Fruitful research areas include con

Fruitful research areas include considering situational as well as individual
variables. For instance, one could study online personalization effectiveness under
high vs low situational involvement. Individual characteristics, such as familiarity and
expertise with the product category, could also influence the most efficient algorithm to
implement. For instance, we can imagine that expert consumers prefer “close”
recommendations whereas novices prefer “broad” ones. Finally, complementary data
collection methods, such as eye-tracking techniques, could be used to get a complete
picture of personalization effects. Indeed, we observed during some pre-tests that
respondents stared longer at the personalized zone. This technique has already been
successfully used in advertising efficiency studies (Hussherr, 1999; Maughan et al.,
2007).

Results (Indonesian) 1:

Daerah penelitian yang bermanfaat termasuk mempertimbangkan situasional serta individuvariabel. Sebagai contoh, seorang bisa mempelajari online personalisasi efektivitas di bawahtinggi vs rendah situasional keterlibatan. Karakteristik individu, seperti keakraban dankeahlian dengan kategori produk, juga mempengaruhi algoritma paling efisien untukmenerapkan. Sebagai contoh, kita dapat membayangkan bahwa ahli konsumen lebih memilih "close"rekomendasi sedangkan pemula lebih memilih orang-orang "luas". Akhirnya, melengkapi datametode koleksi, seperti mata pelacakan teknik, dapat digunakan untuk mendapatkan lengkapGambar efek personalisasi. Memang, kami mengamati selama beberapa pra-tes yangresponden lagi menatap zona yang dipersonalisasi. Teknik ini telahberhasil digunakan dalam iklan studi efisiensi (Hussherr, 1999; Maughan et al.,2007).

Results (Indonesian) 2:

Daerah penelitian berbuah termasuk mempertimbangkan situasional serta individu
variabel. Misalnya, orang bisa mempelajari efektivitas personalisasi online di bawah
keterlibatan situasional tinggi vs rendah. Karakteristik individu, seperti keakraban dan
keahlian dengan kategori produk, juga bisa mempengaruhi algoritma yang paling efisien untuk
melaksanakan. Misalnya, kita dapat membayangkan bahwa konsumen ahli lebih memilih "close"
rekomendasi sedangkan pemula lebih "luas" yang. Akhirnya, data yang melengkapi
metode pengumpulan, seperti teknik mata-pelacakan, dapat digunakan untuk mendapatkan lengkap
gambar efek personalisasi. Memang, kami mengamati selama beberapa pra-tes yang
responden menatap lebih lama pada zona pribadi. Teknik ini telah
berhasil digunakan dalam studi efisiensi iklan (Hussherr, 1999; Maughan et al,.
2007).