Usage and success factors of commercial recommendation agents
Notice bibliographique
Résumé
Purpose Since their inception, which took place more than two decades ago, product recommendation agents (RAs) still attract very few consumers. Notably, most of academic work in the field had an empirical quantitative structure. In addition, no research has developed a comprehensive model to explain the adoption and usage of commercial RAs. The purpose of this paper is to follow a qualitative approach to investigate the factors behind the adoption and usage of commercial RAs, explore the effect of user age, and deduce the success factors of these RAs. Design/methodology/approach This research followed a qualitative approach. Qualitative research aims to form an in‐depth understanding of human behavior. It is essential for building grounded theory and for proposing comprehensive models for future examination. As such, in four discussion groups, participants provided their input following the shopping trial for a product using a factual RA (MyProductAdvisor.com). Discussion groups were used because they outline an important aspect of qualitative research and because they are ideal for both the inception and development of products and services. Findings Underlying the major themes, the analysis first provides insight in consumers' RA use and the products consumers regard as adequate to be offered using a commercial RA. The analysis then delineates some important factors that can be considered by developers to enhance the usability and trustworthiness of commercial RAs. Further, the analysis suggested four higher‐order factors that can be considered the success factors of a commercial RA: users appear to require a commercial RA that is friendly, smart, trusted, and informational. The themes that emerged from participants in the youth and the older discussion groups were rather invariant. Originality/value This is one of the few qualitative studies that focused on commercial RAs. The commercial RA success factors and their determinants are summarized in the form of a general framework to guide future work. This qualitative work provides a cornerstone that is of importance to theory development in the field of intelligent RAs and assistive technology. The results have important implications for RAs' developers and researchers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».