p Os sistemas de recomendação são usados ​​no comércio eletrônico para orientar os consumidores com mensagens como "As pessoas que compraram este item também compraram ..." Pesquisas anteriores mostraram que esses sistemas afetam as escolhas dos consumidores e geralmente aumentam as vendas, mas poucos estudos examinaram como os atributos específicos do produto ou avaliações de avaliações influenciam a eficácia de tais sistemas. Um novo estudo procurou determinar como o impacto dos sistemas de recomendação (também chamados de recomendadores) é afetado por fatores como tipo de produto, atributos, e outras fontes de informação sobre produtos em sites de varejistas. O estudo descobriu que os recomendadores aumentaram o número de visualizações do consumidor nas páginas dos produtos, bem como o número de produtos que os consumidores consideram, mas que o aumento foi moderado por atributos do produto e avaliações de avaliações. p O estudo, por pesquisadores da Carnegie Mellon University e da The Wharton School, aparece em Ciência de Gestão .

p "Nossas descobertas podem orientar o uso eficaz de sistemas de recomendação em e-commerce e fornecer uma visão sobre o comportamento de compra dos consumidores, "diz Dokyun Lee, Professor assistente de Business Analytics na Tepper School of Business da Carnegie Mellon University, que coautor do estudo. "Entender se e como a eficácia dos sistemas de recomendação varia entre as categorias de produtos e pelo número de avaliações pode ajudar os gerentes a entender melhor como usar melhor esses sistemas."

p Os pesquisadores realizaram um experimento em um site de comércio eletrônico de um importante varejista norte-americano com 184, 375 usuários. No experimento, cerca de metade dos usuários foram selecionados aleatoriamente para receber recomendações de um algoritmo de filtragem com base em compras ("Pessoas que compraram isso também compraram ..."), enquanto a outra metade, selecionados aleatoriamente para estar em um grupo de controle, não recebeu recomendações. O estudo usou Amazon Mechanical Turk, um mercado de crowdsourcing, para codificar os atributos de 37, 125 produtos exclusivos. Os pesquisadores então analisaram o conjunto de dados resultante para determinar como os fatores que influenciam os custos, incerteza, e o risco relacionado à busca de produtos interage com o impacto positivo dos recomendadores nas visões dos clientes sobre os produtos e em suas decisões de compra.

p O estudo descobriu que o uso de recomendadores aumentou o volume de opiniões dos consumidores sobre os produtos e a probabilidade de eles comprarem um produto. O impacto positivo de um recomendador nas visualizações do produto foi maior para produtos utilitários (por exemplo, um martelo) do que para produtos hedônicos (por exemplo, perfume), e maior para produtos com características que só podem ser discernidas pelo uso (por exemplo, vinho, filmes) do que produtos para os quais os consumidores podem julgar facilmente a qualidade lendo as descrições (por exemplo, computadores, telefones).

p Em contraste, o impacto positivo do recomendador sobre a probabilidade de compra de um produto era maior para produtos hedônicos do que para produtos utilitários. Ao contrário de pesquisas anteriores, o atributo relacionado ao uso ou experiência anterior não influenciou o efeito dos recomendadores sobre a probabilidade de os consumidores adquirirem um produto.

p Os autores do estudo observam várias limitações, incluindo o uso de apenas um tipo de sistema de recomendação. Também, eles não sabiam quais produtos eram realmente recomendados pelo recomendador e, portanto, não podiam analisar se uma compra específica resultava de uma recomendação; em vez de, eles compararam o comportamento de compra dos consumidores nos dois grupos e, por causa da randomização, atribuiu a diferença ao recomendador. Finalmente, eles não podiam determinar quanto tempo duraria o impacto de um sistema de recomendação.

p "Nossos resultados sugerem que a forma como os recomendadores ajudam a impulsionar as vendas do produto difere de acordo com o tipo de produto, "explica Kartik Hosanagar, Professor de Operações, Informações e decisões na The Wharton School, que coautor do estudo. "Descobrimos que o impacto positivo dos recomendadores nas visualizações é maior para produtos com avaliações médias altas, sugerir que um recomendador complementa as avaliações de avaliação, enquanto o oposto é verdadeiro para taxas de conversão condicionadas a visualizações, isso é, as classificações de recomendação e revisão são substitutas. "