I sistemi di raccomandazione sono utilizzati nell'e-commerce per guidare i consumatori con messaggi come "Le persone che hanno acquistato questo articolo hanno anche acquistato ..." Ricerche precedenti hanno dimostrato che questi sistemi influenzano le scelte dei consumatori e generalmente aumentano le vendite, ma pochi studi hanno esaminato come gli attributi specifici del prodotto o le valutazioni delle recensioni influenzano l'efficacia di tali sistemi. Un nuovo studio ha cercato di determinare come l'impatto dei sistemi di raccomandazione (chiamati anche consiglieri) è influenzato da fattori quali il tipo di prodotto, attributi, e altre fonti di informazioni sui prodotti sui siti Web dei rivenditori. Lo studio ha rilevato che i consiglieri hanno aumentato il numero di visualizzazioni delle pagine dei prodotti da parte dei consumatori e il numero di prodotti considerati dai consumatori, ma che l'aumento è stato moderato dagli attributi del prodotto e dalle valutazioni delle recensioni.

Lo studio, dai ricercatori della Carnegie Mellon University e della Wharton School, appare in Scienze della gestione .

"I nostri risultati possono guidare l'uso efficace dei sistemi di raccomandazione nell'e-commerce e fornire informazioni sul comportamento di acquisto dei consumatori, "dice Dokyun Lee, Assistant Professor di Business Analytics presso la Tepper School of Business della Carnegie Mellon University, chi è coautore dello studio. "Capire se e come l'efficacia dei sistemi di raccomandazione varia tra le categorie di prodotti e il numero di recensioni può aiutare i manager a capire meglio come utilizzare al meglio questi sistemi".

I ricercatori hanno condotto un esperimento su un sito di e-commerce di un importante rivenditore nordamericano con 184, 375 utenti. Nell'esperimento, circa la metà degli utenti è stata selezionata in modo casuale per ricevere consigli da un algoritmo di filtraggio basato sull'acquisto ("Le persone che hanno acquistato questo hanno anche acquistato..."), mentre l'altra metà, selezionati casualmente per essere in un gruppo di controllo, ricevuto alcuna raccomandazione. Lo studio ha utilizzato Amazon Mechanical Turk, un mercato di crowdsourcing, codificare gli attributi di 37, 125 prodotti unici. I ricercatori hanno quindi analizzato il set di dati risultante per determinare come i fattori che influenzano i costi, incertezza, e il rischio relativo alla ricerca di prodotti interagiscono con l'impatto positivo dei consiglieri sulle opinioni dei clienti sui prodotti e sulle loro decisioni di acquisto.

Lo studio ha rilevato che l'utilizzo dei consiglieri ha aumentato sia il volume delle visualizzazioni dei prodotti da parte dei consumatori sia la probabilità dei consumatori di acquistare un prodotto. L'impatto positivo di un consigliere sulle visualizzazioni del prodotto è stato maggiore per i prodotti utilitaristici (ad es. un martello) rispetto ai prodotti edonici (ad es. profumo), e maggiore per prodotti con caratteristiche percepibili solo con l'uso (es. vino, film) che per i prodotti per i quali i consumatori possono facilmente giudicare la qualità leggendo le descrizioni (ad es. computer, telefoni).

In contrasto, l'impatto positivo di un consigliere sulla probabilità di acquistare un prodotto era maggiore per i prodotti edonici rispetto ai prodotti utilitaristici. Contrariamente alle ricerche passate, l'attributo relativo all'uso o all'esperienza precedente non ha influenzato l'effetto dei consiglieri sulla probabilità dei consumatori di acquistare un prodotto.

Gli autori dello studio notano diversi limiti, compreso l'uso di un solo tipo di sistema di raccomandazione. Anche, non sapevano quali prodotti fossero effettivamente consigliati dal suggeritore e quindi non potevano analizzare se un determinato acquisto fosse il risultato di una raccomandazione; Invece, hanno confrontato il comportamento di acquisto dei consumatori nei due gruppi e, a causa della randomizzazione, attribuito la differenza al suggeritore. Finalmente, non sono stati in grado di determinare la durata dell'impatto di un sistema di raccomandazione.

"I nostri risultati suggeriscono che il modo in cui i consiglieri aiutano a incrementare le vendite dei prodotti differisce in base al tipo di prodotto, " spiega Kartik Hosanagar, Professore di Operazioni, Informazioni e decisioni presso la Wharton School, chi è coautore dello studio. "Abbiamo scoperto che l'impatto positivo dei consiglieri sulle visualizzazioni è maggiore per i prodotti con valutazioni di recensioni medie elevate, suggerendo che un consigliere integri le valutazioni delle recensioni, mentre è vero il contrario per i tassi di conversione condizionati alle visualizzazioni, questo è, le valutazioni dei consiglieri e delle recensioni sono sostitutive."