Investigadores de la Universidad Erasmus publicaron un nuevo artículo en el Diario de marketing que explora las recomendaciones en línea y su efectividad, proporcionando a los especialistas en marketing herramientas para maximizar esta importante herramienta de participación.
El estudio, de próxima publicación en la edición de noviembre de la Diario de marketing , se titula "Hacer recomendaciones más efectivas a través de marcos: Impactos de marcos basados en elementos versus usuarios en clics de recomendaciones" y está escrito por Phyliss Jia Gai y Anne-Kathrin Klesse.
Las recomendaciones basadas en algoritmos están en todas partes. Imagina que estás buscando artículos de noticias en el sitio web de The New York Times. Ves un artículo en la sección "Ciencia", lo encuentras interesante, haz clic en el título y comienza a leer. Una vez queAl finalizar el artículo, la página web genera automáticamente otras recomendaciones de artículos para que usted extienda su compromiso con el contenido de la plataforma. Las recomendaciones están marcadas con el lema: "Más en ciencia", la sección que ya ha estado leyendo.
Si bien la mayoría de las compañías proporcionan explicaciones de por qué los clientes reciben recomendaciones, difieren en las estrategias específicas que adoptan. Algunas compañías, como el mencionado The New York Times, enfatizan que las recomendaciones se basan en elementos: es decir, se basan en atributos comunesen todos los productos por ejemplo, "Más en la ciencia" de The New York Times y "Similar a [lo que ha escuchado]" de Spotify. En contraste, otras compañías destacan que sus recomendaciones están basadas en el usuario al centrarse en la superposiciónen las preferencias del cliente p. ej., "Los clientes que vieron este artículo también vieron ..." de Amazon y "Los clientes también vieron ..." de Netflix. Es importante destacar que las empresas pueden explicar la misma recomendación ya sea basada en el artículo o en el usuario, porque los sistemas de recomendación actuales adoptan con frecuencia un enfoque híbrido que tiene en cuenta los atributos comunes entre los productos y las preferencias comunes entre los clientes.
El estudio investiga cuál de las dos explicaciones en adelante, marcos basados en elementos y basados en el usuario es más eficaz para activar los clics en una recomendación. El equipo de investigación sugiere que los marcos basados en elementos y basados en el usuario difieren en términosde la información que proporcionan a los clientes sobre cómo se hace una recomendación. Ambos marcos le dicen a los clientes que la recomendación se basa en una coincidencia de producto del elemento focal en el que los clientes han mostrado interés en el elemento recomendado: el marco basado en elementos coincide con los productos por susatributos, mientras que el encuadre basado en el usuario coincide con los productos de sus consumidores. Críticamente, el encuadre basado en el usuario también sugiere a los clientes que la recomendación se basa en la coincidencia de sabores entre los usuarios que compartieron interesados en el elemento central., el encuadre basado en el usuario sirve como una especie de "doble garantía" para los clientes que gustan del producto recomendado.
Para probar si el encuadre basado en el usuario supera el encuadre basado en elementos en términos de clics de recomendación, los investigadores realizaron dos estudios de campo dentro de WeChat, la principal aplicación de redes sociales en China. Colaboraron con una compañía de medios que publica artículos de divulgación científica.y resúmenes de investigaciones académicas sobre WeChat e incrustaron un par de recomendaciones al final del artículo focal de cada día. Un artículo se recomendó usando un marco basado en el usuario y el otro usando un marco basado en elementos. Gai explica que "En ambos estudios, el usuarioel encuadre basado en datos aumentó las tasas de clics de artículos recomendados en comparación con el encuadre basado en artículos. Cuando se les preguntó sobre su comprensión de los dos encuadres, los suscriptores respondieron que ven que ambos sugieren la coincidencia de productos como base para las recomendaciones, pero ese encuadre basado en el usuariotambién señala la coincidencia de gustos. Esto confirma que el encuadre basado en el usuario proporciona información adicional ".
"Sin embargo, los clientes no siempre ven la combinación de sabores como exitosa", agrega Klesse. "Cuando la combinación de sabores se percibe como inexacta, el encuadre basado en el usuario ya no es más ventajoso que el encuadre basado en artículos o incluso se vuelve desventajoso". Un factor críticolo que contribuye al éxito percibido de la combinación de gustos es la cantidad de experiencia que los clientes ya han acumulado dentro de un dominio de consumo. Las personas más experimentadas tienden a ver sus propios gustos como idiosincráticos. Como resultado, les resulta más difícil creer que sus gustos pueden sercoincide exactamente con los gustos de otras personas en función de un elemento focal único. Otro factor crítico es la presencia de los perfiles de otros usuarios. Las empresas a veces muestran la información de otros usuarios que están interesados en la recomendación, pero esta información es contraproducente cuando indica a los clientes queson diferentes de otros usuarios. Las señales de disimilitud, como la edad y el género, hacen que las personas infieran que sus gustos difieren de los demáser usuarios y llevar a los clientes a evitar las recomendaciones basadas en el usuario.
Estos nuevos hallazgos tienen relevancia para las empresas que usan recomendaciones de productos. La investigación sugiere que la explicación es importante por qué los clientes ven una recomendación. Es importante destacar que adaptar la explicación para una recomendación tiene un costo casi nulo y, por lo tanto, constituye una herramienta eficaz quepuede ayudar a las empresas a maximizar el rendimiento de los sistemas de recomendación. Es importante destacar que el estudio destaca situaciones en las que el encuadre basado en el usuario es más efectivo que el encuadre basado en elementos y en qué situaciones se vuelve desventajoso.recomendaciones para diferentes clientes y productos y, por lo tanto, aumentar las tasas de clics.
Fuente de la historia :
Materiales proporcionado por Asociación Americana de Marketing . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :