Dans le monde en ligne d’aujourd’hui, des tiers collectent et stockent vos données de navigation à des rythmes effarants. Les tiers bénéficient grandement de ces informations, mais obtenez-vous des retours équitables en partageant vos données en ligne ?
Une nouvelle recherche du professeur Anuj Kumar Matherly de l’Université de Floride et de Xiang (Shawn) Wan de l’Université de Santa Clara a proposé une nouvelle méthode pour mesurer la valeur que les consommateurs obtiennent des systèmes de recommandation de produits (RS), l’un des outils en ligne les plus importants utilisant les données des consommateurs. .
Bien que de nombreuses études aient établi que RS profite aux détaillants en augmentant les ventes, ses avantages pour les consommateurs ne sont pas clairs.
Vraisemblablement, les algorithmes RS sont conçus pour aider les consommateurs à trouver des produits qui leur offrent une valeur plus élevée parmi de nombreux choix. Les consommateurs peuvent apprécier un produit en raison de sa qualité supérieure (comme un meilleur matériau et un meilleur savoir-faire), d’un prix inférieur (pour une qualité donnée) ou d’une meilleure adéquation avec leurs goûts (comme leur choix de couleur). Cependant, la valeur qu’un consommateur accorde à un produit n’est connue que de lui et n’est pas observée par les autres.
Par exemple, imaginez que vous recherchez un haut pour femme sur le site Web de Macy’s. Après recherche, vous avez acheté un haut ajusté à col en V rouge que vous avez trouvé de manière biologique (sans RS) et un haut à col marron avec une coupe ample que vous avez trouvé avec RS. Les valeurs relatives des deux sommets ne sont connues que de vous. Peut-être avez-vous préféré la couleur marron au rouge ou la coupe ample plus que la coupe ajustée. Ou vous avez attaché une valeur plus élevée (qualité supérieure) à la marque/concepteur du haut marron qu’au haut rouge. Cependant, ces faits n’étaient pas évidents pour le détaillant en ligne.
La différence de désirabilité (valeur) des produits que vous avez trouvés avec et sans RS est la vraie valeur du RS. Cependant, puisque personne n’observe la valeur que vous retirez de ces produits, mesurer la valeur de RS pour les consommateurs est un défi.
Kumar et Wan, avec Xitong Li à HEC Paris, proposent une nouvelle méthode de mesure de la valeur du RS pour les consommateurs à partir des scores de similarité entre les produits (appelés scores d’affinité) calculés par les algorithmes RS dans un article de recherche à paraître dans Science du managementintitulé « Comment les recommandations aident-elles les consommateurs à rechercher des produits ? Preuves issues d’une expérience sur le terrain. »
« En moyenne, les consommateurs achètent des recommandations avec des scores d’affinité plus élevés avec le produit qu’ils explorent. Ainsi, les scores d’affinité des produits recommandés mesurent leur valeur relative pour les consommateurs », a expliqué Kumar.
Kumar et ses co-auteurs exploitent cette idée dans une étude randomisée à grande échelle sur le site Web d’un détaillant américain de vêtements et d’articles pour la maison, explorant des millions de produits de consommation sur neuf semaines. Ils ont collecté des données uniques sur les scores d’affinité calculés par un algorithme de filtrage collaboratif basé sur des éléments pour développer des mesures de la valeur nette d’un produit et de son goût adapté aux consommateurs.
Dans cette recherche, Kumar et ses co-auteurs montrent que les consommateurs sont plus susceptibles d’acheter sous RS car cela les aide à trouver des produits de plus grande valeur, soit moins chers, soit mieux adaptés à leurs goûts, soit les deux. Ils ont constaté que l’avantage du RS était plus élevé pour les catégories de produits présentant de fortes dispersions de prix et des hétérogénéités de goûts des consommateurs. En outre, l’équipe de recherche a constaté que les consommateurs préféraient utiliser RS plutôt que d’autres outils de recherche sur le site Web dans les données, peut-être parce qu’ils trouvaient RS précieux.
Kumar affirme que les décideurs politiques peuvent utiliser leur méthode pour déterminer comment les consommateurs et les détaillants partagent le surplus créé par les systèmes de recommandations. La méthode proposée peut comparer les RS existants dans leur capacité à aider les consommateurs à découvrir des produits de grande valeur et à offrir des conseils sur les améliorations de conception.
L’étude intitulée « Comment les recommandations aident-elles les consommateurs à rechercher des produits ? Preuves issues d’une expérience sur le terrain » sera publiée dans Science du management.