Privacy-Centered Relevance Measures for Mobile App Retrieval

Almost everyone owns a smartphone today, using it for a variety of daily tasks through various apps. This widespread use, however, involves the constant processing of personal data, making privacy and, particularly, information privacy an increasingly important issue. However, despite consequential widespread awareness, the privacy paradox describes the issue of individuals consistently failing to align their concerns with their behaviour, such as by omitting to install privacy-friendly apps. In the context of mobile apps, this problem is reinforced by the fact that current app stores do not integrate privacy-related features into their app rankings. Given that users further display a bias towards relying on the first apps listed, this means that it is difficult for privacy-concerned individuals to find suitable apps. Moreover, the combination of these two factors further implies that previous solutions of communicating privacy features of apps through visualisations seem insufficient if privacy-friendly apps are positioned further down the list due to the ranking. To address this gap, I implemented a relevance measure designed to support users in finding apps that meet their personal privacy needs. A central premise of my approach was that individuals differ in their privacy attitudes and concerns and can thus be classified into distinct privacy personas. Consequently, I developed a relevance measure that prioritises app attributes based on their importance to a user’s specific persona. Additionally, I designed the relevance measure to be adaptive, allowing users to customise the weighting of individual app attributes themselves. This measure was developed and evaluated through two online user studies. The first study established the relationship between privacy personas and the subjective importance of various app attributes, with the findings being integrated into the implementation of the relevance measure. Ultimately, I evaluated the search efficiency and user satisfaction of the new relevance measure against the established Google Play Store ranking in the second user study. The results indicate that the persona-based ranking does not outperform the established Google Play Store ranking. One possible reason for this may be the inconclusive and weak correlation between privacy personas and app attribute relevance observed in the first user study. However, a key finding was the significant increase in both search efficiency and user satisfaction when participants were given the option to adjust the ranking themselves. Despite potential psychological influencing factors, these findings suggest that users particularly profit from being provided with direct control over the ranking of apps.

Smartphones sind heutzutage allgegenwärtig und werden im Alltag mithilfe von Apps für vielfältige Funktionen genutzt. Diese Omnipräsenz und die damit einhergehende Verarbeitung persönlicher Informationen führen dazu, dass Privatsphäre und Datenschutz zunehmend an Relevanz gewinnen. Trotz daraus folgender gesellschaftlicher Sorgen um Datenschutz setzen viele Personen ihre Bedenken nicht in entsprechendes Verhalten, wie die Installation datenschutzfreundlicher Apps, um. Diese Diskrepanz wird als Privacy Paradox bezeichnet. Im Kontext von Smartphone-Apps wird diese Problematik durch die Gestaltung vorhandener App-Stores weiter verschärft, indem Datenschutzaspekte in der präsentierten Rangreihenfolge der Apps bislang keine Beachtung finden. Zusammen mit der Tendenz von Nutzer*innen, vor allem die zuerst aufgeführten Apps für ihre Entscheidung zu erwägen, erschwert dies datenschutzbewussten Personen die Suche nach geeigneten Apps. Die Kombination beider Aspekte bedeutet außerdem, dass bisherige Lösungen der Nutzung von Visualisierungen zur Kommunikation der Datenschutzaspekte von Apps unzureichend erscheinen, sofern datenschutzfreundliche Apps aufgrund der Sortierung erst später gelistet sind. Um diese Problematik zu adressieren, habe ich in dieser Arbeit eine Relevanzmetrik mit dem Ziel entwickelt, Nutzer*innen bei der Suche nach Apps, die die persönlichen Ansprüche erfüllen, zu unterstützen. Ein zentraler Faktor hierfür war die Tatsache, dass sich Nutzer*innen hinsichtlich ihrer Datenschutzeinstellungen und -sorgen unterscheiden und demnach in sogenannte Privacy Personas klassifiziert werden können. Basierend darauf habe ich die Relevanzmetrik so gestaltet, dass sie App-Attribute nach ihrer Bedeutung für die spezifische Privacy Persona von Nutzer*innen priorisiert. Eine zusätzliche Adaptivität der Metrik ermöglicht es Nutzer*innen, die Gewichtung der einzelnen Attribute individuell anzupassen. Insgesamt habe ich die Relevanzmetrik mithilfe von zwei Nutzerstudien entwickelt und evaluiert. Die erste Studie diente der Erfassung des Zusammenhangs zwischen Privacy Personas und der subjektiven Relevanz von unterschiedlichen App-Attributen, um die Ergebnisse entsprechend in die Relevanzmetrik zu integrieren. Anschließend wurde diese hinsichtlich der Sucheffizienz und Nutzerzufriedenheit im Vergleich zum etablierten Ranking im Google Play Store in der zweiten Nutzerstudie evaluiert. Die Ergebnisse dieser Studie deuten auf keine signifikante Verbesserung der Effizienz oder Zufriedenheit durch die neue Persona-basierte App-Sortierung im Vergleich zum Ranking im Google Play Store hin. Dies ist unter anderem auf eine schwache Korrelation zwischen Persona-Zugehörigkeit und der Relevanz von App-Attributen zurückzuführen, welche ich in der ersten Studie beobachtet habe. Wesentlich ist jedoch die Beobachtung, dass sowohl die Sucheffizienz als auch Nutzerzufriedenheit signifikant anstiegen, sobald den Proband*innen die Möglichkeit zur individuellen Gewichtung der Attribute zur Verfügung stand. Trotz potenzieller psychologischer Einflussfaktoren deuten diese Ergebnisse darauf hin, dass Nutzer*innen von App Stores besonders davon profitieren, wenn sie direkte Kontrolle über die präsentierten Rangreihenfolgen der Apps bekommen.