Man mano che sempre più persone effettuano acquisti online, capire come si affidano ai sistemi di raccomandazione dell'e-commerce per fare acquisti è sempre più importante. I ricercatori della Penn State ora suggeriscono che non è solo ciò che è raccomandato, ma come e perché è consigliato, che aiuta a plasmare le opinioni dei consumatori.

In uno studio, i ricercatori hanno studiato come le persone hanno reagito a due sistemi di raccomandazione del prodotto. Il primo sistema ha generato raccomandazioni basate sugli acquisti precedenti dell'utente, spesso indicati come sistemi di raccomandazione basati sul contenuto. Il secondo ha fornito consigli basati su ciò che altre persone hanno acquistato, chiamati sistemi di raccomandazione collaborativi.

I ricercatori, che riportano i loro risultati nel Giornale della pubblicità , hanno scoperto che le persone a cui piace pensare e risolvere i problemi da sole - un tipo di personalità che i ricercatori descrivono come "elevato bisogno di cognizione" - trovano le raccomandazioni basate sui contenuti più persuasive. Però, coloro che hanno un basso bisogno di cognizione sono più persuasi dai sistemi di raccomandazione collaborativi, che può servire come segnale che altri acquirenti hanno già controllato il prodotto per loro.

La natura del sistema di raccomandazione e il suo grado di fiducia nel suggerire i prodotti giusti possono essere molto importanti per guidare le persone quando effettuano acquisti online, disse S. Shyam Sundar, James P. Jimirro Professore di Media Effects presso il Donald P. Bellisario College of Communications e co-direttore del Media Effects Research Laboratory.

"Nell'era pre-Internet, prima dell'intelligenza artificiale, chiederemmo a un'altra persona a un cocktail party, 'Ho sentito che sei andato in Italia, puoi darmi qualche consiglio, ci vado il mese prossimo, ' come un modo per raccogliere informazioni per prendere le nostre decisioni, "disse Sundar, che è anche un affiliato del Penn State's Institute for Computational and Data Sciences. "Ora, andiamo online e possiamo accedere alle informazioni di quasi tutti coloro che sono stati in Italia il mese scorso, non solo l'amico che hai incontrato al cocktail party. Ora sei in grado di ottenere quelle informazioni sull'esperienza collettiva degli altri, così come il modo in cui si adatta al tuo background e ai viaggi precedenti."

Secondo Mengqi Liao, dottorando in comunicazione di massa e primo autore del paper, un sottile "effetto carrozzone" può persuadere le persone.

"Dal punto di vista di un laico, potremmo non sapere che si tratta in realtà di due diversi sistemi di raccomandazione, " ha detto Liao. "Un sistema potrebbe semplicemente dire al cliente che la raccomandazione si basa su ciò che hanno acquistato prima. Ma il sistema di raccomandazione collaborativa comunica che molte altre persone hanno acquistato questo prodotto, che aggiunge un altro strato di fascino persuasivo".

I ricercatori hanno anche scoperto che l'efficacia dei sistemi di raccomandazione era legata al tipo di prodotto consigliato dal sistema. Quando si prendono decisioni sulle esperienze, come film, destinazione di viaggio e ristoranti, i consumatori con un elevato bisogno di cognizione avevano maggiori probabilità di rispondere alle informazioni sulla misura in cui il prodotto consigliato riflette le loro preferenze personali, espresse in termini di corrispondenza percentuale dei prodotti consigliati dai sistemi di filtraggio basati sui contenuti.

Però, i consumatori con scarso bisogno di cognizione hanno preferito il filtro collaborativo perché erano più persuasi dalla percentuale di altre persone che hanno acquistato l'articolo consigliato, che ha anche promosso le loro intenzioni di acquistare l'oggetto.

Tali differenze non sono state trovate per le raccomandazioni di "prodotti di ricerca, " informazioni sulle quali possono essere ottenute effettuando una ricerca online. Entrambi i tipi di personalità preferiscono i sistemi di raccomandazione collaborativa.

"Si può pensare a una sorta di outsourcing cognitivo, " ha detto Sundar. "Un cliente potrebbe vedere l'annuncio per un orologio intelligente, Per esempio, e vedere le caratteristiche, ma pensa, "Non ho intenzione di fare il duro lavoro di esaminare tutti i dettagli e giungere a una conclusione su quale sia meglio, Lo esternalizzerò ad altri.' Se dicono che è un buon orologio intelligente, poi lo compreranno".

Secondo Liao, la maggior parte delle ricerche sui sistemi di raccomandazione si concentra sull'ottimizzazione dei suggerimenti di questi sistemi. Questi risultati suggeriscono che gli sviluppatori potrebbero dover considerare altri fattori, come i tipi di personalità e i tipi di prodotto, per migliorare l'esperienza dell'utente dei propri sistemi, piuttosto che concentrarsi esclusivamente sull'accuratezza dei suggerimenti del loro algoritmo.

"Molto può dipendere da come gli utenti ricevono le informazioni sui consigli forniti dai sistemi, " ha detto Liao. "È importante perché questi sistemi forniscono le raccomandazioni per i prodotti e le esperienze".

I ricercatori hanno reclutato 469 persone su un sito di microtask di crowdsourcing online per lo studio e le hanno assegnate in modo casuale a un sito Web sperimentale che utilizzava un algoritmo collaborativo o di filtraggio dei contenuti.

Per i sistemi collaborativi, i ricercatori hanno utilizzato un intervallo percentuale per indicare quante persone simili hanno utilizzato il prodotto consigliato, o la corrispondenza percentuale, e servono come spunto per l'effetto carrozzone. Per i sistemi basati sui contenuti, gli stessi numeri percentuali sono stati utilizzati per suggerire la misura in cui il prodotto consigliato corrispondeva alle caratteristiche personali del consumatore in base al suo profilo utente. C'erano tre livelli di indicatori di corrispondenza percentuale:basso, medio e alto.

Nel testare i due diversi tipi di prodotti, ricerca ed esperienza, i ricercatori hanno utilizzato una raccomandazione di smartwatch come esempio di un prodotto di ricerca e una raccomandazione di destinazione turistica per esplorare le reazioni dei partecipanti all'esperienza dei prodotti.

Prima di navigare nel sito di e-commerce, tutti i partecipanti hanno risposto a una serie di domande per determinare se avessero un elevato bisogno di cognizione, o basso bisogno di cognizione, tipi di personalità.

Poiché i ricercatori hanno testato solo due prodotti e due sistemi di raccomandazione comuni, la ricerca futura potrebbe esaminare gli effetti psicologici di altri sistemi e studiare altri tipi di prodotti. I ricercatori hanno detto che questo potrebbe aiutare a verificare la validità dei loro risultati.