{"title":"Concept Relations Dataset","rows":[{"from_concept":"concept.affect_heuristic","to_concept":"concept.ai_trust_calibration","from_name":"Affect Heuristic","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Affect Heuristic und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Affect Heuristic ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Finucane, M. L., Alhakami, A., Slovic, P., & Johnson, S. M. (2000). The affect heuristic in judgments of risks and benefits. Journal of Behavioral Decision Making. https://doi.org/10.1002/%28SICI%291099-0771%28200001/03%2913%3A1%3C1%3A%3AAID-BDM333%3E3.0.CO%3B2-S Grundlagenarbeit zur affektbasierten Risiko-/Nutzenbewertung."],"confidence":"medium"},{"from_concept":"concept.affect_heuristic","to_concept":"concept.freemium_effect","from_name":"Affect Heuristic","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Affect Heuristic und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Affect Heuristic ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Finucane, M. L., Alhakami, A., Slovic, P., & Johnson, S. M. (2000). The affect heuristic in judgments of risks and benefits. Journal of Behavioral Decision Making. https://doi.org/10.1002/%28SICI%291099-0771%28200001/03%2913%3A1%3C1%3A%3AAID-BDM333%3E3.0.CO%3B2-S Grundlagenarbeit zur affektbasierten Risiko-/Nutzenbewertung."],"confidence":"medium"},{"from_concept":"concept.affect_heuristic","to_concept":"concept.privacy_calculus","from_name":"Affect Heuristic","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Affect Heuristic und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Affect Heuristic ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Finucane, M. L., Alhakami, A., Slovic, P., & Johnson, S. M. (2000). The affect heuristic in judgments of risks and benefits. Journal of Behavioral Decision Making. https://doi.org/10.1002/%28SICI%291099-0771%28200001/03%2913%3A1%3C1%3A%3AAID-BDM333%3E3.0.CO%3B2-S Grundlagenarbeit zur affektbasierten Risiko-/Nutzenbewertung."],"confidence":"medium"},{"from_concept":"concept.affect_heuristic","to_concept":"concept.risk_reversal","from_name":"Affect Heuristic","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Affect Heuristic und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Affect Heuristic ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Finucane, M. L., Alhakami, A., Slovic, P., & Johnson, S. M. (2000). The affect heuristic in judgments of risks and benefits. Journal of Behavioral Decision Making. https://doi.org/10.1002/%28SICI%291099-0771%28200001/03%2913%3A1%3C1%3A%3AAID-BDM333%3E3.0.CO%3B2-S Grundlagenarbeit zur affektbasierten Risiko-/Nutzenbewertung."],"confidence":"medium"},{"from_concept":"concept.ai_trust_calibration","to_concept":"concept.freemium_effect","from_name":"AI Trust Calibration","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"AI Trust Calibration und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.ai_trust_calibration","to_concept":"concept.privacy_calculus","from_name":"AI Trust Calibration","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"AI Trust Calibration und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.ai_trust_calibration","to_concept":"concept.risk_reversal","from_name":"AI Trust Calibration","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"AI Trust Calibration und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.ai_trust_calibration","to_concept":"concept.trust_signals","from_name":"AI Trust Calibration","to_name":"Trust Signals","relation_type":"verstärkt","explanation_de":"AI Trust Calibration und Trust Signals werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.ambiguity_aversion","to_concept":"concept.ai_trust_calibration","from_name":"Ambiguity Aversion","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Ambiguity Aversion und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Ambiguity Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.ambiguity_aversion","to_concept":"concept.freemium_effect","from_name":"Ambiguity Aversion","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Ambiguity Aversion und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Ambiguity Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.ambiguity_aversion","to_concept":"concept.privacy_calculus","from_name":"Ambiguity Aversion","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Ambiguity Aversion und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Ambiguity Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.ambiguity_aversion","to_concept":"concept.risk_reversal","from_name":"Ambiguity Aversion","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Ambiguity Aversion und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Ambiguity Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.anchoring","to_concept":"concept.price_quality_heuristic","from_name":"Anchoring","to_name":"Price-Quality Heuristic","relation_type":"moderiert","explanation_de":"Anchoring und Price-Quality Heuristic werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Anchoring ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Schmidt, J., & Bijmolt, T. H. (2019). Accurately measuring willingness to pay for consumer goods: a meta-analysis of the hypothetical bias. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-019-00666-6","Slapø, H., Schjøll, A., Strømgren, B., Sandaker, I., & Lekhal, S. (2021). Efficiency of In-Store Interventions to Impact Customers to Purchase Healthier Food and Beverage Products in Real-Life Grocery Stores: A Systematic Review and Meta-Analysis. Foods (Basel, Switzerland). https://doi.org/10.1111/jne.12384","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.anchoring","to_concept":"concept.reference_pricing","from_name":"Anchoring","to_name":"Reference Pricing","relation_type":"moderiert","explanation_de":"Anchoring und Reference Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Anchoring ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Schmidt, J., & Bijmolt, T. H. (2019). Accurately measuring willingness to pay for consumer goods: a meta-analysis of the hypothetical bias. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-019-00666-6","Slapø, H., Schjøll, A., Strømgren, B., Sandaker, I., & Lekhal, S. (2021). Efficiency of In-Store Interventions to Impact Customers to Purchase Healthier Food and Beverage Products in Real-Life Grocery Stores: A Systematic Review and Meta-Analysis. Foods (Basel, Switzerland). https://doi.org/10.1111/jne.12384","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.anchoring","to_concept":"concept.bundle_pricing","from_name":"Anchoring","to_name":"Bundle Pricing","relation_type":"moderiert","explanation_de":"Anchoring und Bundle Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Anchoring ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Schmidt, J., & Bijmolt, T. H. (2019). Accurately measuring willingness to pay for consumer goods: a meta-analysis of the hypothetical bias. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-019-00666-6","Slapø, H., Schjøll, A., Strømgren, B., Sandaker, I., & Lekhal, S. (2021). Efficiency of In-Store Interventions to Impact Customers to Purchase Healthier Food and Beverage Products in Real-Life Grocery Stores: A Systematic Review and Meta-Analysis. Foods (Basel, Switzerland). https://doi.org/10.1111/jne.12384","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.anchoring","to_concept":"concept.charm_pricing","from_name":"Anchoring","to_name":"Charm Pricing","relation_type":"moderiert","explanation_de":"Anchoring und Charm Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Anchoring ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Schmidt, J., & Bijmolt, T. H. (2019). Accurately measuring willingness to pay for consumer goods: a meta-analysis of the hypothetical bias. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-019-00666-6","Slapø, H., Schjøll, A., Strømgren, B., Sandaker, I., & Lekhal, S. (2021). Efficiency of In-Store Interventions to Impact Customers to Purchase Healthier Food and Beverage Products in Real-Life Grocery Stores: A Systematic Review and Meta-Analysis. Foods (Basel, Switzerland). https://doi.org/10.1111/jne.12384","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.authority","to_concept":"concept.identity_signaling","from_name":"Authority","to_name":"Identity Signaling","relation_type":"verstärkt","explanation_de":"Authority und Identity Signaling werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Authority ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Hughes, C., Swaminathan, V., & Brooks, G. (2019). Driving Brand Engagement Through Online Social Influencers: An Empirical Investigation of Sponsored Blogging Campaigns. Journal of Marketing. https://doi.org/10.1177/0022242919854374","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.authority","to_concept":"concept.social_proof","from_name":"Authority","to_name":"Social Proof","relation_type":"verstärkt","explanation_de":"Authority und Social Proof werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Authority ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Hughes, C., Swaminathan, V., & Brooks, G. (2019). Driving Brand Engagement Through Online Social Influencers: An Empirical Investigation of Sponsored Blogging Campaigns. Journal of Marketing. https://doi.org/10.1177/0022242919854374","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.authority","to_concept":"concept.ingroup_bias","from_name":"Authority","to_name":"Ingroup Bias","relation_type":"verstärkt","explanation_de":"Authority und Ingroup Bias werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Authority ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Hughes, C., Swaminathan, V., & Brooks, G. (2019). Driving Brand Engagement Through Online Social Influencers: An Empirical Investigation of Sponsored Blogging Campaigns. Journal of Marketing. https://doi.org/10.1177/0022242919854374","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.authority","to_concept":"concept.message_framing","from_name":"Authority","to_name":"Message Framing","relation_type":"verstärkt","explanation_de":"Authority und Message Framing werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Authority ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Hughes, C., Swaminathan, V., & Brooks, G. (2019). Driving Brand Engagement Through Online Social Influencers: An Empirical Investigation of Sponsored Blogging Campaigns. Journal of Marketing. https://doi.org/10.1177/0022242919854374","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.automation_bias","to_concept":"concept.ai_trust_calibration","from_name":"Automation Bias","to_name":"AI Trust Calibration","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Automation Bias und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Automation Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2021). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847 Review/Framework zu Consumer Experience mit KI."],"confidence":"medium"},{"from_concept":"concept.automation_bias","to_concept":"concept.framing_effect","from_name":"Automation Bias","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Automation Bias und Framing Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Automation Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2021). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847 Review/Framework zu Consumer Experience mit KI."],"confidence":"medium"},{"from_concept":"concept.automation_bias","to_concept":"concept.loss_aversion","from_name":"Automation Bias","to_name":"Loss Aversion","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Automation Bias und Loss Aversion werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Automation Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2021). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847 Review/Framework zu Consumer Experience mit KI."],"confidence":"medium"},{"from_concept":"concept.automation_bias","to_concept":"concept.affect_heuristic","from_name":"Automation Bias","to_name":"Affect Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Automation Bias und Affect Heuristic werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Automation Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2021). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847 Review/Framework zu Consumer Experience mit KI."],"confidence":"medium"},{"from_concept":"concept.availability_heuristic","to_concept":"concept.choice_overload","from_name":"Availability Heuristic","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Availability Heuristic und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Availability Heuristic ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.availability_heuristic","to_concept":"concept.cognitive_load","from_name":"Availability Heuristic","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Availability Heuristic und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Availability Heuristic ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.availability_heuristic","to_concept":"concept.framing_effect","from_name":"Availability Heuristic","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Availability Heuristic und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Availability Heuristic ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.availability_heuristic","to_concept":"concept.cognitive_dissonance","from_name":"Availability Heuristic","to_name":"Cognitive Dissonance","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Availability Heuristic und Cognitive Dissonance werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Availability Heuristic ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.bundle_pricing","to_concept":"concept.anchoring","from_name":"Bundle Pricing","to_name":"Anchoring","relation_type":"moderiert","explanation_de":"Bundle Pricing und Anchoring werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Bundle Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.bundle_pricing","to_concept":"concept.price_quality_heuristic","from_name":"Bundle Pricing","to_name":"Price-Quality Heuristic","relation_type":"moderiert","explanation_de":"Bundle Pricing und Price-Quality Heuristic werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Bundle Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.bundle_pricing","to_concept":"concept.reference_pricing","from_name":"Bundle Pricing","to_name":"Reference Pricing","relation_type":"moderiert","explanation_de":"Bundle Pricing und Reference Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Bundle Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.bundle_pricing","to_concept":"concept.charm_pricing","from_name":"Bundle Pricing","to_name":"Charm Pricing","relation_type":"moderiert","explanation_de":"Bundle Pricing und Charm Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Bundle Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.charm_pricing","to_concept":"concept.anchoring","from_name":"Charm Pricing","to_name":"Anchoring","relation_type":"moderiert","explanation_de":"Charm Pricing und Anchoring werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Charm Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.charm_pricing","to_concept":"concept.price_quality_heuristic","from_name":"Charm Pricing","to_name":"Price-Quality Heuristic","relation_type":"moderiert","explanation_de":"Charm Pricing und Price-Quality Heuristic werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Charm Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.charm_pricing","to_concept":"concept.reference_pricing","from_name":"Charm Pricing","to_name":"Reference Pricing","relation_type":"moderiert","explanation_de":"Charm Pricing und Reference Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Charm Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.charm_pricing","to_concept":"concept.bundle_pricing","from_name":"Charm Pricing","to_name":"Bundle Pricing","relation_type":"moderiert","explanation_de":"Charm Pricing und Bundle Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Charm Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.choice_overload","to_concept":"concept.cognitive_load","from_name":"Choice Overload","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Choice Overload und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Zu viele Optionen können Entscheidungssicherheit, Zufriedenheit und Conversion senken.","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.choice_overload","to_concept":"concept.framing_effect","from_name":"Choice Overload","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Choice Overload und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Zu viele Optionen können Entscheidungssicherheit, Zufriedenheit und Conversion senken.","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.choice_overload","to_concept":"concept.availability_heuristic","from_name":"Choice Overload","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Choice Overload und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Zu viele Optionen können Entscheidungssicherheit, Zufriedenheit und Conversion senken.","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.choice_overload","to_concept":"concept.cognitive_dissonance","from_name":"Choice Overload","to_name":"Cognitive Dissonance","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Choice Overload und Cognitive Dissonance werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Zu viele Optionen können Entscheidungssicherheit, Zufriedenheit und Conversion senken.","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.cognitive_dissonance","to_concept":"concept.choice_overload","from_name":"Cognitive Dissonance","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Cognitive Dissonance und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Cognitive Dissonance ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.cognitive_dissonance","to_concept":"concept.cognitive_load","from_name":"Cognitive Dissonance","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Cognitive Dissonance und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Cognitive Dissonance ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.cognitive_dissonance","to_concept":"concept.framing_effect","from_name":"Cognitive Dissonance","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Cognitive Dissonance und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Cognitive Dissonance ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.cognitive_dissonance","to_concept":"concept.availability_heuristic","from_name":"Cognitive Dissonance","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Cognitive Dissonance und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Cognitive Dissonance ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.cognitive_load","to_concept":"concept.choice_overload","from_name":"Cognitive Load","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Cognitive Load und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI-Systeme verändern Konsumentenerleben, Erwartungen, Interaktion und Entscheidungskontext und sind dadurch conversion-relevant.","Studie: Wann und warum tritt der Time-Space-Framing-Effekt in Reiseentscheidungen auf, und welcher kognitive Mechanismus erklärt frameabhängige Choice Reversals?. (n.d.). https://doi.org/10.1186/s40359-026-04477-7","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.cognitive_load","to_concept":"concept.framing_effect","from_name":"Cognitive Load","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Cognitive Load und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI-Systeme verändern Konsumentenerleben, Erwartungen, Interaktion und Entscheidungskontext und sind dadurch conversion-relevant.","Studie: Wann und warum tritt der Time-Space-Framing-Effekt in Reiseentscheidungen auf, und welcher kognitive Mechanismus erklärt frameabhängige Choice Reversals?. (n.d.). https://doi.org/10.1186/s40359-026-04477-7","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.cognitive_load","to_concept":"concept.availability_heuristic","from_name":"Cognitive Load","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Cognitive Load und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI-Systeme verändern Konsumentenerleben, Erwartungen, Interaktion und Entscheidungskontext und sind dadurch conversion-relevant.","Studie: Wann und warum tritt der Time-Space-Framing-Effekt in Reiseentscheidungen auf, und welcher kognitive Mechanismus erklärt frameabhängige Choice Reversals?. (n.d.). https://doi.org/10.1186/s40359-026-04477-7","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.cognitive_load","to_concept":"concept.cognitive_dissonance","from_name":"Cognitive Load","to_name":"Cognitive Dissonance","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Cognitive Load und Cognitive Dissonance werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI-Systeme verändern Konsumentenerleben, Erwartungen, Interaktion und Entscheidungskontext und sind dadurch conversion-relevant.","Studie: Wann und warum tritt der Time-Space-Framing-Effekt in Reiseentscheidungen auf, und welcher kognitive Mechanismus erklärt frameabhängige Choice Reversals?. (n.d.). https://doi.org/10.1186/s40359-026-04477-7","Studie: Wie beeinflussen algorithmische Designhebel auf digitalen Plattformen Konsumentenverhalten, über welche Mechanismen, und welche Rollen spielen Governance und Kultur?. (n.d.). https://doi.org/10.2478/sbe-2026-0017","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.commitment_consistency","to_concept":"concept.implementation_intentions","from_name":"Commitment and Consistency","to_name":"Implementation Intentions","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Commitment and Consistency und Implementation Intentions werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Commitment and Consistency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Riebl, S. K., Estabrooks, P. A., Dunsmore, J. C., Savla, J., Frisard, M. I., Dietrich, A. M., Peng, Y., Zhang, X., & Davy, B. M. (2015). A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors. https://doi.org/10.1016/j.eatbeh.2015.05.016","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.commitment_consistency","to_concept":"concept.loss_aversion","from_name":"Commitment and Consistency","to_name":"Loss Aversion","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Commitment and Consistency und Loss Aversion werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Commitment and Consistency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Riebl, S. K., Estabrooks, P. A., Dunsmore, J. C., Savla, J., Frisard, M. I., Dietrich, A. M., Peng, Y., Zhang, X., & Davy, B. M. (2015). A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors. https://doi.org/10.1016/j.eatbeh.2015.05.016","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.commitment_consistency","to_concept":"concept.temporal_framing","from_name":"Commitment and Consistency","to_name":"Temporal Framing","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Commitment and Consistency und Temporal Framing werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Commitment and Consistency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Riebl, S. K., Estabrooks, P. A., Dunsmore, J. C., Savla, J., Frisard, M. I., Dietrich, A. M., Peng, Y., Zhang, X., & Davy, B. M. (2015). A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors. https://doi.org/10.1016/j.eatbeh.2015.05.016","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.commitment_consistency","to_concept":"concept.effort_justification","from_name":"Commitment and Consistency","to_name":"Effort Justification","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Commitment and Consistency und Effort Justification werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Commitment and Consistency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Riebl, S. K., Estabrooks, P. A., Dunsmore, J. C., Savla, J., Frisard, M. I., Dietrich, A. M., Peng, Y., Zhang, X., & Davy, B. M. (2015). A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors. https://doi.org/10.1016/j.eatbeh.2015.05.016","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.compromise_effect","to_concept":"concept.ai_trust_calibration","from_name":"Compromise Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Compromise Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Compromise Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.compromise_effect","to_concept":"concept.freemium_effect","from_name":"Compromise Effect","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Compromise Effect und Freemium Effect werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Compromise Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.compromise_effect","to_concept":"concept.privacy_calculus","from_name":"Compromise Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Compromise Effect und Privacy Calculus werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Compromise Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.compromise_effect","to_concept":"concept.risk_reversal","from_name":"Compromise Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Compromise Effect und Risk Reversal werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Compromise Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.confirmation_bias","to_concept":"concept.choice_overload","from_name":"Confirmation Bias","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Confirmation Bias und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Confirmation Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.confirmation_bias","to_concept":"concept.cognitive_load","from_name":"Confirmation Bias","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Confirmation Bias und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Confirmation Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.confirmation_bias","to_concept":"concept.framing_effect","from_name":"Confirmation Bias","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Confirmation Bias und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Confirmation Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.confirmation_bias","to_concept":"concept.availability_heuristic","from_name":"Confirmation Bias","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Confirmation Bias und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Confirmation Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.contrast_effect","to_concept":"concept.ai_trust_calibration","from_name":"Contrast Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Contrast Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Contrast Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.contrast_effect","to_concept":"concept.freemium_effect","from_name":"Contrast Effect","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Contrast Effect und Freemium Effect werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Contrast Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.contrast_effect","to_concept":"concept.privacy_calculus","from_name":"Contrast Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Contrast Effect und Privacy Calculus werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Contrast Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.contrast_effect","to_concept":"concept.risk_reversal","from_name":"Contrast Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Contrast Effect und Risk Reversal werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Contrast Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.curiosity_gap","to_concept":"concept.ai_trust_calibration","from_name":"Curiosity Gap","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Curiosity Gap und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Curiosity Gap ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.curiosity_gap","to_concept":"concept.freemium_effect","from_name":"Curiosity Gap","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Curiosity Gap und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Curiosity Gap ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.curiosity_gap","to_concept":"concept.privacy_calculus","from_name":"Curiosity Gap","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Curiosity Gap und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Curiosity Gap ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.curiosity_gap","to_concept":"concept.risk_reversal","from_name":"Curiosity Gap","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Curiosity Gap und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Curiosity Gap ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.dark_patterns","to_concept":"concept.default_effect","from_name":"Dark Patterns","to_name":"Default Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Dark Patterns und Default Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Deceptive Design kann kurzfristige Aktionen erhöhen, aber langfristig Vertrauen, Retention und Compliance schädigen.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.dark_patterns","to_concept":"concept.scarcity","from_name":"Dark Patterns","to_name":"Scarcity","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Dark Patterns und Scarcity werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Deceptive Design kann kurzfristige Aktionen erhöhen, aber langfristig Vertrauen, Retention und Compliance schädigen.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.dark_patterns","to_concept":"concept.visual_salience","from_name":"Dark Patterns","to_name":"Visual Salience","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Dark Patterns und Visual Salience werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Deceptive Design kann kurzfristige Aktionen erhöhen, aber langfristig Vertrauen, Retention und Compliance schädigen.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.dark_patterns","to_concept":"concept.cognitive_load","from_name":"Dark Patterns","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Dark Patterns und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Deceptive Design kann kurzfristige Aktionen erhöhen, aber langfristig Vertrauen, Retention und Compliance schädigen.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.decoy_effect","to_concept":"concept.ai_trust_calibration","from_name":"Decoy Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Decoy Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Decoy Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.decoy_effect","to_concept":"concept.freemium_effect","from_name":"Decoy Effect","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Decoy Effect und Freemium Effect werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Decoy Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.decoy_effect","to_concept":"concept.privacy_calculus","from_name":"Decoy Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Decoy Effect und Privacy Calculus werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Decoy Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.decoy_effect","to_concept":"concept.risk_reversal","from_name":"Decoy Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Decoy Effect und Risk Reversal werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Decoy Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.default_effect","to_concept":"concept.scarcity","from_name":"Default Effect","to_name":"Scarcity","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Default Effect und Scarcity werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Default Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kay, E., Kemps, E., & Prichard, I. (2025). A systematic review and meta-analysis of visual cues and primes for nudging consumption-related behaviours. Appetite. https://doi.org/10.1016/j.appet.2024.107813","Li, R., Zhang, Y., Cai, X., Luo, D., Zhou, W., Long, T., Zhang, H., Jiang, H., & Li, M. (2021). The nudge strategies for weight loss in adults with obesity and overweight: A systematic review and meta-analysis. Health policy (Amsterdam, Netherlands). https://doi.org/10.1016/j.healthpol.2021.10.010","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.default_effect","to_concept":"concept.visual_salience","from_name":"Default Effect","to_name":"Visual Salience","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Default Effect und Visual Salience werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Default Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kay, E., Kemps, E., & Prichard, I. (2025). A systematic review and meta-analysis of visual cues and primes for nudging consumption-related behaviours. Appetite. https://doi.org/10.1016/j.appet.2024.107813","Li, R., Zhang, Y., Cai, X., Luo, D., Zhou, W., Long, T., Zhang, H., Jiang, H., & Li, M. (2021). The nudge strategies for weight loss in adults with obesity and overweight: A systematic review and meta-analysis. Health policy (Amsterdam, Netherlands). https://doi.org/10.1016/j.healthpol.2021.10.010","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.default_effect","to_concept":"concept.anchoring","from_name":"Default Effect","to_name":"Anchoring","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Default Effect und Anchoring werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Default Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kay, E., Kemps, E., & Prichard, I. (2025). A systematic review and meta-analysis of visual cues and primes for nudging consumption-related behaviours. Appetite. https://doi.org/10.1016/j.appet.2024.107813","Li, R., Zhang, Y., Cai, X., Luo, D., Zhou, W., Long, T., Zhang, H., Jiang, H., & Li, M. (2021). The nudge strategies for weight loss in adults with obesity and overweight: A systematic review and meta-analysis. Health policy (Amsterdam, Netherlands). https://doi.org/10.1016/j.healthpol.2021.10.010","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.default_effect","to_concept":"concept.choice_overload","from_name":"Default Effect","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Default Effect und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Default Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kay, E., Kemps, E., & Prichard, I. (2025). A systematic review and meta-analysis of visual cues and primes for nudging consumption-related behaviours. Appetite. https://doi.org/10.1016/j.appet.2024.107813","Li, R., Zhang, Y., Cai, X., Luo, D., Zhou, W., Long, T., Zhang, H., Jiang, H., & Li, M. (2021). The nudge strategies for weight loss in adults with obesity and overweight: A systematic review and meta-analysis. Health policy (Amsterdam, Netherlands). https://doi.org/10.1016/j.healthpol.2021.10.010","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.drip_pricing","to_concept":"concept.anchoring","from_name":"Drip Pricing","to_name":"Anchoring","relation_type":"moderiert","explanation_de":"Drip Pricing und Anchoring werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Drip Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.drip_pricing","to_concept":"concept.price_quality_heuristic","from_name":"Drip Pricing","to_name":"Price-Quality Heuristic","relation_type":"moderiert","explanation_de":"Drip Pricing und Price-Quality Heuristic werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Drip Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.drip_pricing","to_concept":"concept.reference_pricing","from_name":"Drip Pricing","to_name":"Reference Pricing","relation_type":"moderiert","explanation_de":"Drip Pricing und Reference Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Drip Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.drip_pricing","to_concept":"concept.bundle_pricing","from_name":"Drip Pricing","to_name":"Bundle Pricing","relation_type":"moderiert","explanation_de":"Drip Pricing und Bundle Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Drip Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.effort_justification","to_concept":"concept.commitment_consistency","from_name":"Effort Justification","to_name":"Commitment and Consistency","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Effort Justification und Commitment and Consistency werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Effort Justification ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.effort_justification","to_concept":"concept.implementation_intentions","from_name":"Effort Justification","to_name":"Implementation Intentions","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Effort Justification und Implementation Intentions werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Effort Justification ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.effort_justification","to_concept":"concept.loss_aversion","from_name":"Effort Justification","to_name":"Loss Aversion","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Effort Justification und Loss Aversion werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Effort Justification ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.effort_justification","to_concept":"concept.temporal_framing","from_name":"Effort Justification","to_name":"Temporal Framing","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Effort Justification und Temporal Framing werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Effort Justification ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.endowment_effect","to_concept":"concept.ai_trust_calibration","from_name":"Endowment Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Endowment Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Endowment Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.endowment_effect","to_concept":"concept.freemium_effect","from_name":"Endowment Effect","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Endowment Effect und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Endowment Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.endowment_effect","to_concept":"concept.privacy_calculus","from_name":"Endowment Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Endowment Effect und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Endowment Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.endowment_effect","to_concept":"concept.risk_reversal","from_name":"Endowment Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Endowment Effect und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Endowment Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.familiarity_bias","to_concept":"concept.ai_trust_calibration","from_name":"Familiarity Bias","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Familiarity Bias und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Familiarity Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.familiarity_bias","to_concept":"concept.freemium_effect","from_name":"Familiarity Bias","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Familiarity Bias und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Familiarity Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.familiarity_bias","to_concept":"concept.privacy_calculus","from_name":"Familiarity Bias","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Familiarity Bias und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Familiarity Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.familiarity_bias","to_concept":"concept.risk_reversal","from_name":"Familiarity Bias","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Familiarity Bias und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Familiarity Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.form_friction","to_concept":"concept.choice_overload","from_name":"Form Friction","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Form Friction und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Form Friction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.form_friction","to_concept":"concept.cognitive_load","from_name":"Form Friction","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Form Friction und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Form Friction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.form_friction","to_concept":"concept.framing_effect","from_name":"Form Friction","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Form Friction und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Form Friction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.form_friction","to_concept":"concept.availability_heuristic","from_name":"Form Friction","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Form Friction und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Form Friction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.framing_effect","to_concept":"concept.choice_overload","from_name":"Framing Effect","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Framing Effect und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen.","Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353","Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.framing_effect","to_concept":"concept.cognitive_load","from_name":"Framing Effect","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Framing Effect und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen.","Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353","Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.framing_effect","to_concept":"concept.availability_heuristic","from_name":"Framing Effect","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Framing Effect und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen.","Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353","Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.framing_effect","to_concept":"concept.cognitive_dissonance","from_name":"Framing Effect","to_name":"Cognitive Dissonance","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Framing Effect und Cognitive Dissonance werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Nachhaltigkeits-, Bio-, Herkunfts- und Qualitätslabels können in D-A-CH-Kontexten Produktwahl und Zahlungsbereitschaft beeinflussen.","Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353","Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.freemium_effect","to_concept":"concept.ai_trust_calibration","from_name":"Freemium Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Freemium Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Freemium Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Dupas, P. (2014). Short-Run Subsidies and Long-Run Adoption of New Health Products: Evidence From a Field Experiment. Econometrica. https://doi.org/10.3982/ECTA9508","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.freemium_effect","to_concept":"concept.privacy_calculus","from_name":"Freemium Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Freemium Effect und Privacy Calculus werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Freemium Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Dupas, P. (2014). Short-Run Subsidies and Long-Run Adoption of New Health Products: Evidence From a Field Experiment. Econometrica. https://doi.org/10.3982/ECTA9508","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.freemium_effect","to_concept":"concept.risk_reversal","from_name":"Freemium Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Freemium Effect und Risk Reversal werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Freemium Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Dupas, P. (2014). Short-Run Subsidies and Long-Run Adoption of New Health Products: Evidence From a Field Experiment. Econometrica. https://doi.org/10.3982/ECTA9508","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.freemium_effect","to_concept":"concept.trust_signals","from_name":"Freemium Effect","to_name":"Trust Signals","relation_type":"verstärkt","explanation_de":"Freemium Effect und Trust Signals werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Freemium Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Dupas, P. (2014). Short-Run Subsidies and Long-Run Adoption of New Health Products: Evidence From a Field Experiment. Econometrica. https://doi.org/10.3982/ECTA9508","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.friction_cost","to_concept":"concept.choice_overload","from_name":"Friction Cost","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Friction Cost und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Friction Cost ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Wie wirken Retargeting-Strategien mit Gratisversand und Gratis-Rückgabe auf Kaufverhalten und Profitabilität bei Warenkorbabbrechern im Onlinehandel?. (n.d.). https://doi.org/10.1287/msom.2024.0779","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.friction_cost","to_concept":"concept.cognitive_load","from_name":"Friction Cost","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Friction Cost und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Friction Cost ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Wie wirken Retargeting-Strategien mit Gratisversand und Gratis-Rückgabe auf Kaufverhalten und Profitabilität bei Warenkorbabbrechern im Onlinehandel?. (n.d.). https://doi.org/10.1287/msom.2024.0779","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.friction_cost","to_concept":"concept.framing_effect","from_name":"Friction Cost","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Friction Cost und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Friction Cost ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Wie wirken Retargeting-Strategien mit Gratisversand und Gratis-Rückgabe auf Kaufverhalten und Profitabilität bei Warenkorbabbrechern im Onlinehandel?. (n.d.). https://doi.org/10.1287/msom.2024.0779","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.friction_cost","to_concept":"concept.availability_heuristic","from_name":"Friction Cost","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Friction Cost und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Friction Cost ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Wie wirken Retargeting-Strategien mit Gratisversand und Gratis-Rückgabe auf Kaufverhalten und Profitabilität bei Warenkorbabbrechern im Onlinehandel?. (n.d.). https://doi.org/10.1287/msom.2024.0779","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.goal_gradient_effect","to_concept":"concept.commitment_consistency","from_name":"Goal Gradient Effect","to_name":"Commitment and Consistency","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Goal Gradient Effect und Commitment and Consistency werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Goal Gradient Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.goal_gradient_effect","to_concept":"concept.implementation_intentions","from_name":"Goal Gradient Effect","to_name":"Implementation Intentions","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Goal Gradient Effect und Implementation Intentions werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Goal Gradient Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.goal_gradient_effect","to_concept":"concept.loss_aversion","from_name":"Goal Gradient Effect","to_name":"Loss Aversion","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Goal Gradient Effect und Loss Aversion werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Goal Gradient Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.goal_gradient_effect","to_concept":"concept.temporal_framing","from_name":"Goal Gradient Effect","to_name":"Temporal Framing","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Goal Gradient Effect und Temporal Framing werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Goal Gradient Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.guarantee_effect","to_concept":"concept.ai_trust_calibration","from_name":"Guarantee Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Guarantee Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Klare Rückgabe-, Widerrufs- und Garantieinformationen können in D-A-CH-Shops wahrgenommenes Risiko reduzieren.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.guarantee_effect","to_concept":"concept.freemium_effect","from_name":"Guarantee Effect","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Guarantee Effect und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Klare Rückgabe-, Widerrufs- und Garantieinformationen können in D-A-CH-Shops wahrgenommenes Risiko reduzieren.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.guarantee_effect","to_concept":"concept.privacy_calculus","from_name":"Guarantee Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Guarantee Effect und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Klare Rückgabe-, Widerrufs- und Garantieinformationen können in D-A-CH-Shops wahrgenommenes Risiko reduzieren.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.guarantee_effect","to_concept":"concept.risk_reversal","from_name":"Guarantee Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Guarantee Effect und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Klare Rückgabe-, Widerrufs- und Garantieinformationen können in D-A-CH-Shops wahrgenommenes Risiko reduzieren.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.halo_effect","to_concept":"concept.ai_trust_calibration","from_name":"Halo Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Halo Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Halo Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.halo_effect","to_concept":"concept.freemium_effect","from_name":"Halo Effect","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Halo Effect und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Halo Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.halo_effect","to_concept":"concept.privacy_calculus","from_name":"Halo Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Halo Effect und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Halo Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.halo_effect","to_concept":"concept.risk_reversal","from_name":"Halo Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Halo Effect und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Halo Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.hyperbolic_discounting","to_concept":"concept.anchoring","from_name":"Hyperbolic Discounting","to_name":"Anchoring","relation_type":"moderiert","explanation_de":"Hyperbolic Discounting und Anchoring werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Boundary Conditions für Hyperbolic Discounting: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.hyperbolic_discounting","to_concept":"concept.price_quality_heuristic","from_name":"Hyperbolic Discounting","to_name":"Price-Quality Heuristic","relation_type":"moderiert","explanation_de":"Hyperbolic Discounting und Price-Quality Heuristic werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Boundary Conditions für Hyperbolic Discounting: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.hyperbolic_discounting","to_concept":"concept.reference_pricing","from_name":"Hyperbolic Discounting","to_name":"Reference Pricing","relation_type":"moderiert","explanation_de":"Hyperbolic Discounting und Reference Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Boundary Conditions für Hyperbolic Discounting: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.hyperbolic_discounting","to_concept":"concept.bundle_pricing","from_name":"Hyperbolic Discounting","to_name":"Bundle Pricing","relation_type":"moderiert","explanation_de":"Hyperbolic Discounting und Bundle Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Boundary Conditions für Hyperbolic Discounting: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.identity_signaling","to_concept":"concept.authority","from_name":"Identity Signaling","to_name":"Authority","relation_type":"verstärkt","explanation_de":"Identity Signaling und Authority werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Identity Signaling ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Welche faktischen Point-of-Consumption-Appeals und Endorsements erhöhen Salatkonsum von Tourist:innen?. (n.d.). https://doi.org/10.1080/09669582.2021.1932936","Khamitov, M., Wang, X., & Thomson, M. (2019). How Well Do Consumer-Brand Relationships Drive Customer Brand Loyalty? Generalizations from a Meta-Analysis of Brand Relationship Elasticities. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucz006","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.identity_signaling","to_concept":"concept.social_proof","from_name":"Identity Signaling","to_name":"Social Proof","relation_type":"verstärkt","explanation_de":"Identity Signaling und Social Proof werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Identity Signaling ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Welche faktischen Point-of-Consumption-Appeals und Endorsements erhöhen Salatkonsum von Tourist:innen?. (n.d.). https://doi.org/10.1080/09669582.2021.1932936","Khamitov, M., Wang, X., & Thomson, M. (2019). How Well Do Consumer-Brand Relationships Drive Customer Brand Loyalty? Generalizations from a Meta-Analysis of Brand Relationship Elasticities. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucz006","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.identity_signaling","to_concept":"concept.ingroup_bias","from_name":"Identity Signaling","to_name":"Ingroup Bias","relation_type":"verstärkt","explanation_de":"Identity Signaling und Ingroup Bias werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Identity Signaling ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Welche faktischen Point-of-Consumption-Appeals und Endorsements erhöhen Salatkonsum von Tourist:innen?. (n.d.). https://doi.org/10.1080/09669582.2021.1932936","Khamitov, M., Wang, X., & Thomson, M. (2019). How Well Do Consumer-Brand Relationships Drive Customer Brand Loyalty? Generalizations from a Meta-Analysis of Brand Relationship Elasticities. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucz006","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.identity_signaling","to_concept":"concept.message_framing","from_name":"Identity Signaling","to_name":"Message Framing","relation_type":"verstärkt","explanation_de":"Identity Signaling und Message Framing werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Identity Signaling ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Welche faktischen Point-of-Consumption-Appeals und Endorsements erhöhen Salatkonsum von Tourist:innen?. (n.d.). https://doi.org/10.1080/09669582.2021.1932936","Khamitov, M., Wang, X., & Thomson, M. (2019). How Well Do Consumer-Brand Relationships Drive Customer Brand Loyalty? Generalizations from a Meta-Analysis of Brand Relationship Elasticities. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucz006","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.implementation_intentions","to_concept":"concept.commitment_consistency","from_name":"Implementation Intentions","to_name":"Commitment and Consistency","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Implementation Intentions und Commitment and Consistency werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Implementation Intentions ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tekle, D. Y., Santos, J. A., Trieu, K., Thout, S. R., Ndanuko, R., Charlton, K., Hoek, A. C., Huffman, M. D., Jan, S., & Webster, J. (2020). Monitoring and implementation of salt reduction initiatives in Africa: A systematic review. Journal of clinical hypertension (Greenwich, Conn.). https://doi.org/10.1007/s00038-014-0577-3","Riebl, S. K., Estabrooks, P. A., Dunsmore, J. C., Savla, J., Frisard, M. I., Dietrich, A. M., Peng, Y., Zhang, X., & Davy, B. M. (2015). A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors. https://doi.org/10.1016/j.eatbeh.2015.05.016","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.implementation_intentions","to_concept":"concept.loss_aversion","from_name":"Implementation Intentions","to_name":"Loss Aversion","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Implementation Intentions und Loss Aversion werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Implementation Intentions ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tekle, D. Y., Santos, J. A., Trieu, K., Thout, S. R., Ndanuko, R., Charlton, K., Hoek, A. C., Huffman, M. D., Jan, S., & Webster, J. (2020). Monitoring and implementation of salt reduction initiatives in Africa: A systematic review. Journal of clinical hypertension (Greenwich, Conn.). https://doi.org/10.1007/s00038-014-0577-3","Riebl, S. K., Estabrooks, P. A., Dunsmore, J. C., Savla, J., Frisard, M. I., Dietrich, A. M., Peng, Y., Zhang, X., & Davy, B. M. (2015). A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors. https://doi.org/10.1016/j.eatbeh.2015.05.016","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.implementation_intentions","to_concept":"concept.temporal_framing","from_name":"Implementation Intentions","to_name":"Temporal Framing","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Implementation Intentions und Temporal Framing werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Implementation Intentions ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tekle, D. Y., Santos, J. A., Trieu, K., Thout, S. R., Ndanuko, R., Charlton, K., Hoek, A. C., Huffman, M. D., Jan, S., & Webster, J. (2020). Monitoring and implementation of salt reduction initiatives in Africa: A systematic review. Journal of clinical hypertension (Greenwich, Conn.). https://doi.org/10.1007/s00038-014-0577-3","Riebl, S. K., Estabrooks, P. A., Dunsmore, J. C., Savla, J., Frisard, M. I., Dietrich, A. M., Peng, Y., Zhang, X., & Davy, B. M. (2015). A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors. https://doi.org/10.1016/j.eatbeh.2015.05.016","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.implementation_intentions","to_concept":"concept.effort_justification","from_name":"Implementation Intentions","to_name":"Effort Justification","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Implementation Intentions und Effort Justification werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Implementation Intentions ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tekle, D. Y., Santos, J. A., Trieu, K., Thout, S. R., Ndanuko, R., Charlton, K., Hoek, A. C., Huffman, M. D., Jan, S., & Webster, J. (2020). Monitoring and implementation of salt reduction initiatives in Africa: A systematic review. Journal of clinical hypertension (Greenwich, Conn.). https://doi.org/10.1007/s00038-014-0577-3","Riebl, S. K., Estabrooks, P. A., Dunsmore, J. C., Savla, J., Frisard, M. I., Dietrich, A. M., Peng, Y., Zhang, X., & Davy, B. M. (2015). A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors. https://doi.org/10.1016/j.eatbeh.2015.05.016","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.information_gap","to_concept":"concept.choice_overload","from_name":"Information Gap","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Information Gap und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Information Gap ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.information_gap","to_concept":"concept.cognitive_load","from_name":"Information Gap","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Information Gap und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Information Gap ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.information_gap","to_concept":"concept.framing_effect","from_name":"Information Gap","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Information Gap und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Information Gap ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.information_gap","to_concept":"concept.availability_heuristic","from_name":"Information Gap","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Information Gap und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Information Gap ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.informational_influence","to_concept":"concept.choice_overload","from_name":"Informational Influence","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Informational Influence und Choice Overload werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Informational Influence ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.informational_influence","to_concept":"concept.cognitive_load","from_name":"Informational Influence","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Informational Influence und Cognitive Load werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Informational Influence ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.informational_influence","to_concept":"concept.framing_effect","from_name":"Informational Influence","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Informational Influence und Framing Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Informational Influence ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.informational_influence","to_concept":"concept.availability_heuristic","from_name":"Informational Influence","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Informational Influence und Availability Heuristic werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Informational Influence ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.ingroup_bias","to_concept":"concept.authority","from_name":"Ingroup Bias","to_name":"Authority","relation_type":"verstärkt","explanation_de":"Ingroup Bias und Authority werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Boundary Conditions für Ingroup Bias: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.","Duan, W., Gu, B., & Whinston, A. B. (2008). Online reviews: do consumers use them?. Decision Support Systems. https://doi.org/10.1016/j.dss.2008.04.001 Evidenz zu eWOM/Reviews und Nachfrage."],"confidence":"medium"},{"from_concept":"concept.ingroup_bias","to_concept":"concept.identity_signaling","from_name":"Ingroup Bias","to_name":"Identity Signaling","relation_type":"verstärkt","explanation_de":"Ingroup Bias und Identity Signaling werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Boundary Conditions für Ingroup Bias: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.","Duan, W., Gu, B., & Whinston, A. B. (2008). Online reviews: do consumers use them?. Decision Support Systems. https://doi.org/10.1016/j.dss.2008.04.001 Evidenz zu eWOM/Reviews und Nachfrage."],"confidence":"medium"},{"from_concept":"concept.ingroup_bias","to_concept":"concept.social_proof","from_name":"Ingroup Bias","to_name":"Social Proof","relation_type":"verstärkt","explanation_de":"Ingroup Bias und Social Proof werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Boundary Conditions für Ingroup Bias: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.","Duan, W., Gu, B., & Whinston, A. B. (2008). Online reviews: do consumers use them?. Decision Support Systems. https://doi.org/10.1016/j.dss.2008.04.001 Evidenz zu eWOM/Reviews und Nachfrage."],"confidence":"medium"},{"from_concept":"concept.ingroup_bias","to_concept":"concept.message_framing","from_name":"Ingroup Bias","to_name":"Message Framing","relation_type":"verstärkt","explanation_de":"Ingroup Bias und Message Framing werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Boundary Conditions für Ingroup Bias: Zielgruppe, Funnel-Stufe, Produktkategorie, Risiko, Messgröße und Umsetzungsqualität müssen vor dem Einsatz geprüft werden.","Duan, W., Gu, B., & Whinston, A. B. (2008). Online reviews: do consumers use them?. Decision Support Systems. https://doi.org/10.1016/j.dss.2008.04.001 Evidenz zu eWOM/Reviews und Nachfrage."],"confidence":"medium"},{"from_concept":"concept.liking","to_concept":"concept.ai_trust_calibration","from_name":"Liking","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Liking und AI Trust Calibration werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Liking ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Hughes, C., Swaminathan, V., & Brooks, G. (2019). Driving Brand Engagement Through Online Social Influencers: An Empirical Investigation of Sponsored Blogging Campaigns. Journal of Marketing. https://doi.org/10.1177/0022242919854374","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.liking","to_concept":"concept.freemium_effect","from_name":"Liking","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Liking und Freemium Effect werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Liking ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Hughes, C., Swaminathan, V., & Brooks, G. (2019). Driving Brand Engagement Through Online Social Influencers: An Empirical Investigation of Sponsored Blogging Campaigns. Journal of Marketing. https://doi.org/10.1177/0022242919854374","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.liking","to_concept":"concept.privacy_calculus","from_name":"Liking","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Liking und Privacy Calculus werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Liking ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Hughes, C., Swaminathan, V., & Brooks, G. (2019). Driving Brand Engagement Through Online Social Influencers: An Empirical Investigation of Sponsored Blogging Campaigns. Journal of Marketing. https://doi.org/10.1177/0022242919854374","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.liking","to_concept":"concept.risk_reversal","from_name":"Liking","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Liking und Risk Reversal werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Liking ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Hughes, C., Swaminathan, V., & Brooks, G. (2019). Driving Brand Engagement Through Online Social Influencers: An Empirical Investigation of Sponsored Blogging Campaigns. Journal of Marketing. https://doi.org/10.1177/0022242919854374","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.loss_aversion","to_concept":"concept.commitment_consistency","from_name":"Loss Aversion","to_name":"Commitment and Consistency","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Loss Aversion und Commitment and Consistency werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Loss Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Huangfu, P., Pearson, F., Abu-Hijleh, F. M., Wahlich, C., Willis, K., Awad, S. F., Abu-Raddad, L. J., & Critchley, J. A. (2024). Impact of price reductions, subsidies, or financial incentives on healthy food purchases and consumption: a systematic review and meta-analysis. The Lancet. Planetary health. https://doi.org/10.1016/s2542-5196%2824%2900004-4","Talat, U., Schmidtke, K. A., Khanal, S., Chan, A., Turner, A., Horne, R., Chadborn, T., Gold, N., Sallis, A., & Vlaev, I. (2022). A Systematic Review of Nudge Interventions to Optimize Medication Prescribing. Frontiers in pharmacology. https://doi.org/10.1111/acem.13690","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.loss_aversion","to_concept":"concept.implementation_intentions","from_name":"Loss Aversion","to_name":"Implementation Intentions","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Loss Aversion und Implementation Intentions werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Loss Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Huangfu, P., Pearson, F., Abu-Hijleh, F. M., Wahlich, C., Willis, K., Awad, S. F., Abu-Raddad, L. J., & Critchley, J. A. (2024). Impact of price reductions, subsidies, or financial incentives on healthy food purchases and consumption: a systematic review and meta-analysis. The Lancet. Planetary health. https://doi.org/10.1016/s2542-5196%2824%2900004-4","Talat, U., Schmidtke, K. A., Khanal, S., Chan, A., Turner, A., Horne, R., Chadborn, T., Gold, N., Sallis, A., & Vlaev, I. (2022). A Systematic Review of Nudge Interventions to Optimize Medication Prescribing. Frontiers in pharmacology. https://doi.org/10.1111/acem.13690","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.loss_aversion","to_concept":"concept.temporal_framing","from_name":"Loss Aversion","to_name":"Temporal Framing","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Loss Aversion und Temporal Framing werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Loss Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Huangfu, P., Pearson, F., Abu-Hijleh, F. M., Wahlich, C., Willis, K., Awad, S. F., Abu-Raddad, L. J., & Critchley, J. A. (2024). Impact of price reductions, subsidies, or financial incentives on healthy food purchases and consumption: a systematic review and meta-analysis. The Lancet. Planetary health. https://doi.org/10.1016/s2542-5196%2824%2900004-4","Talat, U., Schmidtke, K. A., Khanal, S., Chan, A., Turner, A., Horne, R., Chadborn, T., Gold, N., Sallis, A., & Vlaev, I. (2022). A Systematic Review of Nudge Interventions to Optimize Medication Prescribing. Frontiers in pharmacology. https://doi.org/10.1111/acem.13690","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.loss_aversion","to_concept":"concept.effort_justification","from_name":"Loss Aversion","to_name":"Effort Justification","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Loss Aversion und Effort Justification werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Loss Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Huangfu, P., Pearson, F., Abu-Hijleh, F. M., Wahlich, C., Willis, K., Awad, S. F., Abu-Raddad, L. J., & Critchley, J. A. (2024). Impact of price reductions, subsidies, or financial incentives on healthy food purchases and consumption: a systematic review and meta-analysis. The Lancet. Planetary health. https://doi.org/10.1016/s2542-5196%2824%2900004-4","Talat, U., Schmidtke, K. A., Khanal, S., Chan, A., Turner, A., Horne, R., Chadborn, T., Gold, N., Sallis, A., & Vlaev, I. (2022). A Systematic Review of Nudge Interventions to Optimize Medication Prescribing. Frontiers in pharmacology. https://doi.org/10.1111/acem.13690","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.mental_accounting","to_concept":"concept.ai_trust_calibration","from_name":"Mental Accounting","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Mental Accounting und AI Trust Calibration werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Mental Accounting ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.mental_accounting","to_concept":"concept.freemium_effect","from_name":"Mental Accounting","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Mental Accounting und Freemium Effect werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Mental Accounting ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.mental_accounting","to_concept":"concept.privacy_calculus","from_name":"Mental Accounting","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Mental Accounting und Privacy Calculus werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Mental Accounting ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.mental_accounting","to_concept":"concept.risk_reversal","from_name":"Mental Accounting","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Mental Accounting und Risk Reversal werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Mental Accounting ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.mere_exposure_effect","to_concept":"concept.ai_trust_calibration","from_name":"Mere Exposure Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Mere Exposure Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Mere Exposure Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.mere_exposure_effect","to_concept":"concept.freemium_effect","from_name":"Mere Exposure Effect","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Mere Exposure Effect und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Mere Exposure Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.mere_exposure_effect","to_concept":"concept.privacy_calculus","from_name":"Mere Exposure Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Mere Exposure Effect und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Mere Exposure Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.mere_exposure_effect","to_concept":"concept.risk_reversal","from_name":"Mere Exposure Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Mere Exposure Effect und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Mere Exposure Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.message_framing","to_concept":"concept.authority","from_name":"Message Framing","to_name":"Authority","relation_type":"verstärkt","explanation_de":"Message Framing und Authority werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Message Framing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.message_framing","to_concept":"concept.identity_signaling","from_name":"Message Framing","to_name":"Identity Signaling","relation_type":"verstärkt","explanation_de":"Message Framing und Identity Signaling werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Message Framing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.message_framing","to_concept":"concept.social_proof","from_name":"Message Framing","to_name":"Social Proof","relation_type":"verstärkt","explanation_de":"Message Framing und Social Proof werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Message Framing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.message_framing","to_concept":"concept.ingroup_bias","from_name":"Message Framing","to_name":"Ingroup Bias","relation_type":"verstärkt","explanation_de":"Message Framing und Ingroup Bias werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Message Framing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.need_for_closure","to_concept":"concept.choice_overload","from_name":"Need for Closure","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Need for Closure und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Need for Closure ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.need_for_closure","to_concept":"concept.cognitive_load","from_name":"Need for Closure","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Need for Closure und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Need for Closure ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.need_for_closure","to_concept":"concept.framing_effect","from_name":"Need for Closure","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Need for Closure und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Need for Closure ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.need_for_closure","to_concept":"concept.availability_heuristic","from_name":"Need for Closure","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Need for Closure und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Need for Closure ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.normative_influence","to_concept":"concept.authority","from_name":"Normative Influence","to_name":"Authority","relation_type":"verstärkt","explanation_de":"Normative Influence und Authority werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Normative Influence ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.normative_influence","to_concept":"concept.identity_signaling","from_name":"Normative Influence","to_name":"Identity Signaling","relation_type":"verstärkt","explanation_de":"Normative Influence und Identity Signaling werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Normative Influence ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.normative_influence","to_concept":"concept.social_proof","from_name":"Normative Influence","to_name":"Social Proof","relation_type":"verstärkt","explanation_de":"Normative Influence und Social Proof werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Normative Influence ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.normative_influence","to_concept":"concept.ingroup_bias","from_name":"Normative Influence","to_name":"Ingroup Bias","relation_type":"verstärkt","explanation_de":"Normative Influence und Ingroup Bias werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Normative Influence ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.partitioned_pricing","to_concept":"concept.anchoring","from_name":"Partitioned Pricing","to_name":"Anchoring","relation_type":"moderiert","explanation_de":"Partitioned Pricing und Anchoring werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Partitioned Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.partitioned_pricing","to_concept":"concept.price_quality_heuristic","from_name":"Partitioned Pricing","to_name":"Price-Quality Heuristic","relation_type":"moderiert","explanation_de":"Partitioned Pricing und Price-Quality Heuristic werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Partitioned Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.partitioned_pricing","to_concept":"concept.reference_pricing","from_name":"Partitioned Pricing","to_name":"Reference Pricing","relation_type":"moderiert","explanation_de":"Partitioned Pricing und Reference Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Partitioned Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.partitioned_pricing","to_concept":"concept.bundle_pricing","from_name":"Partitioned Pricing","to_name":"Bundle Pricing","relation_type":"moderiert","explanation_de":"Partitioned Pricing und Bundle Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Partitioned Pricing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.pay_what_you_want","to_concept":"concept.anchoring","from_name":"Pay What You Want","to_name":"Anchoring","relation_type":"moderiert","explanation_de":"Pay What You Want und Anchoring werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Pay What You Want ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.pay_what_you_want","to_concept":"concept.price_quality_heuristic","from_name":"Pay What You Want","to_name":"Price-Quality Heuristic","relation_type":"moderiert","explanation_de":"Pay What You Want und Price-Quality Heuristic werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Pay What You Want ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.pay_what_you_want","to_concept":"concept.reference_pricing","from_name":"Pay What You Want","to_name":"Reference Pricing","relation_type":"moderiert","explanation_de":"Pay What You Want und Reference Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Pay What You Want ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.pay_what_you_want","to_concept":"concept.bundle_pricing","from_name":"Pay What You Want","to_name":"Bundle Pricing","relation_type":"moderiert","explanation_de":"Pay What You Want und Bundle Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Pay What You Want ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.peak_end_rule","to_concept":"concept.ai_trust_calibration","from_name":"Peak-End Rule","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Peak-End Rule und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Peak-End Rule ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.peak_end_rule","to_concept":"concept.freemium_effect","from_name":"Peak-End Rule","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Peak-End Rule und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Peak-End Rule ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.peak_end_rule","to_concept":"concept.privacy_calculus","from_name":"Peak-End Rule","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Peak-End Rule und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Peak-End Rule ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.peak_end_rule","to_concept":"concept.risk_reversal","from_name":"Peak-End Rule","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Peak-End Rule und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Peak-End Rule ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.perceptual_fluency","to_concept":"concept.ai_trust_calibration","from_name":"Perceptual Fluency","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Perceptual Fluency und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Perceptual Fluency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.perceptual_fluency","to_concept":"concept.freemium_effect","from_name":"Perceptual Fluency","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Perceptual Fluency und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Perceptual Fluency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.perceptual_fluency","to_concept":"concept.privacy_calculus","from_name":"Perceptual Fluency","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Perceptual Fluency und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Perceptual Fluency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.perceptual_fluency","to_concept":"concept.risk_reversal","from_name":"Perceptual Fluency","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Perceptual Fluency und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Perceptual Fluency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.present_bias","to_concept":"concept.ai_trust_calibration","from_name":"Present Bias","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Present Bias und AI Trust Calibration werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Present Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.present_bias","to_concept":"concept.freemium_effect","from_name":"Present Bias","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Present Bias und Freemium Effect werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Present Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.present_bias","to_concept":"concept.privacy_calculus","from_name":"Present Bias","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Present Bias und Privacy Calculus werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Present Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.present_bias","to_concept":"concept.risk_reversal","from_name":"Present Bias","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Present Bias und Risk Reversal werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Present Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Chen, Y. (2025). Peer Interaction and Impulse Buying in Live Streaming: A Meta-Analysis from a Social Cognitive Lens. Journal of Information Systems Engineering & Management. https://doi.org/10.52783/jisem.v10i4.9655","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.price_quality_heuristic","to_concept":"concept.anchoring","from_name":"Price-Quality Heuristic","to_name":"Anchoring","relation_type":"moderiert","explanation_de":"Price-Quality Heuristic und Anchoring werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Preisfairness, Transparenz und Referenzpreise können in D-A-CH-Kontexten Kaufabsicht und Vertrauen beeinflussen.","Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353","Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.price_quality_heuristic","to_concept":"concept.reference_pricing","from_name":"Price-Quality Heuristic","to_name":"Reference Pricing","relation_type":"moderiert","explanation_de":"Price-Quality Heuristic und Reference Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Preisfairness, Transparenz und Referenzpreise können in D-A-CH-Kontexten Kaufabsicht und Vertrauen beeinflussen.","Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353","Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.price_quality_heuristic","to_concept":"concept.bundle_pricing","from_name":"Price-Quality Heuristic","to_name":"Bundle Pricing","relation_type":"moderiert","explanation_de":"Price-Quality Heuristic und Bundle Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Preisfairness, Transparenz und Referenzpreise können in D-A-CH-Kontexten Kaufabsicht und Vertrauen beeinflussen.","Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353","Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.price_quality_heuristic","to_concept":"concept.charm_pricing","from_name":"Price-Quality Heuristic","to_name":"Charm Pricing","relation_type":"moderiert","explanation_de":"Price-Quality Heuristic und Charm Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Preisfairness, Transparenz und Referenzpreise können in D-A-CH-Kontexten Kaufabsicht und Vertrauen beeinflussen.","Troll, E. S., Frankenbach, J., Friese, M., & Loschelder, D. D. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353","Kukla-Gryz, A., Tyrowicz, J., & Krawczyk, M. (2020). Digital piracy and the perception of price fairness: evidence from a field experiment. Journal of Cultural Economics. https://doi.org/10.1007/s10824-020-09390-4","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.priming","to_concept":"concept.ai_trust_calibration","from_name":"Priming","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Priming und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Priming ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.priming","to_concept":"concept.freemium_effect","from_name":"Priming","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Priming und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Priming ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.priming","to_concept":"concept.privacy_calculus","from_name":"Priming","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Priming und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Priming ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.priming","to_concept":"concept.risk_reversal","from_name":"Priming","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Priming und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Priming ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.privacy_calculus","to_concept":"concept.ai_trust_calibration","from_name":"Privacy Calculus","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Privacy Calculus und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["In D-A-CH-Kontexten können Datenschutz, Sicherheit, Transparenz und Vertrauen stärkere Conversion-Hebel sein als aggressive Persuasion.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Risk, trust, and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions. (n.d.). https://doi.org/10.1016/j.chb.2017.11.010","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.privacy_calculus","to_concept":"concept.freemium_effect","from_name":"Privacy Calculus","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Privacy Calculus und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["In D-A-CH-Kontexten können Datenschutz, Sicherheit, Transparenz und Vertrauen stärkere Conversion-Hebel sein als aggressive Persuasion.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Risk, trust, and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions. (n.d.). https://doi.org/10.1016/j.chb.2017.11.010","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.privacy_calculus","to_concept":"concept.risk_reversal","from_name":"Privacy Calculus","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Privacy Calculus und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["In D-A-CH-Kontexten können Datenschutz, Sicherheit, Transparenz und Vertrauen stärkere Conversion-Hebel sein als aggressive Persuasion.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Risk, trust, and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions. (n.d.). https://doi.org/10.1016/j.chb.2017.11.010","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.privacy_calculus","to_concept":"concept.trust_signals","from_name":"Privacy Calculus","to_name":"Trust Signals","relation_type":"verstärkt","explanation_de":"Privacy Calculus und Trust Signals werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["In D-A-CH-Kontexten können Datenschutz, Sicherheit, Transparenz und Vertrauen stärkere Conversion-Hebel sein als aggressive Persuasion.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Risk, trust, and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions. (n.d.). https://doi.org/10.1016/j.chb.2017.11.010","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.processing_fluency","to_concept":"concept.choice_overload","from_name":"Processing Fluency","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Processing Fluency und Choice Overload werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Processing Fluency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.processing_fluency","to_concept":"concept.cognitive_load","from_name":"Processing Fluency","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Processing Fluency und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Processing Fluency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.processing_fluency","to_concept":"concept.framing_effect","from_name":"Processing Fluency","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Processing Fluency und Framing Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Processing Fluency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.processing_fluency","to_concept":"concept.availability_heuristic","from_name":"Processing Fluency","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Processing Fluency und Availability Heuristic werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Processing Fluency ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.psychological_ownership","to_concept":"concept.ai_trust_calibration","from_name":"Psychological Ownership","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Psychological Ownership und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Psychological Ownership ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Khamitov, M., Wang, X., & Thomson, M. (2019). How Well Do Consumer-Brand Relationships Drive Customer Brand Loyalty? Generalizations from a Meta-Analysis of Brand Relationship Elasticities. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucz006","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.psychological_ownership","to_concept":"concept.freemium_effect","from_name":"Psychological Ownership","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Psychological Ownership und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Psychological Ownership ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Khamitov, M., Wang, X., & Thomson, M. (2019). How Well Do Consumer-Brand Relationships Drive Customer Brand Loyalty? Generalizations from a Meta-Analysis of Brand Relationship Elasticities. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucz006","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.psychological_ownership","to_concept":"concept.privacy_calculus","from_name":"Psychological Ownership","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Psychological Ownership und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Psychological Ownership ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Khamitov, M., Wang, X., & Thomson, M. (2019). How Well Do Consumer-Brand Relationships Drive Customer Brand Loyalty? Generalizations from a Meta-Analysis of Brand Relationship Elasticities. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucz006","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.psychological_ownership","to_concept":"concept.risk_reversal","from_name":"Psychological Ownership","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Psychological Ownership und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Psychological Ownership ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Khamitov, M., Wang, X., & Thomson, M. (2019). How Well Do Consumer-Brand Relationships Drive Customer Brand Loyalty? Generalizations from a Meta-Analysis of Brand Relationship Elasticities. Journal of Consumer Research. https://doi.org/10.1093/jcr/ucz006","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.reactance","to_concept":"concept.ai_trust_calibration","from_name":"Reactance","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Reactance und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Dark Patterns und deceptive design können Entscheidungen manipulieren, Vertrauen beschädigen und rechtliche/ethische Risiken erzeugen.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.reactance","to_concept":"concept.freemium_effect","from_name":"Reactance","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Reactance und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Dark Patterns und deceptive design können Entscheidungen manipulieren, Vertrauen beschädigen und rechtliche/ethische Risiken erzeugen.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.reactance","to_concept":"concept.privacy_calculus","from_name":"Reactance","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Reactance und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Dark Patterns und deceptive design können Entscheidungen manipulieren, Vertrauen beschädigen und rechtliche/ethische Risiken erzeugen.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.reactance","to_concept":"concept.risk_reversal","from_name":"Reactance","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Reactance und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Dark Patterns und deceptive design können Entscheidungen manipulieren, Vertrauen beschädigen und rechtliche/ethische Risiken erzeugen.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.reciprocity","to_concept":"concept.ai_trust_calibration","from_name":"Reciprocity","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Reciprocity und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Reciprocity ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.reciprocity","to_concept":"concept.freemium_effect","from_name":"Reciprocity","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Reciprocity und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Reciprocity ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.reciprocity","to_concept":"concept.privacy_calculus","from_name":"Reciprocity","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Reciprocity und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Reciprocity ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.reciprocity","to_concept":"concept.risk_reversal","from_name":"Reciprocity","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Reciprocity und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Reciprocity ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Adam, M., Wessel, M., & Benlian, A. (2020). AI-based chatbots in customer service and their effects on user compliance. Electronic Markets. https://doi.org/10.1007/s12525-020-00414-7","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.recommender_trust","to_concept":"concept.ai_trust_calibration","from_name":"Recommender Trust","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Recommender Trust und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.","Big data analytics in E-commerce: a systematic review and agenda for future research. (n.d.). https://doi.org/10.1007/s12525-016-0219-0","Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2020). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.recommender_trust","to_concept":"concept.freemium_effect","from_name":"Recommender Trust","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Recommender Trust und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.","Big data analytics in E-commerce: a systematic review and agenda for future research. (n.d.). https://doi.org/10.1007/s12525-016-0219-0","Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2020). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.recommender_trust","to_concept":"concept.privacy_calculus","from_name":"Recommender Trust","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Recommender Trust und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.","Big data analytics in E-commerce: a systematic review and agenda for future research. (n.d.). https://doi.org/10.1007/s12525-016-0219-0","Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2020). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.recommender_trust","to_concept":"concept.risk_reversal","from_name":"Recommender Trust","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Recommender Trust und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI- und Recommender-Entscheidungen sollten erklärbar und kontrollierbar sein, um Über- und Untervertrauen zu vermeiden.","Big data analytics in E-commerce: a systematic review and agenda for future research. (n.d.). https://doi.org/10.1007/s12525-016-0219-0","Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2020). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing. https://doi.org/10.1177/0022242920953847","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.reference_pricing","to_concept":"concept.anchoring","from_name":"Reference Pricing","to_name":"Anchoring","relation_type":"moderiert","explanation_de":"Reference Pricing und Anchoring werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Preisfairness, Transparenz und Referenzpreise können in D-A-CH-Kontexten Kaufabsicht und Vertrauen beeinflussen.","Schmidt, J., & Bijmolt, T. H. (2019). Accurately measuring willingness to pay for consumer goods: a meta-analysis of the hypothetical bias. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-019-00666-6","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.reference_pricing","to_concept":"concept.price_quality_heuristic","from_name":"Reference Pricing","to_name":"Price-Quality Heuristic","relation_type":"moderiert","explanation_de":"Reference Pricing und Price-Quality Heuristic werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Preisfairness, Transparenz und Referenzpreise können in D-A-CH-Kontexten Kaufabsicht und Vertrauen beeinflussen.","Schmidt, J., & Bijmolt, T. H. (2019). Accurately measuring willingness to pay for consumer goods: a meta-analysis of the hypothetical bias. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-019-00666-6","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.reference_pricing","to_concept":"concept.bundle_pricing","from_name":"Reference Pricing","to_name":"Bundle Pricing","relation_type":"moderiert","explanation_de":"Reference Pricing und Bundle Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Preisfairness, Transparenz und Referenzpreise können in D-A-CH-Kontexten Kaufabsicht und Vertrauen beeinflussen.","Schmidt, J., & Bijmolt, T. H. (2019). Accurately measuring willingness to pay for consumer goods: a meta-analysis of the hypothetical bias. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-019-00666-6","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.reference_pricing","to_concept":"concept.charm_pricing","from_name":"Reference Pricing","to_name":"Charm Pricing","relation_type":"moderiert","explanation_de":"Reference Pricing und Charm Pricing werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Preisfairness, Transparenz und Referenzpreise können in D-A-CH-Kontexten Kaufabsicht und Vertrauen beeinflussen.","Schmidt, J., & Bijmolt, T. H. (2019). Accurately measuring willingness to pay for consumer goods: a meta-analysis of the hypothetical bias. Journal of the Academy of Marketing Science. https://doi.org/10.1007/s11747-019-00666-6","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.regret_aversion","to_concept":"concept.ai_trust_calibration","from_name":"Regret Aversion","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Regret Aversion und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Regret Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.regret_aversion","to_concept":"concept.freemium_effect","from_name":"Regret Aversion","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Regret Aversion und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Regret Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.regret_aversion","to_concept":"concept.privacy_calculus","from_name":"Regret Aversion","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Regret Aversion und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Regret Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.regret_aversion","to_concept":"concept.risk_reversal","from_name":"Regret Aversion","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Regret Aversion und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Regret Aversion ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.risk_reversal","to_concept":"concept.ai_trust_calibration","from_name":"Risk Reversal","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Risk Reversal und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Treiber der Konsumentenadoption von Innovationen können Intention und Verhalten erklären und sind relevant für SaaS, Tech-Produkte und neue Angebote.","Pillinger, T., Arumuham, A., McCutcheon, R. A., D'Ambrosio, E., Basdanis, G., Branco, M., Carr, R., Finelli, V., Furukawa, T. A., Gee, S., Heald, A., Jauhar, S., Ma, Z., Mancini, V., Moulton, C., Salanti, G., Taylor, D. M., Tomlinson, A., Young, A. H., .. Cipriani, A. (2025). The effects of antidepressants on cardiometabolic and other physiological parameters: a systematic review and network meta-analysis. Lancet (London, England). https://doi.org/10.1016/s0140-6736%2825%2901293-0","Reiner, J., Wamsler, J., Bornemann, T., & Natter, M. (2024). How Insurance Prices Affect Consumers’ Purchase Decisions: Insurance Price as a Risk Signal. Journal of Marketing Research. https://doi.org/10.1177/00222437241270217","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.risk_reversal","to_concept":"concept.freemium_effect","from_name":"Risk Reversal","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Risk Reversal und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Treiber der Konsumentenadoption von Innovationen können Intention und Verhalten erklären und sind relevant für SaaS, Tech-Produkte und neue Angebote.","Pillinger, T., Arumuham, A., McCutcheon, R. A., D'Ambrosio, E., Basdanis, G., Branco, M., Carr, R., Finelli, V., Furukawa, T. A., Gee, S., Heald, A., Jauhar, S., Ma, Z., Mancini, V., Moulton, C., Salanti, G., Taylor, D. M., Tomlinson, A., Young, A. H., .. Cipriani, A. (2025). The effects of antidepressants on cardiometabolic and other physiological parameters: a systematic review and network meta-analysis. Lancet (London, England). https://doi.org/10.1016/s0140-6736%2825%2901293-0","Reiner, J., Wamsler, J., Bornemann, T., & Natter, M. (2024). How Insurance Prices Affect Consumers’ Purchase Decisions: Insurance Price as a Risk Signal. Journal of Marketing Research. https://doi.org/10.1177/00222437241270217","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.risk_reversal","to_concept":"concept.privacy_calculus","from_name":"Risk Reversal","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Risk Reversal und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Treiber der Konsumentenadoption von Innovationen können Intention und Verhalten erklären und sind relevant für SaaS, Tech-Produkte und neue Angebote.","Pillinger, T., Arumuham, A., McCutcheon, R. A., D'Ambrosio, E., Basdanis, G., Branco, M., Carr, R., Finelli, V., Furukawa, T. A., Gee, S., Heald, A., Jauhar, S., Ma, Z., Mancini, V., Moulton, C., Salanti, G., Taylor, D. M., Tomlinson, A., Young, A. H., .. Cipriani, A. (2025). The effects of antidepressants on cardiometabolic and other physiological parameters: a systematic review and network meta-analysis. Lancet (London, England). https://doi.org/10.1016/s0140-6736%2825%2901293-0","Reiner, J., Wamsler, J., Bornemann, T., & Natter, M. (2024). How Insurance Prices Affect Consumers’ Purchase Decisions: Insurance Price as a Risk Signal. Journal of Marketing Research. https://doi.org/10.1177/00222437241270217","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.risk_reversal","to_concept":"concept.trust_signals","from_name":"Risk Reversal","to_name":"Trust Signals","relation_type":"verstärkt","explanation_de":"Risk Reversal und Trust Signals werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Treiber der Konsumentenadoption von Innovationen können Intention und Verhalten erklären und sind relevant für SaaS, Tech-Produkte und neue Angebote.","Pillinger, T., Arumuham, A., McCutcheon, R. A., D'Ambrosio, E., Basdanis, G., Branco, M., Carr, R., Finelli, V., Furukawa, T. A., Gee, S., Heald, A., Jauhar, S., Ma, Z., Mancini, V., Moulton, C., Salanti, G., Taylor, D. M., Tomlinson, A., Young, A. H., .. Cipriani, A. (2025). The effects of antidepressants on cardiometabolic and other physiological parameters: a systematic review and network meta-analysis. Lancet (London, England). https://doi.org/10.1016/s0140-6736%2825%2901293-0","Reiner, J., Wamsler, J., Bornemann, T., & Natter, M. (2024). How Insurance Prices Affect Consumers’ Purchase Decisions: Insurance Price as a Risk Signal. Journal of Marketing Research. https://doi.org/10.1177/00222437241270217","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.scarcity","to_concept":"concept.default_effect","from_name":"Scarcity","to_name":"Default Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Scarcity und Default Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Knappheitssignale können Dringlichkeit und Wert erhöhen, können bei Unglaubwürdigkeit aber Reaktanz und Vertrauensverlust auslösen.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.scarcity","to_concept":"concept.visual_salience","from_name":"Scarcity","to_name":"Visual Salience","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Scarcity und Visual Salience werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Knappheitssignale können Dringlichkeit und Wert erhöhen, können bei Unglaubwürdigkeit aber Reaktanz und Vertrauensverlust auslösen.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.scarcity","to_concept":"concept.anchoring","from_name":"Scarcity","to_name":"Anchoring","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Scarcity und Anchoring werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Knappheitssignale können Dringlichkeit und Wert erhöhen, können bei Unglaubwürdigkeit aber Reaktanz und Vertrauensverlust auslösen.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.scarcity","to_concept":"concept.authority","from_name":"Scarcity","to_name":"Authority","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Scarcity und Authority werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Knappheitssignale können Dringlichkeit und Wert erhöhen, können bei Unglaubwürdigkeit aber Reaktanz und Vertrauensverlust auslösen.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.security_cues","to_concept":"concept.ai_trust_calibration","from_name":"Security Cues","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Security Cues und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Zahlungssicherheit, vertraute Zahlungsarten und Checkout-Transparenz können D-A-CH-Checkout-Abschlüsse beeinflussen.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.security_cues","to_concept":"concept.freemium_effect","from_name":"Security Cues","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Security Cues und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Zahlungssicherheit, vertraute Zahlungsarten und Checkout-Transparenz können D-A-CH-Checkout-Abschlüsse beeinflussen.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.security_cues","to_concept":"concept.privacy_calculus","from_name":"Security Cues","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Security Cues und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Zahlungssicherheit, vertraute Zahlungsarten und Checkout-Transparenz können D-A-CH-Checkout-Abschlüsse beeinflussen.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.security_cues","to_concept":"concept.risk_reversal","from_name":"Security Cues","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Security Cues und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Zahlungssicherheit, vertraute Zahlungsarten und Checkout-Transparenz können D-A-CH-Checkout-Abschlüsse beeinflussen.","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.self_determination_theory","to_concept":"concept.commitment_consistency","from_name":"Self-Determination Theory","to_name":"Commitment and Consistency","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Self-Determination Theory und Commitment and Consistency werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Self-Determination Theory ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.self_determination_theory","to_concept":"concept.implementation_intentions","from_name":"Self-Determination Theory","to_name":"Implementation Intentions","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Self-Determination Theory und Implementation Intentions werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Self-Determination Theory ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.self_determination_theory","to_concept":"concept.loss_aversion","from_name":"Self-Determination Theory","to_name":"Loss Aversion","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Self-Determination Theory und Loss Aversion werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Self-Determination Theory ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.self_determination_theory","to_concept":"concept.temporal_framing","from_name":"Self-Determination Theory","to_name":"Temporal Framing","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Self-Determination Theory und Temporal Framing werden gemeinsam geprüft, wenn CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Start-to-Completion Rate, Terminbuchungen, Follow-through Rate oder Abbruch nach CTA) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Self-Determination Theory ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.similarity_attraction","to_concept":"concept.ai_trust_calibration","from_name":"Similarity Attraction","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Similarity Attraction und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Similarity Attraction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.similarity_attraction","to_concept":"concept.freemium_effect","from_name":"Similarity Attraction","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Similarity Attraction und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Similarity Attraction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.similarity_attraction","to_concept":"concept.privacy_calculus","from_name":"Similarity Attraction","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Similarity Attraction und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Similarity Attraction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.similarity_attraction","to_concept":"concept.risk_reversal","from_name":"Similarity Attraction","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Similarity Attraction und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Similarity Attraction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.social_proof","to_concept":"concept.authority","from_name":"Social Proof","to_name":"Authority","relation_type":"verstärkt","explanation_de":"Social Proof und Authority werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Bestimmte Konsumenten-Marken-Beziehungsqualitäten können Brand Loyalty vorhersagen, wobei Effektstärken und Generalisierbarkeit kontextabhängig sind.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.social_proof","to_concept":"concept.identity_signaling","from_name":"Social Proof","to_name":"Identity Signaling","relation_type":"verstärkt","explanation_de":"Social Proof und Identity Signaling werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Bestimmte Konsumenten-Marken-Beziehungsqualitäten können Brand Loyalty vorhersagen, wobei Effektstärken und Generalisierbarkeit kontextabhängig sind.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.social_proof","to_concept":"concept.ingroup_bias","from_name":"Social Proof","to_name":"Ingroup Bias","relation_type":"verstärkt","explanation_de":"Social Proof und Ingroup Bias werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Bestimmte Konsumenten-Marken-Beziehungsqualitäten können Brand Loyalty vorhersagen, wobei Effektstärken und Generalisierbarkeit kontextabhängig sind.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.social_proof","to_concept":"concept.message_framing","from_name":"Social Proof","to_name":"Message Framing","relation_type":"verstärkt","explanation_de":"Social Proof und Message Framing werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Bestimmte Konsumenten-Marken-Beziehungsqualitäten können Brand Loyalty vorhersagen, wobei Effektstärken und Generalisierbarkeit kontextabhängig sind.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.status_quo_bias","to_concept":"concept.ai_trust_calibration","from_name":"Status Quo Bias","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Status Quo Bias und AI Trust Calibration werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Status Quo Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.status_quo_bias","to_concept":"concept.freemium_effect","from_name":"Status Quo Bias","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Status Quo Bias und Freemium Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Status Quo Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.status_quo_bias","to_concept":"concept.privacy_calculus","from_name":"Status Quo Bias","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Status Quo Bias und Privacy Calculus werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Status Quo Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.status_quo_bias","to_concept":"concept.risk_reversal","from_name":"Status Quo Bias","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Status Quo Bias und Risk Reversal werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Status Quo Bias ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Chernev, A., Böckenholt, U., & Goodman, J. (2015). Choice overload: A conceptual review and meta-analysis. Journal of Consumer Psychology. https://doi.org/10.1016/j.jcps.2014.08.002 Meta-Analyse zu Choice Overload und Moderatoren."],"confidence":"medium"},{"from_concept":"concept.sunk_cost_effect","to_concept":"concept.ai_trust_calibration","from_name":"Sunk Cost Effect","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Sunk Cost Effect und AI Trust Calibration werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Sunk Cost Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.sunk_cost_effect","to_concept":"concept.freemium_effect","from_name":"Sunk Cost Effect","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Sunk Cost Effect und Freemium Effect werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Sunk Cost Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.sunk_cost_effect","to_concept":"concept.privacy_calculus","from_name":"Sunk Cost Effect","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Sunk Cost Effect und Privacy Calculus werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Sunk Cost Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.sunk_cost_effect","to_concept":"concept.risk_reversal","from_name":"Sunk Cost Effect","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Sunk Cost Effect und Risk Reversal werden gemeinsam geprüft, wenn Headline, Subline, Bild, CTA, Angebotsblock, Proof-Bereich, Formular, Checkout oder Onboarding-Schritt mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Conversion Rate der relevanten Funnel-Stufe, CTA-Klickrate, Abbruchrate, Trust-/Klarheitsfeedback oder qualitative Rückmeldung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Sunk Cost Effect ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.temporal_framing","to_concept":"concept.commitment_consistency","from_name":"Temporal Framing","to_name":"Commitment and Consistency","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Temporal Framing und Commitment and Consistency werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Temporal Framing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Wann und warum tritt der Time-Space-Framing-Effekt in Reiseentscheidungen auf, und welcher kognitive Mechanismus erklärt frameabhängige Choice Reversals?. (n.d.). https://doi.org/10.1186/s40359-026-04477-7","Studie: Wie reagieren Konsumenten auf Green Marketing, welche Moderatoren und Boundary Conditions bestimmen Wirksamkeit, und welche Rolle spielen affektive Mediatoren?. (n.d.). https://doi.org/10.1186/s43093-026-00839-0","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.temporal_framing","to_concept":"concept.implementation_intentions","from_name":"Temporal Framing","to_name":"Implementation Intentions","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Temporal Framing und Implementation Intentions werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Temporal Framing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Wann und warum tritt der Time-Space-Framing-Effekt in Reiseentscheidungen auf, und welcher kognitive Mechanismus erklärt frameabhängige Choice Reversals?. (n.d.). https://doi.org/10.1186/s40359-026-04477-7","Studie: Wie reagieren Konsumenten auf Green Marketing, welche Moderatoren und Boundary Conditions bestimmen Wirksamkeit, und welche Rolle spielen affektive Mediatoren?. (n.d.). https://doi.org/10.1186/s43093-026-00839-0","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.temporal_framing","to_concept":"concept.loss_aversion","from_name":"Temporal Framing","to_name":"Loss Aversion","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Temporal Framing und Loss Aversion werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Temporal Framing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Wann und warum tritt der Time-Space-Framing-Effekt in Reiseentscheidungen auf, und welcher kognitive Mechanismus erklärt frameabhängige Choice Reversals?. (n.d.). https://doi.org/10.1186/s40359-026-04477-7","Studie: Wie reagieren Konsumenten auf Green Marketing, welche Moderatoren und Boundary Conditions bestimmen Wirksamkeit, und welche Rolle spielen affektive Mediatoren?. (n.d.). https://doi.org/10.1186/s43093-026-00839-0","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.temporal_framing","to_concept":"concept.effort_justification","from_name":"Temporal Framing","to_name":"Effort Justification","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Temporal Framing und Effort Justification werden gemeinsam geprüft, wenn Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen mit CTA-Text, nächster Schritt, Fortschrittsanzeige, Reminder, Frist, Verfügbarkeits-Hinweis, Zielrahmung oder Follow-up-Microcopy in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Purchase Conversion Rate, Average Order Value, Checkout-Abbruch, Preisfairness-Score oder Zahlungsbereitschaft) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Temporal Framing ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Studie: Wann und warum tritt der Time-Space-Framing-Effekt in Reiseentscheidungen auf, und welcher kognitive Mechanismus erklärt frameabhängige Choice Reversals?. (n.d.). https://doi.org/10.1186/s40359-026-04477-7","Studie: Wie reagieren Konsumenten auf Green Marketing, welche Moderatoren und Boundary Conditions bestimmen Wirksamkeit, und welche Rolle spielen affektive Mediatoren?. (n.d.). https://doi.org/10.1186/s43093-026-00839-0","Kienzler, M., & Kowalkowski, C. (2023). A meta‐analysis on the effects of just‐below versus round prices. Journal of Consumer Psychology. https://doi.org/10.1002/jcpy.1353 Meta-Analyse zu Preiswahrnehmung und Kaufentscheidungen."],"confidence":"medium"},{"from_concept":"concept.trust_signals","to_concept":"concept.ai_trust_calibration","from_name":"Trust Signals","to_name":"AI Trust Calibration","relation_type":"verstärkt","explanation_de":"Trust Signals und AI Trust Calibration werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI-Systeme verändern Konsumentenerleben, Erwartungen, Interaktion und Entscheidungskontext und sind dadurch conversion-relevant.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.trust_signals","to_concept":"concept.freemium_effect","from_name":"Trust Signals","to_name":"Freemium Effect","relation_type":"verstärkt","explanation_de":"Trust Signals und Freemium Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Preisanker, Vergleichspreise, Paket-Reihenfolge, Rabattlogik, Gebührenhinweise oder Wertbegründungen in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI-Systeme verändern Konsumentenerleben, Erwartungen, Interaktion und Entscheidungskontext und sind dadurch conversion-relevant.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.trust_signals","to_concept":"concept.privacy_calculus","from_name":"Trust Signals","to_name":"Privacy Calculus","relation_type":"verstärkt","explanation_de":"Trust Signals und Privacy Calculus werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI-Systeme verändern Konsumentenerleben, Erwartungen, Interaktion und Entscheidungskontext und sind dadurch conversion-relevant.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.trust_signals","to_concept":"concept.risk_reversal","from_name":"Trust Signals","to_name":"Risk Reversal","relation_type":"verstärkt","explanation_de":"Trust Signals und Risk Reversal werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["AI-Systeme verändern Konsumentenerleben, Erwartungen, Interaktion und Entscheidungskontext und sind dadurch conversion-relevant.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Ismagilova, E., Slade, E., Rana, N. P., & Dwivedi, Y. K. (2019). The Effect of Electronic Word of Mouth Communications on Intention to Buy: A Meta-Analysis. Information Systems Frontiers. https://doi.org/10.1007/s10796-019-09924-y","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.uncertainty_reduction","to_concept":"concept.choice_overload","from_name":"Uncertainty Reduction","to_name":"Choice Overload","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Uncertainty Reduction und Choice Overload werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Uncertainty Reduction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Risk, trust, and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions. (n.d.). https://doi.org/10.1016/j.chb.2017.11.010","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.uncertainty_reduction","to_concept":"concept.cognitive_load","from_name":"Uncertainty Reduction","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Uncertainty Reduction und Cognitive Load werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Uncertainty Reduction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Risk, trust, and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions. (n.d.). https://doi.org/10.1016/j.chb.2017.11.010","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.uncertainty_reduction","to_concept":"concept.framing_effect","from_name":"Uncertainty Reduction","to_name":"Framing Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Uncertainty Reduction und Framing Effect werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Uncertainty Reduction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Risk, trust, and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions. (n.d.). https://doi.org/10.1016/j.chb.2017.11.010","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.uncertainty_reduction","to_concept":"concept.availability_heuristic","from_name":"Uncertainty Reduction","to_name":"Availability Heuristic","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Uncertainty Reduction und Availability Heuristic werden gemeinsam geprüft, wenn Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Trust Score, Lead Conversion Rate, Checkout Completion Rate, Formularabbruch oder Anfragequalität) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Uncertainty Reduction ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom: Extending UTAUT with Innovativeness, Risk, and Trust. (n.d.). https://doi.org/10.1002/mar.20823","Risk, trust, and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions. (n.d.). https://doi.org/10.1016/j.chb.2017.11.010","Tsai, J. Y., Egelman, S., Cranor, L., & Acquisti, A. (2011). The impact of privacy concerns on online purchasing behavior: An empirical study. Information Systems Research. https://doi.org/10.1287/isre.1090.0260 Evidenz zu Datenschutz-/Privacy-Signalen und Online-Kaufverhalten."],"confidence":"medium"},{"from_concept":"concept.unity_shared_identity","to_concept":"concept.authority","from_name":"Unity / Shared Identity","to_name":"Authority","relation_type":"verstärkt","explanation_de":"Unity / Shared Identity und Authority werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Unity / Shared Identity ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.unity_shared_identity","to_concept":"concept.identity_signaling","from_name":"Unity / Shared Identity","to_name":"Identity Signaling","relation_type":"verstärkt","explanation_de":"Unity / Shared Identity und Identity Signaling werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Unity / Shared Identity ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.unity_shared_identity","to_concept":"concept.social_proof","from_name":"Unity / Shared Identity","to_name":"Social Proof","relation_type":"verstärkt","explanation_de":"Unity / Shared Identity und Social Proof werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Testimonials, Reviews, Gütesiegel, Garantien, Datenschutz-Hinweise, Retourenkommunikation, Expertenstatus oder Verantwortlichkeitsangaben in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Unity / Shared Identity ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.unity_shared_identity","to_concept":"concept.ingroup_bias","from_name":"Unity / Shared Identity","to_name":"Ingroup Bias","relation_type":"verstärkt","explanation_de":"Unity / Shared Identity und Ingroup Bias werden gemeinsam geprüft, wenn Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale mit Review-Verteilung, Kundenlogos, Fallbeispiele, Nutzerzahlen, Peer-Signale, Zielgruppenähnlichkeit oder Community-/Identitätssignale in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (Klickrate nach Proof-Bereich, Add-to-Cart, Demo Booking Rate, Trust Score oder qualifizierte Leadquote) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Unity / Shared Identity ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.visual_salience","to_concept":"concept.default_effect","from_name":"Visual Salience","to_name":"Default Effect","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Visual Salience und Default Effect werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Visual Salience ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.visual_salience","to_concept":"concept.scarcity","from_name":"Visual Salience","to_name":"Scarcity","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Visual Salience und Scarcity werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Visual Salience ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.visual_salience","to_concept":"concept.cognitive_load","from_name":"Visual Salience","to_name":"Cognitive Load","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Visual Salience und Cognitive Load werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Visual Salience ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"},{"from_concept":"concept.visual_salience","to_concept":"concept.dark_patterns","from_name":"Visual Salience","to_name":"Dark Patterns","relation_type":"wirkt_gemeinsam_mit","explanation_de":"Visual Salience und Dark Patterns werden gemeinsam geprüft, wenn Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz mit Informationshierarchie, Anzahl gleichwertiger Optionen, Formularfelder, Default-Auswahl, Fehlermeldungen, Entscheidungshilfen oder visuelle Salienz in derselben Funnel-Stufe zusammenwirken. Die Relation ist zunächst ein begründeter Zusammenhang im Knowledge Graph; eine kausale Empfehlung entsteht erst, wenn der konkrete Seitenanker, die Intervention und eine passende Messgröße (CTA-Klickrate, Formularstart, Formularabbruch, Task Completion, Scrolltiefe oder Zeit bis zur Entscheidung) zusammen dokumentiert sind.","funnel_contexts":["Landingpage","Produktseite","Checkout","Lead-Formular"],"evidence_refs":["Visual Salience ist ein Review-Kandidat für Conversion-Audits und braucht vor einer Empfehlung ein konkretes Seitenmerkmal, eine Messgröße und einen Studienpfad.","Wulansari, A., Paramita, W., Dharmmesta, B. S., & Nugroho, S. S. (2025). IMPULSIVENESS AND MARKETING STRATEGIES IN THE DIGITAL ERA: A SYSTEMATIC REVIEW. International Journal of Business and Society. https://doi.org/10.33736/ijbs.8862.2025","Tversky, A., & Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science. https://doi.org/10.1126/science.185.4157.1124 Grundlagenquelle zu Heuristiken und Biases in Urteilen unter Unsicherheit."],"confidence":"medium"}],"count":288,"language":"de-DE"}