亚马逊、YouTube和Netflix等既是电商网站，同时也是线上广告主，都使用推荐系统。推荐系统是基于数据集向用户推荐符合他们偏好的内容和产品的算法。在此次访谈中，巴黎HEC商学院信息系统副教授兼“Hi! PARIS”中心研究奖学金获得者Xitong Li，展示了其与两名德国研究人员联合开展的新研究，并且解释了推荐系统如何诱使消费者做出购买行为。
照片来源 | NaMaKuKi于Adobe Stock
本图文版权归原作者所有，转载前请联系HEC Paris
Xitong Li
巴黎HEC商学院信息系统副教授，“Hi! PARIS”中心研究奖学金获得者
01. 你们研究什么？
我们研究算法推荐是如何诱使线上消费者购买产品的。举个例子，产品推荐如今得到线上零售商的广泛运用，所以我们想看看，线上零售商的网站向消费者展示推荐是如何影响消费者的考虑集，进而又如何影响他们的购买行为。上文所述“考虑集”，我们指的是消费者在实际购买之前考虑购买的各类替代产品。
02. 你们研究什么推荐系统？
有不同类型的推荐系统，算法基于内容的推荐系统、算法基于协同过滤的推荐系统或者算法基于两者的混合推荐系统。协同过滤推荐系统是当前商业实践中最常见的推荐系统：它们基于相似用户的偏好推荐产品或者基于产品之间的相似性推荐产品。在我们的研究中，我们采用了最近开发的因果中介法来研究因果路径，通过这一潜在渠道使用推荐系统最终让消费者做出购买行为。
我们在欧洲一家线上图书零售商的网站上进行了随机对照现场实验。在现场实验中，线上零售商网站的一些访客被随机分配到实验组，可以看到个性化推荐，而其他组的访客不会看到任何推荐。
03. 你能否解释下使用了你所观察的个性化推荐会产生什么影响？
不出所料，结果显示，个性化推荐的出现将客户的购买倾向提升了12.4%，客单价提升了1.7%。
个性化推荐的出现将客户的购买倾向提升了12.4%，客单价提升了1.7%。
但是更重要的是，我们发现对经济产生的积极影响很大程度上是通过影响消费者的考虑集实现的。
正如前文所解释，考虑集是消费者在购买之前考虑的替代产品的集合。我们将一套考虑集分为两个方面：广度和深度。一套考虑集的广度（也称为“大小”）指的是集合中不同选择的数量，而深度指的是消费者接触选择的程度。深度是指买方做出最终选择并购买之前查看的平均页面数或者平均停留时长。
我们发现个性化推荐的出现增加了消费者考虑集的大小和深度。正是这两个改变使消费者购买倾向提升，客单价增加。
此外，我们发现消费者考虑集的大小起到的效果比通过深度起到的效果要更加强烈和明显。也就是说，你考虑的选择越多，你买东西的可能性越大，你花的钱也越多。
04. 你的发现为专业人士和从业者展现了重要的管理学影响。线上零售商该如何使用推荐系统呢？
目前我们了解了考虑集在调节推荐系统对消费者购买的积极影响上起到了重要作用，线上零售商需要考虑实践策略，促使消费者的考虑集形成。举个例子，要减少消费者的检索成本和认知工作，线上零售商可以根据消费者偏好的预计相似性降序排列推荐产品。通过这种排列顺序，消费者可以快速筛选出推荐产品，将最相关的替代品添加至他们的考虑集中，这将推进消费者的购物进程，提升购物满意度。
要减少消费者的检索成本和认知工作，线上零售商可以根据消费者偏好的预计相关性降序排列推荐产品。
由于推荐系统诱使消费者考虑更多选择，那么对消费者而言，可能很难管理众多选择。也就是说，选择越多，消费者越难抉择。为了推进消费者的购物进程，线上零售商需要仔细考虑策略和网页工具，帮助消费者以更有条理的方式管理众多选择，便于互相比较。
05. 你们的发现是否普遍适用于其他背景或业务领域？
虽然我们的研究以线上图书零售商的网页为现场实验，但是我们相信，我们的发现可以普遍适用于推荐系统线上零售领域下更广泛的背景（Kumar和Hosanagar 2019）。举个例子，我们的研究结果可以方便地应用于亚马逊和Cdiscount等线上零售商，并且服务于商家的线上商店（例如Darty.com）。
END
