اثرات توصیه سیستم های e-commerce متفاوت با ویژگی های محصول و بررسی رتبه بندی

توصیه سیستم های مورد استفاده در تجارت الکترونیکی راهنمای مصرف کنندگان با پیام مانند "افرادی که این آیتم خریداری شده نیز خریداری ..." گذشته تحقیقات نشان داده است که این سیستم تاثیر مصرف کنندگان انتخاب و به طور کلی افزایش فروش, اما تعداد کمی از مطالعات به بررسی چگونه محصول-ویژگی های خاص و یا بررسی رتبه بندی تاثیر اثربخشی این سیستم ها. یک مطالعه جدید به دنبال تعیین چگونگی تاثیر سیستم های توصیه (نیز نامیده می شود توصیه کنندگان) است که توسط عواملی مانند نوع محصول ویژگی ها و دیگر منابع اطلاعات در مورد محصولات در خرده فروشان' وب سایت. این مطالعه نشان داد که توصیه کنندگان افزایش تعداد مصرف کننده در نمایش صفحات محصول و همچنین تعدادی از محصولات مصرف کنندگان در نظر بگیرند اما این افزایش تعدیل با ویژگی های محصول و بررسی اعتبار.

این مطالعه توسط محققان در دانشگاه کارنگی ملون و مدرسه Wharton به نظر می رسد در علم مدیریت.

"یافته های ما می تواند راهنمای استفاده موثر از سیستم های توصیه در تجارت الکترونیک و ارائه بینش به مصرف کنندگان خرید رفتار می گوید:" Dokyun لی استادیار و تحلیل کسب و کار در دانشگاه کارنگی ملون دانشگاه Tepper دانشکده کسب و کار که مستروف مطالعه است. "درک این که آیا و چگونه اثربخشی توصیه سیستم های متفاوت در سراسر دسته بندی محصولات و توسط تعدادی از بررسی می تواند کمک به مدیران در درک بهتر چگونگی بهترین استفاده از این سیستم است."

محققان با انجام یک آزمایش در یک سایت تجارت الکترونیکی از بالا آمریکای شمالی خرده فروش با 184,375 کاربران است. در این آزمایش حدود نیمی از کاربران به صورت تصادفی انتخاب شده برای دریافت توصیه از یک خرید-فیلتر بر اساس الگوریتم ("مردم خریداری شده که این نیز خریداری...") در حالی که نیمی دیگر به صورت تصادفی انتخاب و در گروه کنترل بدون دریافت توصیه. این مطالعه با استفاده از Amazon Mechanical Turk, crowd-sourcing بازار به کد صفات 37,125 محصولات منحصر به فرد. محققان سپس تجزیه و تحلیل و در نتیجه مجموعه داده برای تعیین عوامل موثر بر هزینه های عدم قطعیت و ریسک مربوط به جستجو برای محصولات ارتباط برقرار کردن با تاثیر مثبت از توصیه کنندگان در مشتریان و بازدید از محصولات و خرید آنها تصمیم گیری.

این مطالعه نشان داد که با استفاده از توصیه کنندگان افزایش یافته و هر دو حجم از مصرف کنندگان نمایش محصولات و مصرف کنندگان احتمال خرید یک محصول. یک توصیه مثبت تاثیر بر دیدگاه های محصول بيش از فایده محصولات (به عنوان مثال یک چکش) از آن برای hedonic محصولات (به عنوان مثال عطر) و بیشتر برای محصولات با ویژگی های است که تنها می تواند تشخیص با استفاده از (به عنوان مثال شراب فیلم) از محصولات که مصرف کنندگان می توانند به راحتی قضاوت در مورد کیفیت خواندن توضيحات (به عنوان مثال کامپیوتر های همراه).

در مقابل یک توصیه مثبت تاثیر بر احتمال خرید یک محصول بیشتر برای hedonic محصولات از برای فایده محصولات. بر خلاف گذشته تحقیق ویژگی مربوط به استفاده و یا تجربه قبلی نیست نفوذ توصیه کنندگان' اثر مصرف کنندگان احتمال خرید یک محصول.

نویسندگان این مقاله توجه داشته باشید محدودیت های مختلف از جمله استفاده از فقط یک نوع توصیه سیستم. همچنین آنها نمی دانند که محصولات بودند در واقع توصیه می شود با توصیه و بنابراین نمی تواند تجزیه و تحلیل اینکه آیا یک خرید خاص ناشی از یک توصیه; در عوض, آنها در مقایسه با خرید و رفتار مصرف کنندگان در دو گروه و به دلیل تصادفی نسبت تفاوت به توصیه. در نهایت آنها می تواند تعیین کند چه مدت تاثیر یک سیستم توصیه خواهد آخرین.

"نتایج ما نشان می دهد که این راه توصیه کنندگان کمک به افزایش فروش محصول متفاوت با نوع محصول" توضیح می دهد که Kartik Hosanagar استاد عملیات اطلاعات و تصمیم گیری در مدرسه وارتون که مستروف مطالعه است. "ما دریافتیم که توصیه کنندگان' تاثیر مثبت بر انداز است که بیشتر برای محصولات با میانگین بررسی رتبه بندی نشان می دهد که یک توصیه مکمل بررسی رتبه بندی در حالی که این قضیه درست است برای تبدیل نرخ مشروط بر انداز است که توصیه و نقد و بررسی رتبه بندی در حال جایگزین."

###

این پژوهش از بودجه برکمن دانشکده صندوق جی H. Baker خرده فروشی مرکز ماک موسسه مدیریت نوآوری و فیشمن-Davidson, مرکز خدمات و مدیریت عملیات.

سلب مسئولیت: AAAS و EurekAlert! مسئول صحت اخبار منتشر شده به EurekAlert! با کمک موسسات و یا برای استفاده از هر گونه اطلاعات از طریق EurekAlert سیستم.