In der heutigen Online-Welt sammeln und speichern Dritte Ihre Browserdaten in atemberaubendem Tempo. Dritte profitieren in hohem Maße von diesen Informationen, aber erhalten Sie faire Gegenleistungen für die Weitergabe Ihrer Daten online?
Neue Forschung von Matherly-Professor Anuj Kumar von der University of Florida und Xiang (Shawn) Wan von der Santa Clara University haben eine neuartige Methode vorgeschlagen, um den Wert zu messen, den Verbraucher von Produktempfehlungssystemen (RS) erhalten, einem der bekanntesten Online-Tools, das Verbraucherdaten nutzt .
Während zahlreiche Studien belegen, dass RS den Einzelhändlern durch höhere Umsätze zugute kommt, sind die Vorteile für die Verbraucher unklar.
Vermutlich sind RS-Algorithmen darauf ausgelegt, Verbrauchern dabei zu helfen, unter zahlreichen Auswahlmöglichkeiten Produkte zu finden, die ihnen einen höheren Wert bieten. Verbraucher schätzen ein Produkt möglicherweise aufgrund seiner höheren Qualität (z. B. besseres Material und bessere Verarbeitung), seines niedrigeren Preises (für eine bestimmte Qualität) oder weil es besser zu seinem Geschmack passt (z. B. seine Farbwahl). Wie sehr ein Verbraucher ein Produkt schätzt, ist jedoch nur ihm selbst bekannt und wird von anderen nicht beobachtet.
Stellen Sie sich zum Beispiel vor, Sie suchen auf der Website von Macy’s nach einem Damenoberteil. Nach der Suche haben Sie ein rotes, eng anliegendes Oberteil mit V-Ausschnitt gekauft, das Sie organisch gefunden haben (ohne RS), und ein kastanienbraunes Oberteil mit Kragen und lockerer Passform, das Sie bei RS gefunden haben. Die relativen Werte der beiden Spitzen sind nur Ihnen bekannt. Vielleicht gefiel Ihnen die kastanienbraune Farbe mehr als Rot oder die lockere Passform mehr als die enge Passform. Oder Sie haben der Marke/dem Designer des kastanienbraunen Oberteils einen höheren Wert (höhere Qualität) beigemessen als dem roten Oberteil. Für den Online-Händler waren diese Tatsachen jedoch nicht erkennbar.
Der Unterschied in der Begehrlichkeit (Wert) von Produkten, die Sie mit und ohne RS gefunden haben, ist der wahre Wert des RS. Da jedoch niemand den Wert beobachtet, den Sie aus diesen Produkten ziehen, ist es eine Herausforderung, den Wert von RS für Verbraucher zu messen.
Kumar und Wan schlagen zusammen mit Xitong Li von der HEC Paris in einem bevorstehenden Forschungsartikel in eine neuartige Methode zur Messung des Werts von RS für Verbraucher anhand der von RS-Algorithmen berechneten Ähnlichkeitswerte zwischen Produkten (sogenannte Affinitätswerte) vor Managementwissenschaftmit dem Titel „Wie helfen Empfehlungen Verbrauchern bei der Suche nach Produkten? Erkenntnisse aus einem Feldversuch.“
„Im Durchschnitt kaufen Verbraucher Empfehlungen mit höheren Affinitätswerten für das Produkt, das sie erkunden. Daher messen die Affinitätswerte empfohlener Produkte ihren relativen Wert für Verbraucher“, erklärte Kumar.
Kumar und seine Co-Autoren machen sich diese Idee in einer groß angelegten, randomisierten Studie auf der Website eines US-amerikanischen Einzelhändlers für Mode, Bekleidung und Haushaltswaren zunutze und untersuchten dabei über einen Zeitraum von neun Wochen Millionen von Konsumgütern. Sie sammelten einzigartige Daten zu den Affinitätswerten, die von einem artikelbasierten kollaborativen Filteralgorithmus berechnet wurden, um Maße für den Nettowert und die Geschmacksanpassung eines Produkts an Verbraucher zu entwickeln.
In dieser Studie zeigen Kumar und seine Co-Autoren, dass Verbraucher eher unter RS kaufen, weil es ihnen dabei hilft, höherwertige Produkte zu finden – die entweder günstiger sind, besser zu ihrem Geschmack passen oder beides. Sie fanden heraus, dass der Nutzen von RS für Produktkategorien mit hohen Preisunterschieden und unterschiedlichen Geschmacksvorlieben der Verbraucher höher war. Darüber hinaus stellte das Forschungsteam fest, dass Verbraucher in den Daten RS gegenüber anderen Suchtools auf der Website bevorzugten, möglicherweise weil sie RS wertvoll fanden.
Kumar bekräftigt, dass politische Entscheidungsträger mit ihrer Methode ermitteln können, wie Verbraucher und Einzelhändler den durch die Empfehlungssysteme geschaffenen Überschuss teilen. Die vorgeschlagene Methode kann bestehende RS hinsichtlich ihrer Fähigkeiten vergleichen, um Verbrauchern dabei zu helfen, hochwertige Produkte zu entdecken und Hinweise zu Designverbesserungen zu geben.
Die Studie „Wie helfen Empfehlungen Verbrauchern bei der Suche nach Produkten? Erkenntnisse aus einem Feldversuch“ erscheint in Kürze Managementwissenschaft.