تشکیل حباب اطلاعاتی حول مشتریان اینترنتی؟
پیدایش سیستم‌های پیشنهاددهنده رایانه‌ای که برای کمک به مشتریان در انتخاب یک یا چند کالا از میان حجم عظیمی از کالاها کمک می‌کنند، نگرانی‌هایی را مبنی بر ایجاد نوعی بخش‌بندی آسیب‌زا در جامعه در نتیجه شخصی‌سازی بیش از حد منابع اطلاعاتی به‌وجود آورده است.
مترجم: محمدجعفر نظری
پیدایش سیستم‌های پیشنهاددهنده رایانه‌ای که برای کمک به مشتریان در انتخاب یک یا چند کالا از میان حجم عظیمی از کالاها کمک می‌کنند، نگرانی‌هایی را مبنی بر ایجاد نوعی بخش‌بندی آسیب‌زا در جامعه در نتیجه شخصی‌سازی بیش از حد منابع اطلاعاتی به‌وجود آورده است. پژوهش تازه وارتون درباره الگوهای خرید مشتریان نشان می‌دهد که این‌طور نیست. یک مطالعه شهودی روی سیستم‌های پیشنهاددهنده خرید موسیقی انجام گرفت نشان می‌دهد که پیشنهاداتی که برای ارائه به علاقه‌مندان به موسیقی تدوین شده است، در عمل باعث افزایش رویارویی افراد با محصولات تازه و بهبود پیوندهای انسانی می‌شود.
پژوهشگران در مقاله‌ای با عنوان «آیا دهکده جهانی به قبایل مختلف تقسیم خواهد شد: سیستم‌های پیشنهاددهنده و اثرات آنها بر مشتریان»، خریدهای iTunes و شبکه‌ای که این خریدها در میان مردم ایجاد کرده است را بررسی کردند. این پژوهشگران دریافتند که سیستم‌های پیشنهاددهنده به‌جای ایجاد گسست در روابط اجتماعی، مشتریان را به شبکه‌های اجتماعی تازه و بسیار متعددی رهنمون می‌کند. این شبکه‌ها بر اساس علایق مشترک افراد تشکیل شده است و افراد در قالب آنها، هنرمندان تازه مورد علاقه خود را به یکدیگر معرفی می‌کنند. پروفسور کارتیک هوساناگار، استاد مدیریت تولید و اطلاعات وارتون، که با همکاری پروفسور آندریاس بویا، استاد آمار وارتون، این مقاله را تالیف کرده است می‌گوید: «آنچه ما دریافتیم این بود که حس اشتراک در میان افراد افزایش یافته و به نظر می‌رسد که افراد از شخصی‌سازی اطلاعات برای گسترش علایق و کاوش در پدیده‌های تازه استفاده می‌کنند.»
در واکنش به جنجال‌های اخیر درباره ایجاد تقسیمات روزافزون در کسب‌وکار و جامعه، این مولفان تصمیم گرفتند که با استفاده از داده‌های به دست آمده از یک سیستم پیشنهاددهنده (که جرقه اولیه جنجال را به‌وجود آورده بودند)، کاوش دقیق‌تری در این موضوع به عمل آورند.
این مقاله نقل‌قول‌هایی از مقالات و کتاب‌هایی را ذکر می‌کند که بر افزایش گسستگی در جامعه در نتیجه شخصی‌سازی پیشنهادها تاکید کرده‌اند. در یکی از این مقالات، سانستین (Sunstein) که استاد حقوق و مشاور سیاست‌های مقرراتی اوباما است بیان می‌کند که سیستم‌های پیشنهاددهنده با محدود کردن رسانه‌های تجاری، افراد را از دسترسی به نظرات و ایده‌های دیگران باز می‌دارند. در یکی دیگر از این مقالات، الی پاریسر که از فعالان در اینترنت است بیان می‌دارد که حباب‌های فیلترکننده (filter bubbles) جهانی نامرئی و شخصی از اطلاعات را به‌وجود آورده‌اند که باعث می‌شود جهانی که یک فرد در اینترنت با آن روبه‌رو می‌شود بسیار متفاوت از جهانی باشد که فرد دیگر در فضای مجازی در آن به‌سر می‌برد.
اما طبق اظهارات پژوهشگران وارتون، اغلب این بحث‌ها بر اساس نظریه‌ها یا برداشت‌های سطحی بوده است. این پژوهشگران دریافتند که سیستم‌های پیشنهاددهنده تاثیر بسزایی در انتخاب مشتریان دارند. برای نمونه، بنگاه املاک Netflix گزارش داده است که ۶۰ درصد مشتریانش از طریق سیستم پیشنهاددهنده به این بنگاه هدایت شده‌اند. ۳۵ درصد فروش Amazon هم از طریق این سیستم‌ها است.
هوساناگار اضافه می‌کند که این سیستم‌ها در فروش برخی از انواع محصولاتی که گستردگی و تعداد رقبا بسیار زیاد است تاثیر مهم‌تری دارند؛ مانند موسیقی و کتاب.
داده‌های این پژوهش برگرفته از یکی از ابزار‌های پیشنهاددهنده در سیستم iTunes است. این نرم‌افزار موسیقی‌های دیگری را که ممکن است یک فرد بپسندد، بر اساس عناوینی که آن مشتری پیش‌تر تعیین کرده است به وی پیشنهاد می‌کند. این فناوری همچنین به کاربر کمک می‌کند که آهنگ‌هایی را به‌صورت نمونه انتخاب کند. سیستم مذکور برای این کار حق کمیسیونی را از ارائه‌دهندگان محصولات منتخب دریافت می‌کند.
اثرات «حجم» و «طعم»
با استفاده از این داده‌ها، این مولفان مدلی را ساختند که امکان ارزیابی تصمیمات خرید را پیش و پس از دریافت پیشنهادهایی از سیستم پیشنهاددهنده فراهم می‌کند. آنها تصمیم‌گیری افراد برای خرید را نسبت به رفتارهای قبلی همان فرد به‌صورت ماهانه مقایسه کردند. آنها همچنین توانستند رفتار کاربرانی را که پیشنهاداتی را دریافت کرده بودند، با رفتارهای یک گروه کنترل که هنوز پیشنهادی دریافت نکرده بودند مقایسه کنند.
این مطالعه بر مشتریانی تمرکز دارد که در یک سرویس پیشنهادهای بین ژانویه و جولای ۲۰۰۷ ثبت‌نام کرده بودند. در مجموع، تعداد ۱۷۹۴ کاربر این سرویس در گروه مورد آزمون قرار گرفتند و ۸۵۸ نفر عضو گروه کنترل شدند. در ۶ ماه گروه مورد آزمون در مجموع ۲۱۵.۷۴۹ قطعه موسیقی را از ۲۴.۳۶۸ هنرمند، و گروه کنترل ۱۰۶.۳۴۱ قطعه را از ۱۴.۷۵۸ هنرمند خریداری کرده بودند.
این پژوهشگران با مطالعه بیشتر دو عامل را در شکل‌دهی به رفتار خریداران موسیقی موثر یافتند: حجم و طعم.
افزایش حجم خریدها قابل پیش‌بینی بود؛ اما میزان افزایش (۵۰ درصدی) این حجم دور از انتظار بود. در مقابل، شمار خریدهای گروه کنترل اندکی کاهش یافت. «سیستم شخصی‌سازی شما را در معرض اقلام بسیار بیشتری قرار می‌دهد؛ از این رو، بیش از پیش خرج می‌کنید». درباره اثر عامل «طعم»، نتایج مطالعه نشان داد که به خاطر کنترل حجم‌ها، مشتریان مخلوط‌های مشابه‌تری را پس از دریافت پیشنهادات خریداری می‌کنند.
افزون بر خرید قطعات بیشتر، مشتریان که از این سرویس استفاده کرده‌اند بخشی از شبکه‌ای شده‌اند که درنتیجه دریافت پیشنهادات درباره قطعات موسیقی تقویت شده است. پژوهشگران روابط بین هزاران کاربر و میلیون‌ها قطعه موسیقی را بررسی کردند و دریافتند که افرادی که هنرمندانی مشابه یکدیگر را مورد علاقه خود دانستند در گروه آزمون ۲۳ درصد بیشتری از گروه کنترل بودند.
این پژوهشگران همچنین «فاصله»ی دوبه‌دو بین کاربران را مورد آزمایش قرار دادند. منظور از این فاصله تعداد واسطه‌هایی است که بین ارتباط دو نفر در شبکه وجود دارد. آنها بررسی کردند که آیا افرادی که در شبکه حضور داشته‌اند ارتباط نزدیک‌تری با هم یافته‌اند یا بالعکس، از یکدیگر دورتر شده‌اند. در پایان مشخص شد که گروهی که پیشنهاداتی دریافت کرده بودند ارتباط دوبه‌دو نزدیک‌تری را تجربه کرده‌اند (۳۶ درصد بیشتر از گروه کنترل) و دورشدن افراد هم در این گروه کمتر از گروه کنترل بود.
طبق تعبیر مولفان این مقاله، «افزایش شباهت‌ها به‌نظر گسترده می‌آید: تمامی انواع کاربران به یکدیگر نزدیک‌تر می‌شوند. کاربرانی که به هم نزدیک بودند نزدیک‌تر شدند؛ و آنهایی که دور بودند نزدیک شدند.»
گفت‌وگویی دور آب‌سردکن
مولفان این مقاله تاکید می‌کنند: «با اینکه شخصی‌سازی در کسب‌وکار اهمیت روزافزونی دارد، نباید به قیمت مشترک‌سازی تمام شود؛ یعنی نباید این‌گونه شود که کارکنان دور آب‌سردکن اداره جمع شوند و درباره هنرمند محبوب مشترک خود گفت‌وگو کنند.
توانایی برقراری ارتباط با دیگران و انجام یک گفت‌وگوی معنادار، محور منازعه در بحث گسست اجتماعی است. مطالعه وارتون نشان می‌دهد که این سیستم‌ها آنقدر چندوجهی نیستند که یک حباب اطلاعاتی خاص برای هر فرد ایجاد کنند. سیستم‌های پیشنهاددهنده تجارب متنوعی را منتقل می‌کنند؛ به گونه‌ای که محدودکردن آنها به یک کاربر امکان ندارد. کاربر باید هربار از میان گستره‌ای از اطلاعات، علاقه خود را دنبال کند.»
فلدر بیان می‌کند که رسانه‌ها فطرت انسان را نشانه می‌گیرند؛ که مبتنی بر ایجاد دادوستد بین فردیت و اشتراک در متن یک گروه است. سازمان‌های هوشمند تعادل مناسبی بین تولیدکننده و مشتریان ایجاد می‌کند؛ اما از عنصر انسانی (یعنی حس اشتراک بین انسان‌ها) غافل نمی‌شوند. سازمان‌ها باید رویکردهای متمرکزتری را ویژه تک‌تک مشتریان ایجاد و آنها را در معرض ایده‌های یکدیگر قرار دهند. ایجاد ارتباط بین مشتریان و کالاها بدون توجه به شرایط نباید انجام گیرد. باید توجه کنید که مشتریان دوست دارند که چیزهایی شبیه یکدیگر مصرف کنند.
هوساناگار بیان می‌کند که این گونه اشتراک در مصرف به تناسب نوع محصول و سازمان ممکن است متفاوت باشد. اما این اشتراک در مورد کالاهایی همچون موسیقی اهمیت بیشتری دارد. وی در این رابطه به پژوهش وارتون توسط جونا برگر اشاره می‌کند که طبق نتایج آن، مشتریان در مورد کالاهایی همچون کالاهای تزیینی حس اشتراک کمتری دارند.
با اینکه ساینستن و همکارانش درباره گسست رسانه‌ای که مردم را به محیط‌های خاص و محدودی هدایت می‌کند هشدار می‌دهند، اما مطالعه سیستم‌های پیشنهاددهنده واقعیات تازه‌ای را حکایت کرد.
فلدر می‌گوید: «ما موسیقی را بررسی کردیم. خوب است که این مطالعه را به سایر کالاها نیز بکشانیم.» وی می‌افزاید: «نگرانی ساینستن درباره محدودشدن گستره علایق مردم (در نتیجه محدودشدن آنها به گستره کمتری از اطلاعات که سیستم‌های پیشنهاددهنده برای آنها تعیین می‌کنند)
قابل‌قبول است.»
منبع: http://knowledge.wharton
ارسال نظر