch Quellenangaben kenntlich gemacht.
Hamburg, 1. März 2019 __________________
Ort, Datum Unterschrift
(Sebastian Schultheiß)
