Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Empirical analysis of the impact of Recommender Systems on Sales

943 views

Published on

  • Be the first to comment

  • Be the first to like this

Empirical analysis of the impact of Recommender Systems on Sales

  1. 1. Empirical Analysis of the Impact of Recommender Systems on Sales<br />PATHAK, B., GARFINKEL, R., GOPAL, R. D., VENKATESAN, R., &YIN, F. (2010). Journal of Management Information Systems ,27(2), 159–188.<br />1<br />
  2. 2. Outline<br />研究背景<br />文獻回顧<br />研究設計<br />研究假設<br />統計分析<br />研究結果<br />研究限制<br />2010/12/27<br />2<br />
  3. 3. 研究背景<br />推薦系統及消費者回饋機制均是為了減低檢索成本與不確定性。<br />網路口碑的影響<br />研究目的:了解推薦系統如何影響銷售量,分析推薦系統、價格、銷售量三者的關係。<br />2010/12/27<br />3<br />
  4. 4. 文獻回顧 (1/2)<br />推薦系統的相關研究<br />推薦準確度<br />推薦商品的驚艷性<br />推薦系統類型<br />Content-based:產品的屬性(根據過去購買記錄)<br />User-based:使用者行為<br />協同過濾(Collective Filtering)<br />Itemto item:兩個商品的相似度<br />User to user:user的品味相似度<br />2010/12/27<br />4<br />
  5. 5. 文獻回顧 (2/2)<br />三種商品屬性:<br />Search goods:購買前就能判斷品質<br />experience goods:購買後才能判斷品質<br />credence goods:購買前後都無法判斷品質<br />產品特性<br />新穎度(recency):熟悉度高<br />新奇性(obscurity)<br />2010/12/27<br />5<br />
  6. 6. 研究設計 (1/3)<br />內衍變項(endogenous variables )<br />銷售量(sales): quantity = m × rankb<br />價錢(price)<br />推薦強度(the strength of recommendation )<br />有多少人推薦?(推薦源數量)pair的數量&相關推薦源的數量<br />推薦源的重要性?(以銷售量判斷)pair的銷售量&相關推薦源的銷售量<br />2010/12/27<br />6<br />
  7. 7. 2010/12/27<br />7<br />
  8. 8. 研究設計 (2/3)<br />外衍變項(exogenous variables)<br />新穎性:過去一年內出版的為1<br />新奇性:排行榜在2500名以外的為1<br />推薦形式( item to item)<br />sponsored pairing(1):作者或出版社將書籍配對後售出,有時會搭配折扣<br />standard pairing(0):協同式過濾(CF)<br />其他競爭者價格<br />書評、評分制度<br />2010/12/27<br />8<br />
  9. 9. 研究model<br />2010/12/27<br />9<br />
  10. 10. 研究假設 (3/3)<br />H1:推薦系統會影響銷售量<br />H2: 推薦強度越高的商品,消費者會願意付出較多的金額消費<br />H3a:商品的新穎度對推薦強度有正面影響,進而影響銷售<br />H3b:商品的新奇度對推薦強度有正面影響,進而影響銷售<br />H4:sponsored pairing對推薦強度有正面影響,進而影響銷售<br />2010/12/27<br />10<br />
  11. 11. 資料蒐集 (1/2)<br />資料來源:<br />Amazon.com<br />Barnesandnoble.com<br />資料蒐集程序<br />選出樣本書籍500本<br />蒐集價錢、銷售量、書評數量等資料<br />2010/12/27<br />11<br />
  12. 12. List top 5,000 books <br />on Amazon<br />Freq: once<br />List 1<br />List books recommended by those in list 1<br />Freq: once<br />List 2<br />List 3<br />Select 500 books from list 2<br />Freq: once<br />比對<br />比對<br />List top 5,000 books <br />on BN<br />Freq: daily<br />List top 5,000 books on Amazon <br />Freq: daily<br />List 6<br />List 4<br />List 7<br />List 5<br />List books recommended by those in list 5<br />Freq: daily<br />List books recommended by those in list 4<br />Freq: daily<br />資料蒐集 (2/2)<br />2010/12/27<br />12<br />
  13. 13. 統計分析 (1/2)<br />聯立方程式<br />(1)<br />(2)<br />(3)<br />2010/12/27<br />13<br />
  14. 14. 統計分析 (2/2)<br />統計分析方法<br />F-test<br />Hausmanspecification test<br />Book specific effect─無內生性誤差<br />Time specific effect─有內生性誤差<br />三階段最小平方法(three-stage least squares ,3SLS)<br />2010/12/27<br />14<br />
  15. 15. 研究結果 (1/2)<br />推薦系統對銷售量有正面的影響,尤其是新穎度的影響<br />新穎度代表熟悉度<br />樣本不包括參考類型書籍<br />若推薦強度高,業者可以提高販售價錢<br />loss leader<br />2010/12/27<br />15<br />
  16. 16. 研究結果 (2/2)<br />推薦系統可以提昇長尾端商品的銷售<br />推薦系統對交叉銷售有正面影響,使用者願意付出更多購買。<br />配對的商品都是暢銷商品<br />折扣<br />2010/12/27<br />16<br />
  17. 17. 研究限制<br />平台僅使用Amazon<br />僅限於體驗性商品<br />Amazon的排名方式可能有改變<br />2010/12/27<br />17<br />

×