精準推薦是否真的有效？

人工智慧已經應用在許多電商網站。當我們登入會員後，網站往往會根據我們先前的購物資料，再對比這次的購物清單後，推薦最可能會引起會員購買慾望的商品。此概念源自於成立在1994年的Amazon，該公司網站會先將有類似購買紀錄的會員歸納在同一類，再替各分類的會員列出可能感興趣的書籍清單，讓會員在購買書籍後，會在網頁看到：購買此類書籍的會員，也買了以下的書籍之類的字句。而Amazon也靠著此功能，有效的提升Amazon.com的銷售量。

這樣的技術發展到今天，Amazon.com已經從網路書店轉變為任何商品都能銷售的平台，靠的也是充分地透過會員購買的紀錄來掌握其想法，在會員提出需求與問題前，就能早一步先行思考與提供最佳的應對方案。而此技術的核心就在人工智慧（Artificial Intelligence, AI）。

越來越多的企業紛紛利用人工智慧、機器學習（machine learning）、自然語言處理（natural language processing capabilities）來提供即時的推薦。就像Netflix 和 Spotify也都針對會員的選擇，來提供電影、音樂的推薦，以有效的提高會員的黏著度，甚至紐約市的社會服務部藉由人工智慧替市民提供有關殘疾福利、食品援助和健康保險的建議。

在人工智慧推薦普及的現代，我們每次在網路上的購買行為都會被記錄與分析，無論是為了特定目的購買，還是僅僅隨意亂點。其中，有特定目的的購買，可能會忽略人工智慧的推薦，畢竟當我們選擇到想要的商品後就會直接結帳。例如，我們為了觀賞特定電影而上Netflix；為了購買特定書籍而前往Amazon.com。但在面對結帳時的人工智慧推薦，是否會引起會員的興趣？另外，在亂點時也可能會忽略人工智慧的推薦，因為我們根本不知道想買哪些商品，例如在Netflix、Amazon.com觀賞特定電影、書籍後隨意點選其他品項。

這兩種網路使用者在購物時的不同面向，學理上稱為功利型購物與享樂型購物（如圖1所示）。

所謂功利型購物是指購物的項目是為了特定的效益，主要是理性與任務導向；而享樂型購物則為享受、或滿足特定的樂趣。此兩者會影響消費者在購買時的選擇與態度。而人工智慧的推薦，在消費者處於功利型或享樂型購物時，哪一種比較會被忽略？哪一種比較會吸引消費者的目光？[1]我們將在之後的文章中進行探討。

作者：陳苡任（台科大企管系博士）、羅凱揚（台科大企管系博士）

繪圖者：謝瑜倩

[1] Longoni, Chiara and Cian, Luca (2022), “Artificial Intelligence in Utilitarian vs. Hedonic Contexts: The “Word-of- Machine” Effect,” Journal of Marketing, 86(1) 91–108.