Ajánlómotorok duruzsolnak lágyan a fülünkbe különböző website-ok és mobilappok motorházteteje alól, mi pedig egyre nagyobb odaadással hallgatunk rájuk, hiszen milyen jól kiszolgálják az ízlésünket! Tudják, hogy milyen könyveket, filmeket, zenéket, vagy randitársat szeretünk. És ez milyen kényelmes mindenkinek! A vásárlók irgalmatlan sok időt és energiát spórolnak azzal, ha nem kell végignyálazniuk a digitális piacterek végtelen kínálatát, a kereskedők pedig azáltal, hogy nagyszerű élményeket biztosítanak a vásárlóiknak, rendületlenül építik az elköteleződést a termékeik és márkájuk iránt, miközben növelik az eladásaikat.
Azonban, csakúgy mint sok másik új technológia, a digitális ajánlások szintén előre nem látott következményekkel járhatnak. Öt amerikai kutató nemrégiben publikált egy kutatást, amiben bizonyítják, hogy az ajánlórendszerek nem csak visszatükrözik a vásárlási szokásainkat és döntéseinket, hanem alakítják is azokat. A kettő között pedig nem csak árnyalatnyi különbség van, az ajánlórendszerek előre nem látható módon torzíthatják az eladásokat közvetlenül a webáruházak kasszáinál, és akár manipulált tartalomfogyasztás által közvetett módon is.
Vásárlói döntések zsúfolt piactereken
Az e-kereskedelem drámaian hatott a vásárlási szokásokra. A kőboltos üzleti modell fizikai korlátaitól mentesülve a kereskedők végtelen kínálattal érhetnek el bárkit online, és nem csak népszerű termékekkel vagy szolgáltatásokkal, hanem nagyon specializált szűk rétegeket is megcélozva. Nem csak a széna lett több, hanem a tű is. A fogyasztók sokkal szélesebb kínálattal szembesülnek és emiatt több figyelmet kell fordítaniuk arra, hogy végül mire költik el a pénzüket.
A tapasztalat-, vagy ízlés alapú termékek, mint amilyenek a könyvek, a filmek, vagy a zene, nagyon összetett dolgok. A vásárlóknak időt kell rászánniuk arra, hogy az ilyen fajta jószágok közül kiismerjék, hogy melyik az, ami tetszik nekik. Mindegy, hogy ezek drága vagy olcsó dolgok, előfizetünk rájuk, vagy csak alkalmanként vásároljuk meg őket, időbe telik, hogy kitaláljuk melyik az értékes a számunkra. És ez olyan idő, amit nem kapunk vissza, nem tudjuk nem megnézetté, nem meghallgatottá, nem elolvasottá tenni őket, ha nem tetszenek. Ilyen viszonyok között, ha egy okos algoritmus hatékony egyénre szabott ajánlásokat ad, az óriási előnyökkel jár. Az Amazon oldalmegtekintéseinek 30%-a ajánlásokból származik, az előfizetői által fogyasztott tartalom 80%-át egyénre szabott ajánlások útján kínálja a Netflix, 40 millió Spotify hallgató számára elérhető az “E heti kaland” nevű ajánlómodul, amivel a több, mint 8000 zenész számait juttatják el a hallgatóik feléhez.
Több, mint csak egy ajánlás
A fogyasztók számára egy ajánlórendszer működése elég könnyen felfogható: a böngészési előzményei, és az általa beállított preferenciák alapján a rendszer új lehetőségeket ajánl a számára, a neki várhatóan leginkább tetsző ajánlatokat. Ilyen a Netflixen a “Hasonló filmek, amik tetszhetnek”, az Amazonon az “Akik megnézték ezt a terméket, ezt is megnézték”.
Azonban a szóban forgó kutatás bizonyítja, hogy ezek a személyre szabott ajánlások nem csupán új termékeket mutatnak meg, hanem befolyásolják a vásárlók jövőbeli viselkedését és döntéseit. A kutatók a zenét választották ahhoz, hogy megvizsgálják, miként befolyásolják a fizetési hajlandóságot az ajánlások egy tapasztalat alapú fogyasztási terméknél.
A zeneipart teljesen felforgatta a Spotify és az Apple Music, a digitális vásárlási csatornák jelenleg az amerikai zenei piac 80-%-át adják. A csatornától függetlenül a zenefogyasztásnál az algoritmusok és ajánlómotorok nagy értékkel bírnak ismeretlen zeneszámok felfedezésénél, amik potenciálisan tetszhetnek a hallgatóknak.
A kutatás
Az öt kutató 169 aktív zenefogyasztóval végezte el laboratóriumi körülmények között a kutatását. 3 különböző kísérletet hajtottak végre, és azok eredményeit hasonlították össze.
Az első kísérletben a résztvevők számokat hallgattak meg, majd döntöttek, hogy hajlandóak volnának-e fizetni értük. A kutatók egy 1-től 5 csillagig terjedő skálán véletlenszerűen adtak értékeléseket a meghallgatott számok végén felbukkanó ajánlott zeneszámokhoz. A résztvevők, ha szerettek volna, belehallgathattak az ajánlott számokba, hogy csökkentsék a bizonytalanságukat az ismeretlen zenével kapcsolatban. Az ajánlások nagymértékben alakították a fizetési hajlandóságot: ha egy szám 1 csillaggal többet kapott a véletlenszerű értékeléskor, mint annak előtte, akkor az adott számért átlagosan 12-17%-kal voltak hajlandóak többet fizetni azok, akik az 1 csillaggal jobb értékelést látták. A véletlenszerű ajánlásnak ráadásul semmi köze nem volt a résztvevők preferenciáihoz, egyáltalán nem úgy működött az ajánlórendszer, ahogy az általában szokott.
A második kísérletben egy sok helyen használt, nagyon jól megírt ajánló algoritmust vetettek be, viszont manipulálták az algoritmust, hogy hibásan adjon értékelést a számokról – a hiba mértéke a valós ajánlás értékéhez képest plusz/mínusz 1,5 csillag volt. Az eredmény itt is számottevő volt: átlagosan 10-13%-kal nőtt meg a fizetési hajlandóság adott zeneszámokért, ha azok 1 csillaggal többet kaptak.
Az első két kísérletben 30 számnál lehetett belehallgatni a zenébe, mielőtt a résztvevők eldöntötték, hogy hajlandók lennének-e fizetni értük, viszont nem volt kötelező tényleg belehallgatni a zenékbe a vásárlási döntés előtt. Nem meglepő módon tehát az ajánlásnak hatása van a fizetési hajlandóságra, főleg, ha a vevők számára ismeretlen termékekről van szó – ami végül is az ajánlórendszerek lényege.
A harmadik kísérletben ezért a résztvevőket megkérték, hogy hallgassanak bele az összes számba, mielőtt eldöntik, hogy melyik számért hajlandóak fizetni. A számokhoz újfent véletlenszerűen rendeltek értékelést és résztvevőnként váltogatták azokat. A hatás ismét számottevő volt: 8-12%-kal megnőtt a fizetési hajlandóság egy számnál, ha az 1 csillaggal többet kapott, mint annak előtte. Tehát a jobb értékeléssel rendelkező ajánlott termékekért akkor is többet vagyunk hajlandóak fizetni, ha már ismerjük azokat a vásárlás előtt.
Következmények a vásárlók és kereskedő számára
Az ajánlórendszereknek sötét oldala is létezik. A vásárlók döntéseit az ajánlások egyértelműen befolyásolják, anélkül, hogy észrevennék azt. A kevésbé etikus kereskedők pedig nem valószínű, hogy ellen tudnak állni a sötét oldal csábításának, amikor manipulált ajánlások révén növelhetik az eladásaikat. A manipuláció azonban a vásárlók elégedetlenségéhez vezet, és ami még rosszabb, az egyszeri elégedetlenségen túli hatásai is vannak a fogyasztók bizalmával való visszaélésnek, az ilyen módon megfertőzött rendszerek folyamatosan torzított eredményeket adnak vissza, visszafordíthatatlanul elromlanak.
Remélem ezzel a cikkel sikerül elérnünk, hogy az egyszeri többletbevétel ne legyen annyira csábító, hogy a kereskedők maguk alatt vágják ki a fát. Az ajánlórendszerek fejlesztőinek javasoljuk, hogy folyamatosan finomítsák és hibamentesítsék az algoritmusaikat, és emellett nem árt, ha a felhasználói felületeket is jobbá teszik. Természetesen a folyamatos emberi ellenőrzés is segít abban, hogy ne rontsunk el egy nagyszerű dolgot, ami tényleg minden félnek a segítségére lehet, ha etikusan használjuk azt.
