Les systèmes de recommandation sont utilisés dans le commerce électronique pour guider les consommateurs avec des messages tels que "Les personnes qui ont acheté cet article ont également acheté ...". Des recherches antérieures ont montré que ces systèmes affectent les choix des consommateurs et stimulent généralement les ventes, mais peu d'études ont examiné comment les attributs spécifiques au produit ou les notes d'examen influencent l'efficacité de tels systèmes. Une nouvelle étude a cherché à déterminer comment l'impact des systèmes de recommandation (également appelés recommandations) est affecté par des facteurs tels que le type de produit, les attributs, et d'autres sources d'information sur les produits sur les sites Web des détaillants. L'étude a révélé que les recommandataires augmentaient le nombre de vues des pages de produits par les consommateurs ainsi que le nombre de produits que les consommateurs considèrent, mais que l'augmentation a été modérée par les attributs du produit et les notes des critiques.

L'étude, par des chercheurs de l'Université Carnegie Mellon et de la Wharton School, apparaît dans Science du management .

"Nos résultats peuvent guider l'utilisation efficace des systèmes de recommandation dans le commerce électronique et donner un aperçu du comportement d'achat des consommateurs, " dit Dokyun Lee, Professeur assistant d'analyse commerciale à la Tepper School of Business de l'Université Carnegie Mellon, qui a co-écrit l'étude. « Comprendre si et comment l'efficacité des systèmes de recommandation varie selon les catégories de produits et selon le nombre d'avis peut aider les responsables à mieux comprendre comment utiliser au mieux ces systèmes. »

Les chercheurs ont mené une expérience sur un site de commerce électronique d'un grand détaillant nord-américain avec 184, 375 utilisateurs. Dans l'expérience, environ la moitié des utilisateurs ont été sélectionnés au hasard pour recevoir des recommandations d'un algorithme de filtrage basé sur les achats ("Les personnes qui ont acheté ceci ont également acheté..."), tandis que l'autre moitié, choisi au hasard pour faire partie d'un groupe témoin, reçu aucune recommandation. L'étude a utilisé Amazon Mechanical Turk, une place de marché de crowdsourcing, pour coder les attributs de 37, 125 produits uniques. Les chercheurs ont ensuite analysé l'ensemble de données résultant pour déterminer comment les facteurs qui influencent les coûts, incertitude, et les risques liés à la recherche de produits interagissent avec l'impact positif des recommandations sur la perception des produits par les clients et leurs décisions d'achat.

L'étude a révélé que l'utilisation de recommandations augmentait à la fois le volume de vues des consommateurs sur les produits et la probabilité qu'ils achètent un produit. L'impact positif d'un recommandeur sur les vues de produits était plus important pour les produits utilitaires (par exemple, un marteau) que pour les produits hédoniques (par exemple, parfum), et plus grande pour les produits dont les caractéristiques ne peuvent être discernées que par l'usage (par exemple, vin, films) que pour les produits dont les consommateurs peuvent facilement juger de la qualité en lisant les descriptions (par exemple, des ordinateurs, Téléphone (s).

En revanche, l'impact positif d'un recommandataire sur la probabilité d'achat d'un produit était plus important pour les produits hédoniques que pour les produits utilitaires. Contrairement aux recherches antérieures, l'attribut lié à l'utilisation ou à l'expérience antérieure n'a pas influencé l'effet des recommandataires sur la probabilité d'achat d'un produit par les consommateurs.

Les auteurs de l'étude notent plusieurs limites, y compris l'utilisation d'un seul type de système de recommandation. Aussi, ils ne savaient pas quels produits étaient réellement recommandés par le recommandeur et ne pouvaient donc pas analyser si un achat spécifique résultait d'une recommandation; au lieu, ils ont comparé le comportement d'achat des consommateurs des deux groupes et, à cause de la randomisation, attribué la différence au recommandant. Finalement, ils ne pouvaient pas déterminer combien de temps durerait l'impact d'un système de recommandation.

"Nos résultats suggèrent que la manière dont les recommandateurs aident à augmenter les ventes de produits diffère selon le type de produit, " explique Kartik Hosanagar, Professeur d'opérations, Informations et décisions à l'école Wharton, qui a co-écrit l'étude. "Nous avons constaté que l'impact positif des recommandations sur les vues est plus important pour les produits avec des notes moyennes élevées, suggérer qu'un recommandant complète les notes des avis, alors que l'inverse est vrai pour les taux de conversion conditionnels aux vues, C'est, Les notes de recommandation et d'avis sont des substituts."