Forbrugerne træffer beslutninger baseret på, hvordan og hvorfor produkter anbefales online

Efterhånden som flere mennesker går online for at shoppe, Det bliver stadig vigtigere at forstå, hvordan de er afhængige af e-handelsanbefalingssystemer til at foretage køb. Penn State-forskere foreslår nu, at det ikke kun er det, der anbefales, men hvordan og hvorfor det anbefales, der er med til at forme forbrugernes meninger.

I en undersøgelse, forskerne undersøgte, hvordan folk reagerede på to produktanbefalingssystemer. Det første system genererede anbefalinger baseret på brugerens tidligere køb - ofte omtalt som indholdsbaserede anbefalingssystemer. Den anden gav anbefalinger baseret på, hvad andre mennesker købte - kaldet kollaborative anbefalingssystemer.

Forskerne, der rapporterer deres resultater i Journal of Advertising , fandt ud af, at folk, der kan lide at tænke og løse problemer for sig selv - en personlighedstype, som forskerne beskriver som "højt behov for kognition" - finder indholdsbaserede anbefalinger mere overbevisende. Imidlertid, de, der har et lavt behov for kognition, er mere overbevist af samarbejdsanbefalingssystemer, hvilket kan tjene som et signal om, at andre købere allerede har undersøgt produktet for dem.

Karakteren af ​​anbefalingssystemet og dets grad af tillid til at foreslå de rigtige produkter kan være meget vigtige for at vejlede folk, når de foretager onlinekøb, sagde S. Shyam Sundar, James P. Jimirro professor i medieeffekter ved Donald P. Bellisario College of Communications og meddirektør for Media Effects Research Laboratory.

"I tiden før internet, før kunstig intelligens, vi ville spørge en anden person til et cocktailparty, 'Jeg hørte, du tog til Italien, kan du give mig nogle anbefalinger, Jeg skal dertil næste måned, som en måde at indsamle information til at træffe vores beslutninger på, " sagde Sundar, som også er tilknyttet Penn State's Institute for Computational and Data Sciences. "Nu, vi går online og kan få adgang til information fra stort set alle, der har rejst til Italien i sidste måned, ikke kun den ven, du løb ind i til cocktailfesten. Du er nu i stand til at få den information om andres kollektive oplevelse, samt hvordan det passer med din egen baggrund og tidligere rejser."

Ifølge Mengqi Liao, en ph.d.-studerende i massekommunikation og første forfatter til papiret, en subtil "bandwagon-effekt" kan måske overtale folk.

"Fra en lægmands perspektiv, vi ved måske ikke, at det faktisk er to forskellige anbefalingssystemer, " sagde Liao. "Et system kan måske bare fortælle kunden, at anbefalingen er baseret på det, de har købt før. Men det kollaborative anbefalingssystem fortæller, at mange andre har købt dette produkt, hvilket tilføjer endnu et lag af overbevisende appel."

Forskerne fandt også, at effektiviteten af ​​anbefalingssystemerne var bundet til den type produkt, som systemet anbefalede. Når man træffer beslutninger om oplevelser, såsom film, rejsemål og spisning, forbrugere med et højt behov for kognition var mere tilbøjelige til at reagere på information om, i hvor høj grad det anbefalede produkt afspejler deres personlige præferencer - udtrykt i procentvis matchning af produkter anbefalet af indholdsbaserede filtreringssystemer.

Imidlertid, forbrugere med lavt behov for kognition foretrak kollaborativ filtrering, fordi de var mere overbevist af procentdelen af ​​andre mennesker, der købte den anbefalede vare, hvilket også fremmede deres intentioner om at købe varen.

Sådanne forskelle blev ikke fundet for anbefalinger af "søgeprodukter, " information om hvilke der kan fås ved at søge online. Begge personlighedstyper foretrak samarbejdsanbefalingssystemer.

"Du kan tænke på det som en slags kognitiv outsourcing, " sagde Sundar. "En kunde ser muligvis annoncen for et smartur, for eksempel, og se funktionerne, men tænk, 'Jeg har ikke tænkt mig at gøre det hårde arbejde med at undersøge alle detaljerne og komme til en konklusion om, hvad der er bedst, Jeg vil bare outsource dette til andre.' Hvis de siger, at det er et godt smartur, så køber de det."

Ifølge Liao, mest forskning i anbefalingssystemer fokuserer på at optimere forslagene fra disse systemer. Disse resultater tyder på, at udviklere muligvis skal overveje andre faktorer, såsom personlighedstyper og produkttyper, for at forbedre brugeroplevelsen af ​​deres systemer, snarere end på udelukkende at fokusere på nøjagtigheden af ​​deres algoritmes forslag.

"Meget kan afhænge af, hvordan brugerne modtager oplysningerne om anbefalingerne fra systemerne, " sagde Liao. "Det betyder noget, hvorfor disse systemer giver anbefalinger til produkter og oplevelser."

Forskerne rekrutterede 469 personer på et online crowdsourcet mikrotask-site til undersøgelsen og tildelte dem tilfældigt til et eksperimentelt websted, der enten brugte en kollaborativ eller indholdsfiltreringsalgoritme.

For samarbejdssystemer, forskerne brugte et procentinterval til at angive, hvor mange ens mennesker, der brugte det anbefalede produkt – eller procentvis match – og tjener som en cue for bandwagon-effekten. For indholdsbaserede systemer, de samme procenttal blev brugt til at antyde, i hvor høj grad det anbefalede produkt matchede forbrugerens personlige egenskaber baseret på deres brugerprofil. Der var tre niveauer af procentvise matchindikatorer - lav, medium og høj.

I afprøvningen af ​​de to forskellige typer produkter – søgning og oplevelse – brugte forskerne en anbefaling af et smartur som et eksempel på et søgeprodukt og en anbefaling af turistdestinationer til at udforske deltagernes reaktioner på oplevelsesprodukter.

Før de besøgte e-handelssiden, alle deltagere svarede på en række spørgsmål for at afgøre, om de havde et stort behov for kognition, eller lavt behov for kognition, personlighedstyper.

Fordi forskerne kun testede to produkter og to fælles anbefalingssystemer, fremtidig forskning kunne se på de psykologiske virkninger af andre systemer og undersøge andre typer produkter. Forskerne sagde, at dette kunne hjælpe med at bekræfte gyldigheden af ​​deres resultater.