Anbefalet til dig:Rolle, indvirkningen af ​​værktøjer bag automatiserede produktvalg undersøgt

Mens du ruller gennem Amazon på udkig efter det perfekte produkt, eller bladre gennem titler på Netflix og søger efter en film, der passer til dit humør, autogenererede anbefalinger kan hjælpe dig med at finde præcis det, du leder efter blandt omfattende tilbud.

Disse anbefalingssystemer bruges i detailhandlen, underholdning, sociale netværk og meget mere. I en nyligt offentliggjort undersøgelse, to forskere fra University of Texas i Dallas undersøgte disse systemers informative rolle og de økonomiske konsekvenser for konkurrerende sælgere og forbrugere.

"Anbefalingssystemer er blevet allestedsnærværende i e-handelsplatforme og udråbes som salgsstøtteværktøjer, der hjælper forbrugere med at finde deres foretrukne eller ønskede produkt blandt det store udvalg af produkter, " sagde Dr. Jianqing Chen, professor i informationssystemer ved Naveen Jindal School of Management. "Indtil nu, det meste af forskningen har været fokuseret på den tekniske side af anbefalingssystemer, mens forskningen i de økonomiske konsekvenser for sælgere er begrænset."

I undersøgelsen, offentliggjort i december 2020-udgaven af MIS Kvartalsvis , Chen og Dr. Srinivasan Raghunathan, Ashbel Smith professor i informationssystemer, udviklet en analysemodel, hvor sælgere sælger deres produkter gennem en fælles elektronisk markedsplads.

Papiret fokuserer på anbefalingssystemets informative rolle:hvordan det påvirker forbrugernes beslutninger ved at informere dem om produkter, som de ellers ikke er klar over. Anbefalingssystemer virker attraktive for sælgere, fordi de ikke skal betale markedspladsen for at modtage anbefalinger, mens traditionel annoncering er dyr.

Forskerne bemærker, at anbefalingssystemer er blevet rapporteret at øge salget på disse markedspladser:Mere end 35 % af det, forbrugerne køber på Amazon, og mere end 60 % af det, de ser på Netflix, stammer fra anbefalinger. Systemerne bruger information, herunder købshistorik, søgeadfærd, demografi og produktvurderinger for at forudsige en brugers præferencer og anbefale det produkt, forbrugeren med størst sandsynlighed vil købe.

Mens anbefalingssystemer introducerer forbrugerne til nye produkter og øger markedsstørrelsen - hvilket gavner sælgerne - er den gratis eksponering ikke nødvendigvis rentabel, sagde Chen.

Forskerne fandt ud af, at reklameeffekten får sælgere til at annoncere mindre på egen hånd, og konkurrenceeffekten får dem til at sænke deres priser. Sælgere er også mere tilbøjelige til kun at drage fordel af anbefalingssystemet, når det har en høj præcision.

"Det betyder, at sælgere sandsynligvis kun vil drage fordel af anbefalingssystemet, når anbefalingerne er effektive, og de anbefalede produkter faktisk er forbrugernes foretrukne produkter, " sagde Chen.

Forskerne fastslog, at disse resultater ikke ændrer, om sælgere bruger målrettet annoncering eller ensartet reklame.

Selvom eksponeringen er ønskelig for sælgere, de negative effekter på rentabiliteten kan overskygge de positive effekter. Sælgere bør nøje vælge deres annonceringstilgang og anvende ensartet annoncering, hvis de ikke kan målrette kunderne nøjagtigt, sagde Chen.

"Gratis eksponering viser sig ikke rigtig at være gratis, " sagde han. "For at afbøde sådan en negativ effekt, sælgere bør stræbe efter at hjælpe markedspladsen med at give effektive anbefalinger. For eksempel, sælgere bør give nøjagtige produktbeskrivelser, som kan hjælpe anbefalingssystemer med at give bedre match mellem produkter og forbrugere."

Forbrugere, på den anden side, drage fordel både direkte og indirekte af anbefalingssystemer, sagde Raghunathan. For eksempel, de kan blive introduceret til et nyt produkt eller drage fordel af priskonkurrence blandt sælgere.

Omvendt de kan også ende med at betale mere end værdien af ​​sådanne anbefalinger i form af forhøjede priser, sagde Raghunathan.

"Forbrugerne bør omfavne anbefalingssystemer, " sagde han. "Men deling af yderligere oplysninger, såsom deres præference i formatet af online anmeldelser, med platformen er et tveægget sværd. Selvom det kan hjælpe anbefalingssystemer mere effektivt med at finde et produkt, som en forbruger kunne lide, de yderligere oplysninger kan bruges til at øge anbefalingens præcision, hvilket igen kan mindske konkurrencepresset på sælgerne og kan være dårligt for forbrugerne."

Forskerne sagde, at selvom der er en betydelig indsats i gang for at udvikle mere sofistikerede anbefalingssystemer, de økonomiske konsekvenser af disse systemer er dårligt forstået.

"Den forretningsmæssige og samfundsmæssige værdi af anbefalingssystemer kan ikke vurderes ordentligt, medmindre økonomiske forhold omkring dem undersøges, " sagde Chen. Han og Raghunathan planlægger at udføre yderligere forskning om dette emne.