Journal of Marketing 5 2012 CAN AUTOMATED GROUP

Journal of Marketing #5, 2012 CAN AUTOMATED GROUP RECOMMENDER SYSTEMS HELP CONSUMERS MAKE BETTER CHOICES? Может ли автоматизированная система групповых рекомендаций помочь потребителю сделать лучший выбор? Thorsten Hennig-Thurau, Andre Marchand, & Paul Marx Докладчики: Голубева Дарья, гр. 621 Соловьева Екатерина, гр. 621 Юнда Ирина, гр. 621

ПРОБЛЕМА ИССЛЕДОВАНИЯ Сложная задача выбора лучшего гедонистического продукта из множества возможных вариантов Автоматизированные системы групповых рекомендаций призваны облегчить процесс выбора, разрабатывая персональные рекомендации, основываясь на прошлом опыте и предпочтениях потребителя Ранее автоматические системы групповых рекомендаций основывались исключительно на индивидуальных предпочтениях, игнорируя групповое потребление Цель статьи – исследовать силу влияние автоматизированных систем групповых рекомендаций, которые учитывают мнения всех членов группы Задача статьи - разработать теоретические основы эффектов групповых рекомендаций и измерить их с помощью проведения экспериментов

ОБЗОР ЛИТЕРАТУРЫ Исследования автоматизированных систем рекомендаций для индивидуальных потребителей Исследования в области автоматизированных систем групповых рекомендаций • Все предыдущие исследования фокусировались на разработке алгоритмов, предсказывающих поведение потребителей с минимальными ошибками • Эконометрические модели группового принятия решений • Нормативные и предписывающие теории • Члены группы принимают совместное решение с помощью субгруппы, выступающей агентом, подсказывающим правильное решение всей группе. • Была создана компьютерная модель групповых рекомендателей

ВЫВОД Никаких систематических усилий не было направлено на разработку оценки эффективности автоматизированных систем групповых рекомендаций Остается неясно, как мнение разных членов группы в форме автоматизированной системы принятия решений влияет на выбор потребителя

МЕТОДЫ Концептуальная основа Рекомендации группы Качество социальной группы Групповая оценка Персональные рекомендации Без рекомендаций Оценка агента Намерение использовать рекомендации Оценка партнёра

МЕТОДЫ Тестирование гипотез В исследовании тестировались 4 гипотезы: H 1 Автоматизированная система групповых рекомендаций более ценна для участника, чем персональная рекомендация. H 2 Выбор продукта, сделанный с возможностью доступа к системе групповых рекомендаций в результате оценивается выше чем без доступа к системе. H 3 Групповые рекомендации более эффективны, когда социальные отношения в группе выше. H 4 Групповые рекомендации более эффективным, когда высоко намерение респондента его использовать.

ЭКСПЕРИМЕНТ 1 Выбор при наличии групповой оценки, оценки критиков, и спрогнозированной оценки респондента (согласно предыдущему опыту его оценок) Выбор при наличии спрогнозированной оценки респондента, оценки его партнёра, средняя совместная оценка.

ЭКСПЕРИМЕНТ 2. ТРЕТЬЕ УСЛОВИЕ. Во время второго эксперимента была также выделена третья группа, в которой не предлагались никакие оценки и выбор был полностью свободным.

ДАННЫЕ В ходе 1 эксперимента была подтверждена H 1 во всех частях, а в ходе 2 эксперимента была отклонена H 2 и подтверждены Н 3 и. Н 4.

ДЕРЕВО РЕШЕНИЙ ДЛЯ СИСТЕМ РЕКОМЕНДАЦИЙ Намерение использовать рекомендацию Нет рекомендаций Да Нет Групповое потребление Персональные рекомендации Да Не все члены группы в базе Имена членов группы и определение качества социальных отношений Все члены группы в базе Качество социальных отношений Высокое Групповые рекомендации (фокус на компромиссе) Нет Добавление потерянных членов группы в базу и определение качество отношений Да Низкое Альтернативные групповые рекомендации (фокус на оценке агента)

ВЫВОДЫ Автоматизированные системы группового принятия решений: Помогают потребителю в случае сильных социальных связей внутри группы Могут составить рекомендации для любого члена группы с помощью дерева решений Групповые рекомендации становятся эффективнее, когда потребитель намерен их использовать