Impact of Recommendation Agents on Consumer Evaluation and Choice: The Moderating Role of Category Risk, Product Complexity, and Consumer Knowledge

Author(s) : Swaminathan Vanitha

L’auteur étudie l’influence du niveau risque lié à la catégorie de produit, niveau de complexité du produit, et du niveau d’expertise du consommateur sur la catégorie de produit sur l’intensité des recherches et la qualité de la décision du consommateur lorsque celui-ci utilise un système de recommandations.

 

L’étude montre que le niveau de risqué lié à la catégorie de produit augmente l’impact positif du système de recommandation sur la qualité de la décision du consommateur. L’une des stratégies pour réduire les risques perçus est la recherche d’informations, hors trop d’informations détériore la qualité de la décision du consommateur. Par conséquent, les vendeurs de produits couteux ont intérêt à installer des systèmes de recommandations pour aider le consommateur à prendre sa décision.

 

L’étude montre aussi que le niveau de complexité du produit augmente l’impact positif du système de recommandations sur l’intensité des recherches. Afin de réduire encore l’intensité des recherches pour un produit complexe, les systèmes de recommandations peuvent demander au consommateur les critères les plus importants, ce qui permet de réduire le nombre d’options et donc la qualité de la décision du consommateur

 

The cost of thinking

Author(s) : Shugan Steven M.

L’auteur propose un modèle pour quantifier le coût de traitement de l’information (thinking costs) lorsque le consommateur doit faire un choix parmi plusieurs produits. Puis il compare les couts de traitement de l’information induits par le fait d’utiliser des règles pour simplifier le processus de décision. Ces règles sont supposés permettre de limiter les coûts de traitement de l’information en permettant au consommateur non pas de faire le meilleur choix mais de faire le choix le plus satisfaisant compte tenu des couts de traitement de l’information.

On distingue 4 règles de simplifications du processus de décision :

·         Conjonctif : le premier produit qui vérifie un niveau minimum sur toutes les caractéristiques

·         Disjonctif / maximax : le produit qui a le plus haut niveau sur ses meilleures caractéristiques

·         Minimax : le produit qui a le plus haut niveau sur ses plus mauvaises caractéristiques

·         Lexicographique : le produit qui a le plus haut niveau sur la caractéristique jugée la plus importante.

 

Selon le modèle de Shugan :

·         Plus il y a de paires de produits à comparer, plus le coût de traitement de l’information est important

·         Plus la complexité perçue de la comparaison est importante  (les produits sont très similaires) plus le coût de traitement de l’information est important, car il faudra alors comparer plus de caractéristiques produits

·         Plus la différence de préférence entre les produits est importante, moins le coût de traitement de l’information est important

·         Plus le niveau de confiance requis (risque de la catégorie de produit) est important, plus le coût de traitement de l’information est important car il faudra alors comparer plus de caractéristiques produit

 

Le coût de traitement de l’information  peut être réduit par :

·         La mémoire

·         Des statistiques de synthèse comme les certifications ou les marques

·         Le niveau de connaissance des attributs clés par le consommateur

Marketing the unfamiliar : the role of context and item specific information in Electronic agents recommendations

Author(s) : Cooke Alan D J, Sujan Harish, Sujan Mita, Weitz Barton A

L’auteur examine les techniques fréquemment employées par les e-marchands pour vendre de nouveaux produits aux clients via les systèmes de recommandations.

Les consommateurs évaluent différemment le nouveau produit en fonction de son contexte. La solution idéale selon l’étude est de recommander le produit non familier au sein d’un lot de produits familiers. Grace à l’effet de halo, le produit non familier parait plus similaire aux autres recommandations et est donc plus attractif. Par contre, les deux études menées par l’auteur montrent que donner des informations distinctives sur le nouveau produit au sein d’un lot de recommandations familières a pour effet de renforcer le contraste entre les produits familiers et le nouveau produit et ainsi de diminuer son attractivité.

Par conséquent, placer le nouveau produit au sein d’un lot de recommandations contextuels est bénéfique lorsque ces recommandations sont attractives aux yeux du consommateur, paraissent similaires aux yeux du consommateur et sont agencés sur la page de manière à ce que le consommateur les perçoivent comme une seule unité, lorsque peu d’information, particulièrement des informations distinctives sont fournies sur le produit cible (nouveau produit).

A l’inverse il vaut mieux présenter les nouvelles recommandations ( nouveaux produits)  de manière isolée lorsque l’on a peu d’informations à propos du consommateur, les recommandations familières risquent d’être perçues comme trop différentes du produit cible, lorsque des informations discriminantes à propos du produit cible sont fournies et lorsque des informations très positives peuvent être fournies à propos du produit cible.