第1期： 不同还是相同？推荐系统影响移动和PC渠道消费者行为的现场实验

Posted 2021-05-01 数字经济工作室

随着电商特别是移动电商的高速发展，网上商品类型越来越丰富，数量越来越多，出现信息过载现象。为此，众多平台在PC端和移动端广泛使用推荐系统为消费者主动推送商品。

那么推荐系统对移动和PC渠道的消费者行为有不同的影响吗？小编带你走进本期文献：

 Different but Equal? A Field Experiment on the Impact of Recommendation Systems on Mobile and Personal Computer Channels in Retail. Information Systems Research.  (2020)

文献速读

作者通过与韩国相关公司和零售商进行合作，在电商平台移动和pc端的目标网页上向消费者显示协同过滤算法产生的推荐结果。通过实验方法，分析推荐系统对移动和PC渠道消费者行为的影响。

研究结果表示：通过随机现场试验，推荐系统确实能够带来更高的销售量，推荐系统的使用为我们的合作零售商贡献了760万美元的增量收入，而对于移动用户来说，这些影响尤为显著。移动用户对于推荐的反应更快，能够浏览更多产品，从而提高了点击率和转换率。这也验证了移动渠道在零售领域的主导地位的预测和推荐系统的作用。推荐系统能增强个人购买多样性，但不会增加整体销售多样性。

正

文

本研究位于三个研究的交叉点

1.移动和pc端在零售上的差异

就时间和空间而言，移动渠道对用户施加较少的约束。相对于传统的PC渠道，移动渠道的便利性有助于增加在线产品的观看次数以及销售额的增长。由于物理限制（例如屏幕尺寸小，可用性级别低以及无线网络访问问题），移动设备的限制，小屏幕尺寸和移动设备的信息结构会对用户的效率产生负面影响，这些限制导致与阅读，查看和评估任务相关的搜索活动的成本增加。

2.推荐系统在零售中的作用

推荐系统被定义为“能够引起个人消费者对产品的兴趣或偏好并做出相应建议的系统‘’

它们通过三种特定的机制影响消费者的决策-降低搜索成本，触发召回和检索过程以及移动设备的无处不在。具体来说，他们帮助消费者初步筛选替代品，便于消费者对筛选出来的商品进行深入比较。

3.推荐系统对市场水平上的销售多样性的影响

推荐系统所增加的销售多样性使消费者可以获得更理想的产品组合，同时还确保平台上的大多数产品都具有一定的购买可能性。电子商务环境中的推荐系统与利基产品销售的增长相关，从而增强了销售的多样性。另一方面推荐系统可以增加个人级别的多样性，但会降低集合体的多样性。

现场试验：

当消费者在实验期开始时访问⽹站时，根据PCID是奇数还是偶数，将消费者随机分配到实验组（带有推荐⾯板）或对照组。 实验组（偶数PCID）中，在⻚⾯上会向消费者显示最新协作过滤推荐⾯板。 推荐⾯板显示最近查看过的项⽬以及通过协作过滤算法产生的一系列的推荐商品。对照组的消费者在其⽬标⻚⾯上看不到推荐商品，⽽是在零售⽹站上显示⼀组通⽤的畅销商品。

实验时间：三天

样本总数 ：18196 。实验组9068（49.8%）对照组9128（50.2%）

有效样本：11,623个纯移动⽤户和2,567个纯PC⽤户 ，另有546个⽤户被归类为多渠道⽤户，因为他们同时使⽤PC和移动设备访问内容，这些⽤户被排除在分析之外。 最后，3,460位⽤户似乎在实验前后变换渠道，因此也排除。

浏览量⽅⾯：推荐系统对两个渠道的影响都是积极的和显著的。 但是，对于移动渠道的效果要⼤得多。推荐系统的存在会给移动频道带来更多的浏览量。移动设备提供的⽆处不在和便捷的访问有助于解释为什么移动⽤户在零售平台上的产品浏览⽅⾯更加活跃。

产品销售⽅⾯：我们看到两个渠道之间形成了鲜明的对⽐。 第（3）和（4）栏的结果表明，推荐系统对推荐产品的销售影响显著，并且对移动⽤户具有积极意义，但没有明显地影响基于PC的⽤户。

产品销售数量方面：第（5）和（6）列中，我们也看到推荐产品购买数量（销售数量）的⼀致结果：对基于移动设备用户有积极影响但不适⽤于基于PC的用户。我们的经验结果表明，相对于基于PC的用户，推荐系统会对移动用户的⾏为产⽣积极影响。

研究推荐系统如何影响最受欢迎的产品（相对于不太受欢迎的利基产品）的销售。将产品分成四分位数。评估每个四分位数中产品的单独负⼆项式回归，并以销售量为因变量。

考虑基于产品价格，推荐系统是否会引导用户在两个渠道中平均查看和购买更便宜或更贵的产品？

1.⾸先：整理的数据集中在预处理和后处理期间⾄少购买了⼀次的产品。

2.然后，按价格对列表进⾏排序（从最贵到最便宜）。确定了最⾼四分位和最低四分位内的产品。

结果显示：相对于较便宜的商品，推荐系统对较昂贵的商品的边际效应更⾼，从⽽导致更⾼的观看次数和销售量。

因为昂贵的产品更有可能需要进⼀步的认知处理，并且搜索和交易成本更⾼，所以与便宜的产品相⽐，推荐系统对这些产品更有效。

我们还发现推荐系统对相对昂贵的推荐产品的销售影响很⼤，对移动⽤户的影响积极且显著（β= 1.977，p <0.01）

对基于移动设备的⽤户的低价商品的销售有积极影响（β= 1.203，p <0.05）

我们还研究了推荐系统的功效是否对零售平台的活跃用户更好，相对于那些不太参与该平台的用户。我们首先考虑在预处理阶段被观察到的活跃的用户，并按照预处理阶段被观察到的他们浏览的产品总数对他们进行排序。同样的我们选择那些位于顶部和底部四分位数的用户

推荐系统应该能够为活动⽤户提供更准确的推荐，因为他们的搜索和查看⾏为为推荐系统提供了更多数据，以供他们选择合适的产品进⾏推荐。有趣的是，推荐系统对⾼活跃⽤户和低活跃⽤户的推荐产品浏览量都产⽣了积极的影响，显示了推荐系统能够帮助各种⽤户发现产品，塑造需求。

结果显示：对于受欢迎的产品（即前25％的四分位产品），推荐系统在两个渠道中的存在都会对销售产⽣积极影响（β= 1.531，p <0.05）。同样，对于最低25％的四分位数的产品（即利基产品），该系统可带来更⼤的销售额（β= 1.544，p <0.05）。

总⽽⾔之，在推荐系统作⽤下的销售额和销售数量都有所增加，但对整体销售多样性的影响却很⼩。

应用前景

1.在线上零售中，商家如何根据这些不同影响合理配置不同渠道的资源，达到利益最大化。

2.除了在移动设备方面，推荐系统在包括线上线下的其他渠道方面对消费者的影响还需要大量的研究工作，需要进一步研究渠道之间的相互关系，以了解零售商如何跨渠道实现最佳运营。

原文信息

文献：Different but Equal? A Field Experiment on the Impact of Recommendation Systems on Mobile and Personal Computer Channels in Retail. DongwonLee, Anandasivam Gopal,Sung-Hyuk Park. Information Systems Research（2020）

原文链接：

https://pubsonline.informs./org/doi/10.1287/

分享人信息

  吴嘉雯（海南大学管理学院硕士研究生）

数字经济工作室

关注我们

编辑 |吴嘉雯

图片 | 原文、Pixabay

审阅 | 许立扬、程芳