A medida que más personas se conectan para comprar, comprender cómo se basan en los sistemas de recomendación de comercio electrónico para realizar compras es cada vez más importante. Los investigadores de Penn State ahora sugieren que no es solo lo que se recomienda, pero cómo y por qué se recomienda que ayuda a moldear las opiniones de los consumidores.

En un estudio, los investigadores investigaron cómo reaccionaban las personas a dos sistemas de recomendación de productos. El primer sistema generó recomendaciones basadas en compras anteriores del usuario, a menudo denominadas sistemas de recomendación basados ​​en contenido. El segundo proporcionó recomendaciones basadas en lo que compraron otras personas, llamados sistemas de recomendación colaborativa.

Los investigadores, que informan sus hallazgos en el Revista de publicidad , descubrió que las personas a las que les gusta pensar y resolver problemas por sí mismas (un tipo de personalidad que los investigadores describen como "alta necesidad de cognición") encuentran recomendaciones basadas en el contenido más persuasivas. Sin embargo, aquellos que tienen poca necesidad de cognición están más persuadidos por los sistemas de recomendación colaborativa, lo que puede servir como una señal de que otros compradores ya han examinado el producto por ellos.

La naturaleza del sistema de recomendación y su grado de confianza a la hora de sugerir los productos adecuados pueden ser muy importantes para orientar a las personas a la hora de realizar compras online. dijo S. Shyam Sundar, James P. Jimirro Catedrático de Efectos en los Medios de la Facultad de Comunicaciones Donald P. Bellisario y codirector del Laboratorio de Investigación de Efectos en los Medios.

"En la era anterior a Internet, antes de la inteligencia artificial, le preguntaríamos a otra persona en un cóctel, 'Escuché que fuiste a Italia, me puedes dar algunas recomendaciones Voy allí el mes que viene, 'como una forma de recopilar información para tomar nuestras decisiones, "dijo Sundar, quien también es afiliado del Instituto de Ciencias Computacionales y de Datos de Penn State. "Ahora, nos conectamos y podemos acceder a la información de casi todos los que viajaron a Italia el mes pasado, no solo el amigo con el que te encontraste en el cóctel. Ahora puede obtener esa información sobre la experiencia colectiva de otros, así como también cómo encaja con sus propios antecedentes y viajes anteriores ".

Según Mengqi Liao, estudiante de doctorado en comunicación de masas y primer autor del artículo, un sutil "efecto trenzado" puede estar persuadiendo a la gente.

"Desde la perspectiva de un laico, es posible que no sepamos que en realidad se trata de dos sistemas de recomendación diferentes, ", dijo Liao." Un sistema podría decirle al cliente que la recomendación se basa en lo que compró antes. Pero el sistema de recomendación colaborativa transmite que muchas otras personas compraron este producto, lo que agrega otra capa de atractivo persuasivo ".

Los investigadores también encontraron que la efectividad de los sistemas de recomendación estaba ligada al tipo de producto que recomendaba el sistema. Al tomar decisiones sobre experiencias, como películas, destino de viaje y comida, los consumidores con una alta necesidad cognitiva tenían más probabilidades de responder a la información sobre la medida en que el producto recomendado refleja sus preferencias personales, expresadas en términos de coincidencia porcentual de productos recomendados por sistemas de filtrado basados ​​en contenido.

Sin embargo, los consumidores con poca necesidad de cognición prefirieron el filtrado colaborativo porque estaban más persuadidos por el porcentaje de otras personas que compraron el artículo recomendado, lo que también promovió sus intenciones de comprar el artículo.

Estas diferencias no se encontraron en las recomendaciones de "productos de búsqueda, "información sobre la cual se puede obtener mediante búsquedas en línea. Ambos tipos de personalidad prefieren sistemas de recomendación colaborativa.

"Puede pensar en ello como una especie de subcontratación cognitiva, ", dijo Sundar." Un cliente puede ver el anuncio de un reloj inteligente, por ejemplo, y ver las características pero piensa, 'No voy a hacer el trabajo duro de examinar todos los detalles y llegar a una conclusión de cuál es mejor, Simplemente subcontrataré esto a otros '. Si dicen que es un buen reloj inteligente, luego lo comprarán ".

Según Liao, la mayor parte de la investigación sobre sistemas de recomendación se centra en optimizar las sugerencias de estos sistemas. Estos hallazgos sugieren que los desarrolladores pueden necesitar considerar otros factores, como tipos de personalidad y tipos de productos, para mejorar la experiencia del usuario de sus sistemas, en lugar de centrarse únicamente en la precisión de las sugerencias de su algoritmo.

"Mucho puede depender de cómo los usuarios reciban la información sobre las recomendaciones proporcionadas por los sistemas, ", dijo Liao." Es importante por qué estos sistemas brindan recomendaciones para productos y experiencias ".

Los investigadores reclutaron a 469 personas en un sitio de microtareas de colaboración colectiva para el estudio y las asignaron al azar a un sitio web experimental que utilizaba un algoritmo colaborativo o de filtrado de contenido.

Para sistemas colaborativos, los investigadores usaron un rango de porcentaje para indicar cuántas personas similares usaron el producto recomendado (o porcentaje de coincidencia) y sirvieron como una señal para el efecto de la cadena. Para sistemas basados ​​en contenido, Se utilizaron los mismos números porcentuales para sugerir hasta qué punto el producto recomendado coincidía con las características personales del consumidor en función de su perfil de usuario. Había tres niveles de indicadores de coincidencia porcentual:bajo, medio y alto.

Al probar los dos tipos diferentes de productos, búsqueda y experiencia, los investigadores utilizaron una recomendación de reloj inteligente como ejemplo de un producto de búsqueda y una recomendación de destino turístico para explorar las reacciones de los participantes a los productos de la experiencia.

Antes de navegar por el sitio de comercio electrónico, Todos los participantes respondieron a una serie de preguntas para determinar si tenían una gran necesidad de cognición, o baja necesidad de cognición, tipos de personalidad.

Debido a que los investigadores solo probaron dos productos y dos sistemas de recomendación comunes, las investigaciones futuras podrían examinar los efectos psicológicos de otros sistemas e investigar otros tipos de productos. Los investigadores dijeron que esto podría ayudar a verificar la validez de sus hallazgos.