个性化推荐何时更有效？——大数据驱动的个性化推荐与消费者决策阶段

Big data driven personalized recommendations have been widely used in e-commerce to increase the purchase conversion rate and customer loyalty. However, existing research does not have a comprehensive understanding regarding the customer insights related to personalized recommendations. Some researchers find that personalized recommendations positively influence consumers’ decision satisfaction and purchase probability, while others suggest a negative impact. Based on a thorough literature study, this research proposes a framework of decision stage-dependent recommendation effectiveness, conjecturing that the effect of personalized recommendations depends on consumers’ decision stage. During the browsing stage (or screening stage), displaying personalized recommendations increases consumers’ purchase probablity, outcome statisfaction, and probability of future visits, whereas during the consideration stage (or choice stage) displaying recommendations has a negative effect on these variables. In terms of methodology, we test this research hypothesis firstly through a field experiment and a quantitative model, and we then conduct a lab experiment to examine the underlying mechnism and the boundary conditions. We also use other field experiments to check the robustness of the research findings. Distinguishing consumers’ decision stage enables us to obtain more customer insights and help people get a better understanding of the effect of personalized recommendations. The conclusions of this research project will provide empirical evidence for the big data driven personalized marketing theory and offer important guidance for the firms’ personalized marketing practice.

大数据驱动的个性化商品推荐在电子商务中被广泛用于提升购买转化率和顾客忠诚，而现有文献却对个性化商品推荐策略的顾客洞察研究得不够全面，有些学者发现个性化推荐对消费者决策满意度和购买有正向影响，而另一些学者却发现这个影响是负的。本项目在回顾文献的基础上，提出了决策阶段依赖的个性化推荐效果的研究框架，认为个性化推荐的效果因消费者决策阶段的不同而不同。在浏览阶段，个性化推荐可以提升购买可能性、结果满意度和再次访问的可能性；而在考虑阶段，个性化推荐则降低购买可能性、结果满意度和再次访问的可能性。我们首先用实地实验和定量模型检验这个核心假设，然后采用实验室实验检验心理作用机制和边界条件，最后再采用实地实验检验研究结论的稳健性。区分消费者的决策阶段可以使我们获取更多的顾客洞察，让人们对个性化推荐的作用有更深刻的认识。本项目的结论将对大数据驱动的个性化营销理论提供实证支持，并对个性化营销实践提供重要指导。

大数据驱动的个性化商品推荐在网上零售中的应用越来越普遍，几乎所有的网上商店都在采用这种形式的个性化营销策略。本项目试图探讨个性化商品推荐对消费者行为的短期和长期影响及其作用机制。个性化推荐的相关研究跨越计算机、信息系统、营销等多个学科领域，因此，本项目组首先投入大量功夫就不同领域学者开展的个性化推荐相关文献进行了系统地梳理和整合，厘清了个性化推荐的概念、分类，不同领域学者关注的研究重点及相关进展。其次，本项目采用严谨的实证研究，重点探讨了三个子课题：(1)总体层面上，在产品页面和购物车页面展示个性化商品推荐是否以及如何对消费者行为产生影响？结果发现两类推荐（尤其是产品页推荐）对消费者行为的影响主要是在长期提高顾客再次访问和忠诚，而短期内两类推荐对购买转化率的影响相对较弱；(2)在消费者个体层面上，在浏览 vs. 选择阶段展示个性化推荐是否会对消费者行为产生不同的影响？结果发现在最终选择阶段展示个性化推荐会显著增加消费者的决策困难、降低购物体验和购买可能性，而在浏览阶段展示个性化推荐对顾客购物体验和购买可能性的影响受到产品类型(搜索型 vs. 体验型)的调节；(3)在推荐展示策略层面上，不同类型的推荐标签(“基于个人偏好的推荐”vs. “基于群体偏好的推荐” vs. “基于群体购买行为的推荐”)对消费者行为产生何种不同影响？结果发现，对于象征性产品，“基于个人偏好的推荐”对消费者点击和购买行为的影响更大，而对于功能性产品，“基于群体偏好的推荐”对消费者点击和购买行为的影响更大。但“基于群体偏好的推荐”和“基于群体购买行为的推荐”没有显著差异。本项目的综述性研究成果对个性化推荐的关键概念、核心议题、发展现状和未来方向给了总括性的概览，而实证研究部分丰富和完善了个性化推荐对消费者行为的影响及作用机制的相关文献，具有较重要的创新性贡献。项目组形成的研究成果包括4篇SSCI/SCI论文，中文CSSCI论文5篇，专著1部，会议论文8篇，学术获奖1项。