La negoziazione bilaterale business to consumer: un modello di Recommender System per il commercio elettronico

The recommender systems’ literature is based on the assumption that the seller wants to recommend the product that maximizes the probability of being purchased by the customer. This thesis suggests a dramatic change in perspective, experimenting the efficiency and efficacy of a recommender system aimed to maximize the seller’s expected profit. Moreover, bundle recommendations are generated considering the synergies among products, in order to increase the seller’s profit and the customer’s perceived utility, converting a win-lose negotiation in a win-win one. The implementation of several metaeuristics has been necessary in order to solve the resulting NP-hard optimization problem. Results highlight that a profit-based recommender system allows the seller to increase his own profit, without reducing the customer’s perceived utility, if compared to a traditional collaborative filtering recommender system. Moreover, the study points out that in many cases bundle recommendations are more profitable and accurate than sequential recommendations of single products.

La logica dominante nella letteratura dei sistemi di raccomandazione presuppone che il venditore desideri raccomandare al proprio cliente il bene con la massima probabilità di venire acquistato. In questo lavoro si promuove un radicale cambio di prospettiva, suggerendo che egli sia più che altro interessato alla massimizzazione del proprio profitto atteso. Inoltre viene proposto un algoritmo di raccomandazione orientato a proporre bundle di prodotti, caratterizzati dalla presenza di sinergie tra loro, le quali permettono di effettuare sconti aumentando l’utilità per il compratore ed il profitto del venditore, trasformando quindi un classico negoziato distributivo in uno integrativo. Per risolvere il problema di ottimizzazione NP-hard risultante è stato necessario implementare alcuni algoritmi meta euristici. I risultati mostrano che un algoritmo di raccomandazione basato sulla massimizzazione del profitto consegue risultati migliori in termini di profitto realmente conseguito rispetto a quello ottenuto con un metodo tradizionale di tipo “collaborative filtering”, senza tuttavia diminuire l’utilità percepita dal compratore. Inoltre è stato osservato che in molti casi effettuare raccomandazioni di bundle permette di ottenere profitto, utilità e accuratezza maggiori rispetto alle raccomandazioni sequenziali di singoli beni.