Personointi ja suosittelujärjestelmät elektronisessa liiketoiminnassa

Abstract

Verkkokaupoilla on erilaisia keinoja tehostaa liiketoimintaansa, ja ne poikkeavat vanhoista malleista ja mukautuvat koko ajan uusien teknologioiden myötä. Tämän tutkielman tavoitteena on selvittää, kuinka personointia ja suosittelujärjestelmiä käytetään hyödyksi elektronissa liiketoiminnassa. Personointiin liit-tyy oleellisesti se, että eri ihmisille pystytään tarjoamaan oikeanlaista sisältöä oikeaan aikaan. Tätä varten asiakkaista pyritään keräämään mahdollisimman monipuolista tietoa. Kerättyä tietoa käyttävät hyödyksi suosittelujärjestelmät, jotka omalta osaltaan hoitavat personointia. Tämän lisäksi niiden tehtävänä on yllä mainittu tiedon kerääminen ja prosessointi, asiakasprofiilien luominen ja erilaisia suodattimia käyttämällä pyrkiä esittämään asiakkaalle tätä kiinnostavia asioita. Tutkielma pohjautuu aiempaan kirjallisuuteen ja empiiriseen ai-neistoon, ja se on luonteeltaan laadullinen. Empiirisen aineiston kerääminen toteutettiin teemahaastattelulla ja tulosten tavoitteena on luoda kuva ihmisten suhtautumisesta suosittelujärjestelmiin ja niiden käytännön hyödyistä. Tuloksista käy ilmi, että suosittelujärjestelmät onnistuvat kohtuullisesti siinä, että niiden avulla verkkokaupat saavat lisämyyntiä. Luottamuksen lisääminen asiakkaan ja verkkokaupan välillä oli kuitenkin vähäistä, vaikka se on myynnin lisäksi yksi keskeisimmistä tavoitelluista hyödyistä. Yleinen suhtautuminen on kuitenkin myönteinen suosittelujärjestelmiä kohtaan, vaikka niiden käyttöaste onkin vielä kaukana siitä, mitä niillä voisi olla mahdollista saada aikaan.

E-commerce sites have different methods of making their business more profitable and in general they are distinct compared to old ways of doing business. In addition, these new ways are constantly improving alongside technology. The main objective of this thesis is to clarify how personalization and recommender systems are being used in boosting e-commerce. The main aspect of personalization is to provide personalized and relevant web content to a particular customer. In order to achieve this, customer data is being collected from everyone and this data is processed by recommender systems and therefore they also handle personalization. Moreover, their function is also to collect the data, create customer profiles accordingly and to display content to individual customers that they might find interesting using different kinds of filtering methods. This study is based on a literary review and an empirical inquiry, making it a qualitative one in design. The empirical data was gathered through theme-structured interviews and the main goal is to create an overview of how people react to recommender systems and whether they manage to bring any positive results to e-commerce sites. The results suggest that recommender systems do a decent job in increasing cross-sell. On the other hand, they didn’t manage to build loyalty between the e-commerce site and the customer as one would have hoped for, even though it is considered to be a great aspect of recommender systems. Still, the general consensus of recommender systems is positive even though their utilization isn’t nearly where it could be at the moment.