Terwijl je door Amazon bladert op zoek naar het perfecte product, of blader door titels op Netflix op zoek naar een film die bij je stemming past, automatisch gegenereerde aanbevelingen kunnen u helpen precies te vinden wat u zoekt in het uitgebreide aanbod.

Deze aanbevelingssystemen worden gebruikt in de detailhandel, amusement, sociale netwerken en meer. In een recent gepubliceerde studie, twee onderzoekers van de Universiteit van Texas in Dallas onderzochten de informatieve rol van deze systemen en de economische gevolgen voor concurrerende verkopers en consumenten.

"Aanbevelingssystemen zijn alomtegenwoordig geworden in e-commerceplatforms en worden aangeprezen als verkoopondersteunende tools die consumenten helpen hun favoriete of gewenste product te vinden tussen de grote verscheidenheid aan producten, " zei Dr. Jianqing Chen, hoogleraar informatiesystemen aan de Naveen Jindal School of Management. "Tot dusver, het meeste onderzoek is gericht op de technische kant van aanbevelingssystemen, terwijl het onderzoek naar de economische implicaties voor verkopers beperkt is."

In de studie, gepubliceerd in het decembernummer van 2020 MIS Kwartaal , Chen en Dr. Srinivasan Raghunathan, de Ashbel Smith hoogleraar informatiesystemen, ontwikkelde een analytisch model waarin verkopers hun producten verkopen via een gemeenschappelijke elektronische marktplaats.

Het artikel richt zich op de informatieve rol van het aanbevelingssysteem:hoe het de beslissingen van consumenten beïnvloedt door hen te informeren over producten waarvan ze anders misschien niet op de hoogte zijn. Aanbevelingssystemen lijken aantrekkelijk voor verkopers omdat ze de markt niet hoeven te betalen voor het ontvangen van aanbevelingen, terwijl traditionele reclame kostbaar is.

De onderzoekers merken op dat aanbevelingssystemen naar verluidt de verkoop op deze marktplaatsen verhogen:meer dan 35% van wat consumenten kopen op Amazon en meer dan 60% van wat ze op Netflix bekijken, is het resultaat van aanbevelingen. De systemen gebruiken informatie, waaronder aankoopgeschiedenis, zoekgedrag, demografische gegevens en productbeoordelingen om de voorkeuren van een gebruiker te voorspellen en het product aan te bevelen dat de consument waarschijnlijk zal kopen.

Hoewel aanbevelingssystemen consumenten kennis laten maken met nieuwe producten en de marktomvang vergroten - wat de verkopers ten goede komt - is de gratis blootstelling niet per se winstgevend, zei Chen.

De onderzoekers ontdekten dat het advertentie-effect ervoor zorgt dat verkopers minder zelf adverteren, en het concurrentie-effect zorgt ervoor dat ze hun prijzen verlagen. Verkopers hebben ook meer kans om alleen te profiteren van het aanbevelingssysteem als het een hoge precisie heeft.

"Dit betekent dat verkopers waarschijnlijk alleen profiteren van het aanbevelingssysteem als de aanbevelingen effectief zijn en de aanbevolen producten inderdaad de voorkeursproducten van de consument zijn, ' zei Chen.

De onderzoekers stelden vast dat deze resultaten niet veranderen of verkopers gerichte advertenties of uniforme advertenties gebruiken.

Hoewel de exposure wenselijk is voor verkopers, de negatieve effecten op de winstgevendheid zouden de positieve effecten kunnen overschaduwen. Verkopers moeten hun advertentieaanpak zorgvuldig kiezen en uniforme advertenties toepassen als ze zich niet nauwkeurig op klanten kunnen richten, zei Chen.

"Gratis exposure blijkt niet echt gratis te zijn, " zei hij. "Om zo'n negatief effect te verzachten, verkopers moeten ernaar streven de markt te helpen effectieve aanbevelingen te doen. Bijvoorbeeld, verkopers moeten nauwkeurige productbeschrijvingen verstrekken, die aanbevelingssystemen kunnen helpen om producten en consumenten beter op elkaar af te stemmen."

Consumenten, anderzijds, zowel direct als indirect profiteren van aanbevelingssystemen, zei Raghunathan. Bijvoorbeeld, ze kunnen kennismaken met een nieuw product of profiteren van prijsconcurrentie tussen verkopers.

Omgekeerd, ze kunnen ook uiteindelijk meer betalen dan de waarde van dergelijke aanbevelingen in de vorm van hogere prijzen, zei Raghunathan.

"Consumenten moeten aanbevelingssystemen omarmen, "zei hij. "Echter, aanvullende informatie delen, zoals hun voorkeur in de vorm van online reviews, met het platform is een tweesnijdend zwaard. Hoewel het aanbevelingssystemen kan helpen om effectiever een product te vinden dat een consument misschien leuk vindt, de aanvullende informatie kan worden gebruikt om de nauwkeurigheid van de aanbeveling te vergroten, wat op zijn beurt de concurrentiedruk op verkopers kan verminderen en slecht kan zijn voor de consument."

De onderzoekers zeiden dat hoewel er aanzienlijke inspanningen worden geleverd om meer geavanceerde aanbevelingssystemen te ontwikkelen, de economische implicaties van deze systemen zijn slecht begrepen.

"De zakelijke en maatschappelijke waarde van aanbevelingssystemen kan niet goed worden beoordeeld tenzij de economische problemen eromheen worden onderzocht, " zei Chen. Hij en Raghunathan zijn van plan om verder onderzoek te doen naar dit onderwerp.