När du bläddrar igenom Amazon och letar efter den perfekta produkten, eller bläddra igenom titlar på Netflix och leta efter en film som passar ditt humör, automatiskt genererade rekommendationer kan hjälpa dig att hitta exakt det du letar efter bland omfattande erbjudanden.

Dessa rekommendationssystem används i detaljhandeln, underhållning, sociala nätverk och mer. I en nyligen publicerad studie, två forskare från University of Texas i Dallas undersökte den informativa rollen för dessa system och de ekonomiska effekterna på konkurrerande säljare och konsumenter.

"Rekommenderingssystem har blivit allestädes närvarande i e-handelsplattformar och säljs som säljstödsverktyg som hjälper konsumenter att hitta sin föredragna eller önskade produkt bland det stora utbudet av produkter, " sa Dr Jianqing Chen, professor i informationssystem vid Naveen Jindal School of Management. "Än så länge, det mesta av forskningen har fokuserats på den tekniska sidan av rekommendatorsystem, medan forskningen om de ekonomiska konsekvenserna för säljare är begränsad."

I studien, publicerad i december 2020-numret av MIS kvartalsvis , Chen och Dr. Srinivasan Raghunathan, Ashbel Smith professor i informationssystem, utvecklat en analysmodell där säljare säljer sina produkter via en gemensam elektronisk marknadsplats.

Uppsatsen fokuserar på den informativa rollen för rekommendatorsystemet:hur det påverkar konsumenternas beslut genom att informera dem om produkter som de annars kanske är omedvetna om. Rekommendationssystem verkar attraktiva för säljare eftersom de inte behöver betala marknadsplatsen för att få rekommendationer, medan traditionell reklam är kostsam.

Forskarna noterar att rekommendationssystem har rapporterats öka försäljningen på dessa marknadsplatser:Mer än 35 % av vad konsumenter köper på Amazon och mer än 60 % av vad de ser på Netflix härrör från rekommendationer. Systemen använder information inklusive köphistorik, sökbeteende, demografi och produktbetyg för att förutsäga en användares preferenser och rekommendera den produkt som konsumenten med största sannolikhet kommer att köpa.

Medan rekommendationssystem introducerar konsumenterna för nya produkter och ökar marknadsstorleken – vilket gynnar säljarna – är den fria exponeringen inte nödvändigtvis lönsam, sa Chen.

Forskarna fann att reklameffekten får säljare att annonsera mindre på egen hand, och konkurrenseffekten får dem att sänka sina priser. Säljare är också mer benägna att dra nytta av rekommendationssystemet endast när det har en hög precision.

"Detta betyder att säljare sannolikt kommer att dra nytta av rekommendationssystemet endast när rekommendationerna är effektiva och de produkter som rekommenderas verkligen är konsumenternas favoritprodukter, " sa Chen.

Forskarna fastställde att dessa resultat inte ändrar om säljare använder riktad reklam eller enhetlig reklam.

Även om exponeringen är önskvärd för säljare, de negativa effekterna på lönsamheten kan överskugga de positiva effekterna. Säljare bör noggrant välja sin annonseringsmetod och anta enhetlig annonsering om de inte kan rikta in sig på kunderna, sa Chen.

"Fri exponering visar sig inte riktigt vara gratis, " sa han. "För att mildra en sådan negativ effekt, säljare bör sträva efter att hjälpa marknadsplatsen att ge effektiva rekommendationer. Till exempel, säljare bör tillhandahålla korrekta produktbeskrivningar, som kan hjälpa rekommenderasystem att ge bättre matchning mellan produkter och konsumenter."

Konsumenter, å andra sidan, dra både direkt och indirekt nytta av rekommendatorsystem, sa Raghunathan. Till exempel, de kan introduceras till en ny produkt eller dra nytta av priskonkurrens mellan säljare.

Omvänt, de kan också sluta med att betala mer än värdet av sådana rekommendationer i form av höjda priser, sa Raghunathan.

"Konsumenter bör anamma rekommendationssystem, " sade han. "Men, dela ytterligare information, såsom deras preferenser i formatet av onlinerecensioner, med plattformen är ett tveeggat svärd. Även om det kan hjälpa rekommenderasystem att mer effektivt hitta en produkt som en konsument kanske gillar, den ytterligare informationen kan användas för att öka rekommendationens precision, vilket i sin tur kan minska konkurrenstrycket på säljarna och kan vara dåligt för konsumenterna."

Forskarna sa att även om betydande ansträngningar pågår för att utveckla mer sofistikerade rekommendatorsystem, de ekonomiska konsekvenserna av dessa system är dåligt förstådda.

"Det affärsmässiga och samhälleliga värdet av rekommendatorsystem kan inte bedömas ordentligt om inte ekonomiska frågor kring dem undersöks, " sa Chen. Han och Raghunathan planerar att genomföra ytterligare forskning om detta ämne.