Der Einfluss von Such- und Empfehlungssystemen auf den Absatz im Electronic Commerce

Abstract

Das Internet und damit verbundene Technologien ermöglichen es, verglichen mit den Sortimentsgrößen traditioneller Einzelhändler der letzten Jahrzehnte, eine deutlich höhere Anzahl an Produkten zu produzieren, zu bewerben und profitabel zu verkaufen. Darüber hinaus erlaubt das Internet neue Such- und Empfehlungssysteme, die die Suchkosten von Konsumenten reduzieren. Konsumenten können so ihre Suche nach geeigneten Produkten von einer geringen Anzahl relativ einfach zu findender Blockbuster auf sehr spezielle Nischenprodukte ausdehnen. Als Resultat dieser Entwicklung sind häufig Long-Tail-Absatzverteilungen zu beobachten, die eine hohe Nachfrage nach Nischenprodukten widerspiegeln. In diesem Beitrag wird mithilfe einer agentenbasierten Simulation, die mit Verkaufsdaten eines Video-on-Demand-Anbieters kalibriert wird, gezeigt, inwiefern verschiedene Klassen von Such- und Empfehlungssystemen Einfluss auf die Absatzverteilung, den Gesamtabsatz, den Gewinn und die Konsumentenrente haben. Unsere Ergebnisse zeigen, dass Suchtechnologie je nach Funktionalität den Absatz von Nischen zu Blockbustern (Suchfilter und Empfehlungssysteme) oder aber von Blockbustern hin zu Nischen (Charts und Toplisten) verschieben kann. Wir zerlegen Absatzveränderungen in Substitution und realen Mehrkonsum und zeigen, dass Such- und Empfehlungssystemen zu substanziellen Gewinnsteigerungen führen können. Unsere Ergebnisse machen auch deutlich, dass sinkende Suchkosten durch Such- und Empfehlungssysteme stets zu einer steigenden Konsumentenrente führen. Anbieter können demnach solche Systeme zum Aufbau von Wettbewerbsvorteilen nutzen.AbstractThe Internet and related technologies have vastly expanded the variety of products that can be profitably promoted and sold by online retailers. Furthermore, search and recommendation tools reduce consumers’ search costs in the Internet and enable them to extend their search from a few easily found best-selling products (blockbusters) to a large number of less frequently selling items (niches). As a result, Long Tail sales distribution patterns emerge that illustrate an increasing demand in niches. We show in this article how different classes of search and recommendation tools affect the distribution of sales across products, total sales, and consumer surplus. We hereby use an agent-based simulation which is calibrated based on real purchase data of a video-on-demand retailer. We find that a decrease in search costs through improved search technology can either shift demand from blockbusters to niches (search filters and recommendation systems) or from niches to blockbusters (charts and top lists). We break down demand changes into substitution and additional consumption and show that search and recommendation technologies can lead to substantial profit increases for retailers. We also illustrate that decreasing search costs through search and recommendation technologies always lead to an increase in consumer surplus, suggesting that retailers can use these technologies as competitive advantage.