01研究背景
随着电子商务的迅猛发展，推荐系统已成为平台帮助消费者发现产品、提升转化率的重要工具。研究表明，亚马逊等平台上有30%-35%的销售额来自算法推荐。协同过滤(Collaborative Filtering,CF)是构建推荐系统的核心技术，它基于用户行为数据（如浏览、购买）计算产品之间的相关性。
在工业界，两种最常见的CF设计是基于浏览的推荐(view-also-view,VAV)和基于购买的推荐(purchase-also-purchase,PAP)。前者基于用户的浏览行为，倾向于推荐功能相似或可相互替代的产品；后者基于购买行为，倾向于推荐互补性产品。尽管两者被广泛使用，但现有实证研究大多只关注推荐系统的存在对需求的影响，忽略了不同算法设计可能带来的异质性效果。少数同时涉及VAV和PAP的研究也未系统比较它们的因果效应。因此，关于VAV和PAP在何种条件下更有效、其作用机制如何受产品特征调节等问题，仍缺乏深入理解。
02研究问题
本文主要聚焦三个研究问题：
1.VAV和PAP在提升产品浏览和销售方面，哪一个更有效？
2.VAV和PAP的效果如何随产品价格变化？
3.VAV和PAP的效果如何随产品的购买发生率(Purchase Incidence Rate, PIR)变化？其中，PIR定义为用户访问某产品后，在同一类别中完成购买的比例。高PIR产品多为日用必需品，低PIR产品多为非必需或高决策参与度的产品。
03研究设计
这项研究基于一家北美大型电商平台在2013年8月开展的两周随机实地实验。超过一百万名用户被随机分配到三个组别：不显示任何推荐的对照组、显示“浏览过该商品的用户也浏览了”推荐的VAV组，以及显示“购买过该商品的用户也购买了”推荐的PAP组。每组用户在产品页面上最多看到六个推荐结果，且每个用户在整个实验期间被固定在同一种实验条件中。为了避免携带效应，研究者只分析每位用户的首次会话数据。
为了准确衡量推荐算法对产品浏览和销售的真实影响，研究者将产品的访问来源区分为直接访问和间接访问。直接访问指用户以该产品为起点开始浏览会话，间接访问指用户先浏览其他产品再跳转到该产品。研究者认为推荐算法只会影响间接访问，因此将间接浏览和间接销售作为主要结果变量。由于推荐系统存在集中推荐热门产品的倾向，直接比较三组中出现的产品会带来选择偏差。为此，研究者采用了一种巧妙的抽样策略：先利用对照组用户在前五天内的浏览行为，筛选出在此期间被浏览过的55,265个产品作为固定样本，然后在剩余九天的实验期内，比较这些同一批产品在三个组中的间接浏览和间接销售表现。
在数据分析上，研究者采用了产品层面的线性固定效应模型，分别估计VAV和PAP的主效应，以及它们与产品价格、购买发生率之间的交互效应，同时还进行了用户层面和聚合层面的补充分析，以检验行为机制的合理性和平台总体效果。
04研究结论
研究发现，VAV和PAP在提升产品浏览和销售方面存在显著差异。在间接浏览上，VAV的效果是PAP的七倍以上，说明VAV推荐的替代品更能吸引消费者点击。但在间接销售上，VAV的效果仅为PAP的两倍左右，且统计上差异不显著，这意味着VAV虽然带来了更多浏览，但转化率较低，而PAP的浏览虽少却更容易转化为购买。
价格对两种推荐算法的效果起着重要的调节作用。对于价格较高的产品，VAV在增加间接浏览方面的优势更加明显，因为消费者在购买昂贵商品时更倾向于广泛搜索和比较替代品。相反，对于价格较低的产品，PAP在增加间接销售方面更具优势，消费者对便宜互补品的冲动购买意愿更强，不易产生超支后的内疚感。
购买发生率同样调节着推荐效果。对于购买发生率较低的产品（如家居装饰、珠宝等非必需品），消费者处于审慎思维状态，更愿意探索替代品，因此VAV在增加浏览方面效果更强。但对于购买发生率较高的产品（如日用品、母婴用品），消费者处于执行思维状态，目标明确且更愿意完成购买，因此VAV反而在增加销售方面效果更强。就PAP而言，高购买发生率的产品更容易获得消费者的浏览关注，因为目标导向的购物者更容易接受互补品推荐，但这一浏览优势并未显著转化为销售增长。
在聚合层面，VAV组相比对照组增加了29%的间接浏览和14%的间接销售，而PAP组则增加了4%的间接浏览和7%的间接销售。有趣的是，在低价产品和中购买发生率产品上，PAP的销售表现反而优于VAV，这进一步说明没有一种推荐设计在所有情况下都是最优的。总体而言，这项研究表明，电商平台应根据产品特征（价格高低、购买常规性）和期望达成的绩效目标（提升流量还是提升转化），灵活选择不同的协同过滤设计，而不是统一使用某一种推荐算法。
参考文献:
Jing Peng and Chen Liang. (2023).On the Differences Between View-Based and Purchase-Based Recommender Systems. MIS Quarterly, 47(2), 875-900.
文章链接:
https://doi.org/10.25300/MISQ/2022/17875
https://misq.umn.edu/misq/article-abstract/47/2/875/2213/On-the-Differences-Between-View-Based-and-Purchase?redirectedFrom=fulltext
作者信息:
Jing Peng
Position: Associate Professor, Department of Operations and Information Management, School of Business, University of Connecticut
Area: Econometrics, E-Commerce, Social Media, Gig Economy, Digital Health, Human-AI Interaction
Site: https://www.business.uconn.edu/person/jing-peng/
Email: jing.peng@uconn.edu
Chen Liang
Position: Associate Professor, Department of Operations and Information Management, School of Business, University of Connecticut
Area: Future of Work, Artificial Intelligence, Bias and Discrimination, Platform Economy, FinTech
Site: https://www.business.uconn.edu/person/chen-liang/
Email: chenliang@uconn.edu
