论文部分内容阅读
近几年,共享经济商业模式飞速发展,逐步渗入到消费者的生活中。共享平台中的上游被定义为“拥有闲置资源的个体”,他们拥有的闲置资源数量是有限的,因此当其面临较大的需求时可能会放弃提供服务而退出平台。这将对平台运营造成非常大的影响。针对这个问题,共享平台的普遍解决思路是引入个性化推荐来增加上下游的匹配效率。在共享平台中,个性化推荐通过帮助用户解决其普遍面临的信息过载问题,增强用户决策效率,并增加用户的持续搜寻和持续购买行为,达到提升平台收益的目的。以往研究默认个性化推荐对用户和平台均是有益的。然而,最近有研究发现,个性化推荐对用户重复购买意愿等方面没有产生显著积极影响;甚至在引入个性化推荐服务以后,用户减少了在平台上的驻留时间,从而减少了对平台上游的(潜在)访问机会。由此促使我们开始关注个性化推荐技术在共享平台中的上下游双向有效性问题。针对这一重要问题,本文获取了真实共享平台用户在平台APP提供推荐技术前后的大量行为数据,结合相关理论建立模型探索了以下两个问题:从解决信息过载的有效性角度,探究个性化推荐技术对用户决策效率是否产生了显著影响;以及从提升平台收益有效性角度,探究其对用户持续使用行为是否产生了显著影响。针对关注的第一个问题,本文采用双重差分方法对用户的点击行为进行研究,研究结果表明个性化推荐对用户的决策效率没有产生显著影响。本文对以下两种猜想分别采用双重差分模型进行探究,一是用户的决策效率与其在平台使用总时长和总点击次数有关,个性化推荐可能对这两种行为产生影响,二是平台可能会通过影响用户搜寻多样性行为进而影响用户的决策效率。由此回答了本文的第一个问题,共享平台个性化推荐没有对用户的决策效率产生显著积极影响。这是由于个性化推荐显著增加了用户的搜寻多样性行为,让用户更愿意去搜寻自己以往没有搜寻过的店铺,从而影响了用户的决策效率。分析结论可知,个性化推荐通过增加用户搜寻多样性行为,提升了平台上游的活跃度,进而保证了平台上游的多样性。针对关注的第二个问题,本文采用双重差分模型对用户持续搜寻行为和持续购买行为进行研究。实验结果表明个性化推荐对用户的持续搜寻行为和持续购买行为均产生了显著积极影响。由此回答了本文的第二个问题,即共享平台个性化推荐对用户的持续使用行为产生了显著积极影响,能为共享平台增加收益。进一步量化个性化推荐带来的提升发现,个性化推荐对用户持续搜寻行为的影响高于对其持续购买行为的影响,由此建议平台在设计衡量指标时,不仅要关注成单量这类为平台产生直接利益的指标,还要关注平台活跃性等指标。对于共享平台而言,个性化推荐显著提升了下游的活跃度,保证了平台下游的规模。本文采用用户实际行为数据对共享平台中个性化推荐有效性问题进行研究,研究表明个性化推荐对平台的上游和下游均有显著影响。并且对共享平台的用户价值带来了良性提升。本研究推翻了以往研究对于个性化推荐能够解决用户信息过载问题的结论,填补了个性化推荐有效性研究在共享平台和用户客观行为方面影响的空白。此外,本文的研究方法为平台提供了一种更严谨的衡量服务效果思路,帮助平台尽可能降低内生性等问题带来的衡量偏差。总的来说,本文的研究能够帮助共享平台进一步明确个性化推荐服务的意义和价值。