A medida que se desplaza por Amazon en busca del producto perfecto o hojea títulos en Netflix en busca de una película que se adapte a su estado de ánimo, las recomendaciones generadas automáticamente pueden ayudarlo a encontrar exactamente lo que está buscando entre una amplia oferta.
Estos sistemas de recomendación se utilizan en el comercio minorista, el entretenimiento, las redes sociales y más. En un estudio publicado recientemente, dos investigadores de la Universidad de Texas en Dallas investigaron el papel informativo de estos sistemas y los impactos económicos en los vendedores y consumidores de la competencia.
"Los sistemas de recomendación se han vuelto omnipresentes en las plataformas de comercio electrónico y se promocionan como herramientas de soporte de ventas que ayudan a los consumidores a encontrar su producto preferido o deseado entre la amplia variedad de productos", dijo el Dr. Jianqing Chen, profesor de sistemas de información en elNaveen Jindal School of Management. "Hasta ahora, la mayor parte de la investigación se ha centrado en el aspecto técnico de los sistemas de recomendación, mientras que la investigación sobre las implicaciones económicas para los vendedores es limitada".
En el estudio, publicado en la edición de diciembre de 2020 de MIS trimestral , Chen y el Dr. Srinivasan Raghunathan, profesor de sistemas de información Ashbel Smith, desarrollaron un modelo analítico en el que los vendedores venden sus productos a través de un mercado electrónico común.
El artículo se centra en el papel informativo del sistema de recomendación: cómo afecta las decisiones de los consumidores al informarles sobre productos que de otro modo podrían no conocer. Los sistemas de recomendación parecen atractivos para los vendedores porque no tienen que pagar al mercado por recibirrecomendaciones, mientras que la publicidad tradicional es costosa.
Los investigadores señalan que se ha informado que los sistemas de recomendación aumentan las ventas en estos mercados: más del 35% de lo que los consumidores compran en Amazon y más del 60% de lo que ven en Netflix son el resultado de recomendaciones. Los sistemas utilizan información, incluido el historial de compras, comportamiento de búsqueda, datos demográficos y calificaciones de productos para predecir las preferencias de un usuario y recomendar el producto que es más probable que compre el consumidor.
Si bien los sistemas de recomendación presentan a los consumidores nuevos productos y aumentan el tamaño del mercado, lo que beneficia a los vendedores, la exposición gratuita no es necesariamente rentable, dijo Chen.
Los investigadores encontraron que el efecto publicitario hace que los vendedores se anuncien menos por sí mismos y el efecto de la competencia hace que bajen sus precios. Los vendedores también tienen más probabilidades de beneficiarse del sistema de recomendación solo cuando tiene una alta precisión.
"Esto significa que es probable que los vendedores se beneficien del sistema de recomendación solo cuando las recomendaciones sean efectivas y los productos recomendados sean de hecho los preferidos por los consumidores", dijo Chen.
Los investigadores determinaron que estos resultados no cambian si los vendedores usan publicidad dirigida o publicidad uniforme.
Aunque la exposición es deseable para los vendedores, los efectos negativos sobre la rentabilidad podrían eclipsar los efectos positivos. Los vendedores deben elegir cuidadosamente su enfoque publicitario y adoptar una publicidad uniforme si no pueden dirigirse a los clientes con precisión, dijo Chen.
"La exposición gratuita resulta no ser realmente gratuita", dijo. "Para mitigar un efecto tan negativo, los vendedores deben esforzarse por ayudar al mercado a brindar recomendaciones efectivas. Por ejemplo, los vendedores deben proporcionar descripciones precisas de los productos, lo que puede ayudar a recomendarlos sistemas proporcionan una mejor correspondencia entre los productos y los consumidores ".
Los consumidores, por otro lado, se benefician tanto directa como indirectamente de los sistemas de recomendación, dijo Raghunathan. Por ejemplo, podrían ser presentados a un nuevo producto o beneficiarse de la competencia de precios entre los vendedores.
A la inversa, también podrían terminar pagando más que el valor de tales recomendaciones en forma de aumento de precios, dijo Raghunathan.
"Los consumidores deben adoptar sistemas de recomendación", dijo. "Sin embargo, compartir información adicional, como su preferencia en el formato de reseñas en línea, con la plataforma es un arma de doble filo. Si bien puede ayudar a los sistemas de recomendación a encontrar de manera más efectivaun producto que podría gustarle a un consumidor, la información adicional se puede utilizar para aumentar la precisión de la recomendación, lo que a su vez puede reducir la presión de la competencia sobre los vendedores y puede ser perjudicial para los consumidores ".
Los investigadores dijeron que aunque se están realizando esfuerzos significativos para desarrollar sistemas de recomendación más sofisticados, las implicaciones económicas de estos sistemas no se comprenden bien.
"El valor comercial y social de los sistemas de recomendación no se puede evaluar correctamente a menos que se examinen los problemas económicos que los rodean", dijo Chen. Él y Raghunathan planean realizar más investigaciones sobre este tema.
Lusi Li PhD'17, ahora en la Universidad Estatal de California, Los Ángeles, también contribuyó a la investigación. El proyecto fue parte de la tesis doctoral de Li en UT Dallas.
Fuente de la historia :
Materiales proporcionado por Universidad de Texas en Dallas . Original escrito por Brittany Magelssen. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :