Mentre scorri Amazon alla ricerca del prodotto perfetto, o sfogliare i titoli su Netflix alla ricerca di un film adatto al tuo umore, i consigli generati automaticamente possono aiutarti a trovare esattamente quello che stai cercando tra le numerose offerte.

Questi sistemi di raccomandazione sono utilizzati nella vendita al dettaglio, intrattenimento, social network e altro. In uno studio pubblicato di recente, due ricercatori dell'Università del Texas a Dallas hanno studiato il ruolo informativo di questi sistemi e l'impatto economico su venditori e consumatori concorrenti.

"I sistemi di raccomandazione sono diventati onnipresenti nelle piattaforme di e-commerce e sono propagandati come strumenti di supporto alle vendite che aiutano i consumatori a trovare il loro prodotto preferito o desiderato tra la vasta gamma di prodotti, " ha detto il dottor Jianqing Chen, professore di sistemi informativi presso la Naveen Jindal School of Management. "Finora, la maggior parte della ricerca si è concentrata sul lato tecnico dei sistemi di raccomandazione, mentre la ricerca sulle implicazioni economiche per i venditori è limitata".

Nello studio, pubblicato nel numero di dicembre 2020 di MIS Trimestrale , Chen e il dottor Srinivasan Raghunathan, l'Ashbel Smith Professore di sistemi informativi, sviluppato un modello analitico in cui i venditori vendono i loro prodotti attraverso un mercato elettronico comune.

Il documento si concentra sul ruolo informativo del sistema di raccomandazione:come influenza le decisioni dei consumatori informandoli su prodotti di cui altrimenti potrebbero non essere a conoscenza. I sistemi di raccomandazione sembrano attraenti per i venditori perché non devono pagare il mercato per ricevere consigli, mentre la pubblicità tradizionale è costosa.

I ricercatori osservano che è stato segnalato che i sistemi di raccomandazione aumentano le vendite su questi mercati:oltre il 35% di ciò che i consumatori acquistano su Amazon e oltre il 60% di ciò che guardano su Netflix derivano dalle raccomandazioni. I sistemi utilizzano le informazioni tra cui la cronologia degli acquisti, comportamento di ricerca, dati demografici e valutazioni dei prodotti per prevedere le preferenze di un utente e consigliare il prodotto che è più probabile che il consumatore acquisti.

Mentre i sistemi di raccomandazione introducono i consumatori a nuovi prodotti e aumentano le dimensioni del mercato, il che avvantaggia i venditori, l'esposizione gratuita non è necessariamente redditizia, disse Chen.

I ricercatori hanno scoperto che l'effetto pubblicitario fa sì che i venditori facciano meno pubblicità da soli, e l'effetto della concorrenza li induce a diminuire i loro prezzi. Anche i venditori hanno maggiori probabilità di beneficiare del sistema di raccomandazione solo quando ha un'elevata precisione.

"Ciò significa che è probabile che i venditori trarranno vantaggio dal sistema di raccomandazione solo quando le raccomandazioni sono efficaci e i prodotti consigliati sono effettivamente i prodotti preferiti dai consumatori, " disse Chen.

I ricercatori hanno determinato che questi risultati non cambiano se i venditori utilizzano pubblicità mirata o pubblicità uniforme.

Sebbene l'esposizione sia auspicabile per i venditori, gli effetti negativi sulla redditività potrebbero mettere in ombra gli effetti positivi. I venditori dovrebbero scegliere con attenzione il loro approccio pubblicitario e adottare una pubblicità uniforme se non possono indirizzare con precisione i clienti, disse Chen.

"L'esposizione gratuita risulta non essere realmente gratuita, " ha detto. "Per mitigare un effetto così negativo, i venditori dovrebbero sforzarsi di aiutare il mercato a fornire raccomandazioni efficaci. Per esempio, i venditori dovrebbero fornire descrizioni accurate dei prodotti, che può aiutare i sistemi di raccomandazione a fornire una migliore corrispondenza tra prodotti e consumatori."

Consumatori, d'altra parte, beneficiare sia direttamente che indirettamente dei sistemi di raccomandazione, disse Ragunathan. Per esempio, potrebbero essere introdotti in un nuovo prodotto o beneficiare della concorrenza sui prezzi tra i venditori.

Al contrario, potrebbero anche finire per pagare più del valore di tali raccomandazioni sotto forma di aumento dei prezzi, disse Ragunathan.

"I consumatori dovrebbero abbracciare i sistemi di raccomandazione, " ha detto. "Tuttavia, condivisione di informazioni aggiuntive, come la preferenza per il formato delle recensioni online, con la piattaforma è un'arma a doppio taglio. Sebbene possa aiutare i sistemi di raccomandazione a trovare in modo più efficace un prodotto che potrebbe piacere a un consumatore, le informazioni aggiuntive possono essere utilizzate per aumentare la precisione della raccomandazione, che a sua volta può ridurre la pressione della concorrenza sui venditori e può essere dannoso per i consumatori".

I ricercatori hanno affermato che sebbene siano in corso sforzi significativi per sviluppare sistemi di raccomandazione più sofisticati, le implicazioni economiche di questi sistemi sono poco conosciute.

"Il valore aziendale e sociale dei sistemi di raccomandazione non può essere valutato correttamente a meno che non vengano esaminate le questioni economiche che li circondano, " Ha detto Chen. Lui e Raghunathan hanno in programma di condurre ulteriori ricerche su questo argomento.