När en kund går in i en e-butik för första gången får kunden inte anpassade rekommendationer. Anpassade rekommendationer bygger på information om användare från tidigare interaktion med e-butiken genom ett rekommendationssystem (RS). För nya användare har dock inte systemet den information som behövs för att kunna skapa anpassade rekommendationer, detta problem kallas för kallstart. För att bemöta nya användare i kallstart är RS beroende av deras explicita feedback. Konversationsrekommendationsystem (KRS) möjliggör explicit insamling från användare genom konversation. Explicit information kan lämnas av användare direkt i e-butiken. Informationen kan bestå av egenskaper användare föredrar hos produkter men även mer personlig information. Har inte användare förtroende till systemet kan det bidra till att användare inte vill dela med sig av information. För att användare ska vilja lämna explicit information kan KRS bemöta kallstart med att försöka skapa en känsla av förtroende hos användare. Studien är utförd med en designorienterad forskningsansats. Designelement identifierades genom en litteraturstudie som sedan implementerades i en prototyp för att undersöka om dessa kunde skapa en känsla av förtroende för systemet. Prototypen utvärderades därefter utifrån kriterierna trovärdighet, enkel användning och risk som fångar detta förtroende. Resultatet i denna studie indikerar att användare vill få anpassade rekommendationer presenterade och är därför villiga att bidra med den information systemet behöver. Studien presenterar åtta designförslag för hur KRS kan designas för att skapa en känsla av förtroende hos användare med en dialog mellan systemet och användare, möjlighet att ge effektiv feedback och systemets transparens.

När en kund går in i en e-butik för första gången får kunden inte anpassade rekommendationer. Anpassade rekommendationer bygger på information om användare från tidigare interaktion med e-butiken genom ett rekommendationssystem (RS). För nya användare har dock inte systemet den information som behövs för att kunna skapa anpassade rekommendationer, detta problem kallas för kallstart. För att bemöta nya användare i kallstart är RS beroende av deras explicita feedback. Konversationsrekommendationsystem (KRS) möjliggör explicit insamling från användare genom konversation. Explicit information kan lämnas av användare direkt i e-butiken. Informationen kan bestå av egenskaper användare föredrar hos produkter men även mer personlig information. Har inte användare förtroende till systemet kan det bidra till att användare inte vill dela med sig av information. För att användare ska vilja lämna explicit information kan KRS bemöta kallstart med att försöka skapa en känsla av förtroende hos användare. Studien är utförd med en designorienterad forskningsansats. Designelement identifierades genom en litteraturstudie som sedan implementerades i en prototyp för att undersöka om dessa kunde skapa en känsla av förtroende för systemet. Prototypen utvärderades därefter utifrån kriterierna trovärdighet, enkel användning och risk som fångar detta förtroende. Resultatet i denna studie indikerar att användare vill få anpassade rekommendationer presenterade och är därför villiga att bidra med den information systemet behöver. Studien presenterar åtta designförslag för hur KRS kan designas för att skapa en känsla av förtroende hos användare med en dialog mellan systemet och användare, möjlighet att ge effektiv feedback och systemets transparens.