平衡推荐系统的消费者与商业价值:基于仿真的分析

如今,许多电子商务平台上都有自动化推荐,此类推荐能为消费者与提供商创造可观价值。然而,并非所有可推荐商品都具有相同的利润率,因此提供商可能倾向于推广使其利润最大化之商品。短期内,消费者或许会接受非最优推荐,但长期可能失去信任。最终,这导致需要设计平衡型推荐策略的问题,该策略兼顾消费者与提供商价值并带来持续的商业成功。本工作提出一个基于智能体建模的仿真框架,旨在帮助提供商探索不同推荐策略的纵向动态。在我们的模型中,消费者智能体接收来自提供商的推荐,且所感知的推荐质量随时间影响消费者的信任。我们设计了若干推荐策略,它们或更侧重于提供商利润,或更侧重于消费者效用。我们的仿真表明,一种将更大权重置于消费者效用但又不忽略盈利考虑的混合型策略,在长期中带来最高的累计利润。与纯消费者导向或纯利润导向策略相比,该混合策略带来约 20% 的利润提升。我们还发现,社交媒体可强化所观察到的现象。在消费者高度依赖社交媒体的情形下,最佳策略的累计利润进一步增加。为确保可复现性并促进未来研究,我们公开分享了灵活的仿真框架。