| Summary: | Sistemas inteligentes têm sido usados no comércio eletrônico como ferramentas de personalização. Eles são destinados a criar ofertas individualizadas de produtos, recomendações direcionadas e até mesmo modificar o design do website para atender a características específicas de usuários. Tais possibilidades de personalização têm o intuito de facilitar o processo de tomada de decisão, melhorar a navegação e fornecer aos usuários da Internet uma sensação de contato social e de individualização em suas atividades online. A presente tese é o resultado de uma pesquisa experimental destinada a testar os efeitos, ao longo do tempo, de recomendações geradas por meio de métodos implícitos de elicitação de preferências. Para isso, foi criado um website experimental, no qual 189 participantes completaram um série de cinco tarefas de compras com um intervalo de uma semana entre cada tarefa. Os resultados foram analisados a partir da técnica do modelo das trajetórias latentes. Foi possível identificar, a partir disso, que recomendações não têm um efeito significativo no esforço para tomada de decisão nas interações iniciais, mas depois da segunda interação, há uma influência observável da presença de recomendações no tempo utilizado para a tomada de decisão. Em média, tempo para a tomada de decisão foi 21,4% menor para sujeitos no grupo teste quando comparados com o grupo controle. Procurando desvendar os mecanismos através dos quais as recomendações geram a redução no esforço para a tomada de decisão ao longo do tempo, uma análise de moderação foi realizada, incluindo-se como variáveis o envolvimento com a tarefa de compras e a familiaridade com o website, medida a partir do número de interações de compras. Com base nisso, considerou-se que o modelo mais adequado para testar a interação da presença de recomendações geradas por métodos implícitos de elicitação das preferências no website seria analisá-la como um moderador da relação entre envolvimento com a tarefa de compras e esforço para a tomada de decisão. Foi possível observar que em uma análise incluindo envolvimento com a tarefa, presença/ ausência de recomendações e familiaridade com o website estas variáveis interagiram entre si em um modelo de moderação moderada, capaz de explicar 40,25% da variância na variável dependente. Este efeito moderador, entretanto, somente demonstrou ser significativo depois da terceira compra simulada. Adicionalmente, os resultados indicaram que a aceitação da recomendação não estava relacionada com a redução no esforço para a tomada de decisão, o que levou à conclusão de que recomendações podem não estar influenciando as escolhas dos consumidores diretamente, mas sendo usadas como pontos de referência que fornecem parâmetros para a tomada de decisão. Isso foi também verificado ao analisar a variância nas escolhas de compras entre os sujeitos que executaram compras com recomendações e os sujeitos no grupo de controle. Os resultados sugerem que as recomendações podem fornecer auxílio importante para a redução do esforço do consumidor na tomada de decisão, mas sua influência se torna efetiva apenas depois que os consumidores estão familiarizados com o website. As companhias de e-comerce podem se beneficiar com tais informações adaptando a maneira com a qual gerenciam e apresentam recomendações aos seus vistantes. === Intelligent systems have been used in electronic commerce for the purpose of personalization. They are intended to tailor product offers, recommendations and even the whole website design to specific users needs and characteristics. Such personalization features are supposed to facilitate decision making process, make internet browsing easier and give the Internet users a sense of social feeling and individualization in their online activity. The present dissertation thesis is the result of an experimental research addressed to test the effects, over time, of recommendations generated by implicit elicitation methods. For that, an experimental website was created, where 189 participants completed a series of five purchase tasks with an interval of one week between each task. Results indicated that recommendations do not have a significant effect on decision effort during initial interactions, but after the second interaction, there is an observable effect of recommendations on time to make a decision. On average, time to make a decision was 21.4% lower for subjects in a test group when compared to the control group. The presence of recommendations generated by implicit elicitation methods at the website was also tested as a moderator of the relationship between involvement with the purchase task and decision effort. It was possible to observe that an analysis considering involvement with the task, presence/absence of recommendations and familiarity with the website these variables interacted in a moderated moderation model capable of explaining 40.25% of the variance of the dependent variable. This moderating effect, however, proved to be significant only after the third purchase took place. Additionally, results demonstrated that recommendation acceptance was not related to effort reduction, what led to the conclusion that recommendations may not be influencing consumers’ choices, but being used as frames of reference that provide parameters for decision making. That was also verified by looking at the variance in the purchase choices between people who executed purchases with recommendations when compared to the control group. Results suggest that recommendations can be important aids to reduce consumer effort, but their influence will only be effective after consumers are familiarized with the website. E-commerce companies can benefit from such information by adapting the way they manage and present recommendations to their visitors.
|
|---|
