Una diversa metodologia decisionale

I sistemi di supporto alle decisioni di acquisto facilitano le scelte dei consumatori, specialmente i sistemi content-based filtering, capaci di selezionare le opzioni più vicine alle preferenze di ciascuno. Si corre però il rischio di ottenere selezioni poco soddisfacenti, soprattutto, quando i sistemi content based utilizzano metodologie compensatorie.

Questi sistemi selezionano le opzioni di prodotto in base al metodo che massimizza la somma dei prodotti dei valori degli indicatori di performance dei diversi attributi per gli indici di importanza dei diversi attributi, facendo riferimento alla teoria della massimizzazione dell’utilità attesa [Keeney e Raiffa, 1976]. Le strategie compensatorie sono ritenute procedure decisionali razionali, poiché comportano l’utilizzazione di tutte le informazioni disponibili, al fine di ottenere valutazioni complessive per le diverse opzioni, sulla base delle preferenze individuali per i diversi attributi. Le strategie compensatorie non sono però affidabili, in presenza di opzioni con attributi inversamente correlati, dove attributi con performance alta compensano attributi con performance scarse; in questo caso, il consumatore potrebbe essere influenzato a scegliere una opzione di prodotto con caratterizzate da performance molto buone per alcuni attributi, e performance molto negative per altri aspetti. Häubl e Trifts hanno mostrato che le persone, avendo la tendenza a fidarsi delle raccomandazioni, soprattutto quando la scelta é tra opzioni che hanno valori soddisfacenti per alcuni attributi, ma non soddisfacenti per altri (attributi negativamente correlati), vengono influenzate sistematicamente da performance alte degli attributi dei prodotti selezionati, anche se per esse, questi attributi sono poco interessanti.

La logica delle diverse metodologie decisionali è illustrata dalle Figure 4.1 e 4.2, che evidenziano le performance dei diversi attributi dell’opzione selezionata in base a differenti criteri decisionali.

158 La Figura 4.1 evidenzia ciò che può accadere compensando performance positive e negative. Nella figura viene esaminata la specificazione di prodotto selezionata da un agente intelligente che compensa performance positive con performance negative delle caratteristiche. Le righe orizzontali individuano l’importanza attribuita dal consumatore ad ogni attributo del prodotto; i parallelepipedi rossi mostrano il divario esistente tra la performance effettiva di una caratteristica e la performance minima richiesta dal consumatore per quella caratteristica. Applicando il metodo che massimizza la somma dei prodotti dei valori degli indicatori di performance dei diversi attributi per gli indici di importanza dei diversi attributi si ottiene un cellulare in cui diverse caratteristiche presentano delle performance insufficienti rispetto a quelle richieste, e altre caratteristiche hanno performance molto più elevate rispetto a quelle richieste dal consumatore. Le carenze di performance per alcuni attributi sono compensate da performance molto elevate per altri attributi.

Figura 6.1 - Rappresentazione delle performance degli attributi del prodotto selezionato secondo il metodo che massimizza la somma dei prodotti dei valori degli indicatori di performance dei diversi attributi per gli indici di importanza dei diversi attributi.

Performance richiesta bassa Performance richiesta media Performance richiesta alta Performance richiesta molto alta

Prodotto filtrato con

Max ∑( Performance * Importanza )

100% 75% 50% 25% 0% _x 1 xi xnattributi Performance superiore a quella richiesta Performance effettiva Deficit di performance

Performance richiesta >Performance effettiva Performance richiesta

dal consumatore x

Un’azienda che è interessata ad immettere un nuovo prodotto sul mercato, per individuare dove posizionarsi, vale a dire la tipologia di consumatori che potrebbero essere interessati a quel prodotto, utilizza diversi metodi, tra i quali la conjoint analysis, per scoprire l’importanza attribuita dai consumatori alle diverse caratteristiche di un prodotto. Qui abbiamo a che fare con prodotti in cui le performance delle caratteristiche sono stabilite a priori e non si possono modificare (tranne per alcuni attributi, quali la memoria del cellulare se è espandibile, la batteria se è sostituibile, ecc.).

Una soluzione a questo problema potrebbe essere quella di selezionare tra le opzioni di prodotto presenti sul mercato quelle che si avvicinano maggiormente al “prodotto ideale” del consumatore x, ovvero, minimizzare il divario tra il prodotto ideale e i prodotti reali.

Questa differenza è stata definita deficit di performance (Ii – Pi). Quindi considerare in

159 un prodotto con performance migliori di quelle richieste, che lasciano comunque conveniente il prezzo, può far solo piacere al consumatore.

Il prodotto ottimale (j) sarà quindi quello a cui corrisponde il valore minore della sommatoria dei deficit di performance effettiva rispetto a quella minima richiesta.

Figura 6.2 - Rappresentazione delle performance degli attributi del prodotto selezionato secondo il metodo che massimizza la somma dei prodotti dei valori degli indicatori di performance dei diversi attributi per gli indici di importanza dei diversi attributi, versus rappresentazione delle performance degli attributi del prodotto selezionato secondo il metodo che minimizza la somma degli scarti negativi dei valori degli indicatori di performance dei diversi attributi rispetto ai valori di performance indicati come soddisfacenti.

Prodotto filtrato con

Max Σ(Performance * Importanza)

Prodotto filtrato con

Min Σ (Importanza * ( Performance richiesta- Performance effettiva))

if Performance richiesta > Performance effettiva

Performance superiore a quella richiesta Performance

effettiva

Deficit di performance

Performance richiesta >Performance effettiva Performance richiesta dal consumatore x Performance richiesta molto alta Performance richiesta alta Performance richiesta media Performance richiesta bassa

La Figura 6.2 illustra i risultati che si ottengono attraverso la massimizzazione della sommatoria dei prodotti tra performance e Importanza, e la minimizzazione della sommatoria dei gap tra performance richiesta e performance effettiva, ponderati per i coefficienti di importanza dei diversi attributi. Il secondo prodotto presenta attributi con performance vicine a quelle richieste, soprattutto per quanto riguarda le caratteristiche reputate più importanti. Inoltre, siccome i deficit di performance vengono minimizzati tenendo conto dell’importanza attribuita (priorità alle caratteristiche che suscitano maggiore interesse nel consumatore), sarebbe molto difficile ottenere come output una opzione caratterizzata da performance particolarmente negative per attributi particolarmente importanti.