Quand faisons-nous davantage confiance aux recommandations d'IA qu'aux personnes?


Résumé

Les entreprises se tournent de plus en plus vers l'IA pour faire des recommandations aux consommateurs. Mais parfois, les consommateurs ne font pas confiance aux conseils d'IA et veulent des suggestions humaines. Pour comprendre quand les consommateurs font confiance à l'un par rapport à l'autre, les auteurs ont mené une série d'expériences. Leur conclusion: les consommateurs ont tendance à croire que l'IA est plus compétente pour formuler des recommandations lorsqu'ils recherchent des offres fonctionnelles ou pratiques et les humains lorsqu'ils sont plus intéressés par les caractéristiques expérientielles ou sensorielles d'une offre. Ces vues sont basées sur des croyances erronées. Cependant, il existe des moyens pour les spécialistes du marketing de surmonter ce biais.

M. Pickles / Getty Images

De plus en plus d'entreprises tirent parti des avancées technologiques en matière d'apprentissage automatique, de traitement du langage naturel et d'autres formes d'intelligence artificielle pour fournir des recommandations pertinentes et instantanées aux consommateurs. D'Amazon à Netflix en passant par REX Real Estate, les entreprises utilisent des recommandations d'IA pour améliorer l'expérience client. Les recommandateurs d'IA sont également de plus en plus utilisés dans le secteur public pour guider les gens vers les services essentiels. Par exemple, le Le département des services sociaux de la ville de New York utilise l'IA donner aux citoyens des recommandations sur les prestations d'invalidité, l'aide alimentaire et l'assurance maladie.

Cependant, le simple fait de proposer une assistance AI ne conduira pas nécessairement à des transactions plus réussies. En fait, il y a des cas où les suggestions et recommandations d'Amnesty International sont utiles et des cas où elles pourraient être préjudiciables. Quand les consommateurs font-ils confiance à la parole d'une machine et quand y résistent-ils? Notre recherche suggère que le facteur clé est de savoir si les consommateurs se concentrent sur les aspects fonctionnels et pratiques d'un produit (sa valeur utilitaire) ou sur les aspects expérientiels et sensoriels d'un produit (sa valeur hédonique).

Dans un article dans le Journal de marketing – basé sur les données de plus de 3000 personnes ayant participé à 10 expériences – nous fournissons des preuves à l'appui de ce que nous appelons un effet mot-de-machine: les circonstances dans lesquelles les gens préfèrent les recommandations de l'IA aux recommandations humaines.

L'effet mot de la machine.

L'effet mot de la machine découle d'une croyance largement répandue selon laquelle les systèmes d'IA sont plus compétents que les humains pour dispenser des conseils lorsque des qualités utilitaires sont souhaitées et sont moins compétents lorsque les qualités hédoniques sont souhaitées. Surtout, l'effet mot-de-machine est basé sur une croyance profane qui ne correspond pas nécessairement à la réalité. Le fait est que les humains ne sont pas nécessairement moins compétents que l'IA pour évaluer et évaluer les attributs utilitaires. Vice versa, l'IA n'est pas nécessairement moins compétente que les humains pour évaluer et évaluer les attributs hédoniques. En effet, AI sélectionne des compositions florales pour 1-800-Fleurs et crée de nouvelles saveurs pour des entreprises alimentaires telles que McCormick.

Insight Center

Néanmoins, nos expériences suggèrent que si quelqu'un se concentre sur les qualités utilitaires et fonctionnelles, alors, du point de vue d'un marketeur, le mot d'une machine est plus efficace que le mot de recommandeurs humains. Pour quelqu'un qui se concentre sur les qualités expérientielles et sensorielles, les recommandateurs humains sont plus efficaces.

Par exemple, dans l’une de nos expériences, nous avons évalué l’effet du mot de la machine sur la propension des gens à choisir des produits et leurs expériences de consommation. Pour ce faire, nous avons demandé à plus de 200 passants de Boston (avant Covid-19) de participer à un test de marché à l'aveugle pour les produits capillaires. À l'aide de brochures expliquant le test, nous avons demandé à chaque personne de sélectionner l'un des deux échantillons de produits capillaires, l'un recommandé par AI et l'autre par un humain. Comme prévu, lorsque les passants ont été invités à se concentrer uniquement sur des attributs utilitaires et fonctionnels tels que l'aspect pratique, les performances objectives et la composition chimique, plus de personnes ont choisi l'échantillon recommandé par l'IA (67%) que celui recommandé par une personne. Lorsqu'on a demandé aux passants de se concentrer uniquement sur des attributs expérientiels et sensoriels tels que l'indulgence, le parfum et une ambiance de spa, plus de personnes choisissent l'échantillon recommandé par l'homme (58%) que celui recommandé par l'IA.

L'effet mot de la machine est également apparu dans une deuxième expérience de terrain que nous avons menée dans la station balnéaire italienne de Cortina. Nous avons d'abord incité les gens à envisager un investissement immobilier en ne reposant que sur ses qualités fonctionnelles et pratiques ou sur ses qualités émotionnelles et sensorielles. Ensuite, nous avons demandé aux gens de choisir l'une des deux sélections de propriétés de la maison: l'une organisée par un agent immobilier humain et l'autre par un algorithme d'IA. Lorsqu'on leur a présenté un argumentaire axé sur la praticité, plus de personnes (60%) ont choisi une liste de propriétés organisées par l'IA. Mais plus de participants (76%) ont choisi la liste de propriétés organisée par l'homme en réponse à un argumentaire qui faisait appel aux sens comme le plaisir.

L'effet Word-of-Machine s'est même étendu à la consommation des produits et à la perception du goût. Nous avons recruté 144 participants sur le campus de l'Université de Virginie et les avons informés que nous testions des recettes de gâteaux au chocolat pour une boulangerie locale. Les participants ont eu deux options: un gâteau créé avec des ingrédients sélectionnés par un chocolatier IA et un autre créé avec des ingrédients sélectionnés par un chocolatier humain. Les participants ont ensuite été invités à manger l'un des deux gâteaux, d'aspect et d'ingrédients identiques, et à évaluer le gâteau pour deux caractéristiques expérientielles / sensorielles (goût et arômes indulgents, agréable pour les sens) et deux attributs utilitaires / fonctionnels (produit chimique bénéfique propriétés et salubrité). Les participants ont évalué le gâteau recommandé par l'IA comme moins savoureux mais plus sain que le gâteau recommandé par le chocolatier humain.

Dans les cas où les fonctionnalités utilitaires sont les plus importantes, l'effet mot de la machine est plus prononcé. À l'aide d'une enquête en ligne, nous avons demandé à 303 répondants d'imaginer acheter un manteau d'hiver et de passer en revue une liste de qualités pratiques / fonctionnelles (par exemple, respirabilité) et expérientielles / sensorielles (par exemple, type de tissu) du manteau, en évaluant à quel point elles se souciaient de ces qualités. Caractéristiques. Plus les participants se soucient des fonctionnalités utilitaires, plus ils préfèrent un assistant d'achat AI à un humain, et plus ils se soucient des fonctionnalités hédoniques, plus ils préfèrent un assistant d'achat humain à une IA.

Même s'il est clair que la confiance des consommateurs dans l'assistance de l'IA est plus élevée lors de la recherche de produits utilitaires (par exemple, des ordinateurs et des lave-vaisselle), cela ne signifie pas que les entreprises proposant des produits promettant des expériences plus hédoniques (par exemple, parfums, nourriture et vin) ) n'ont pas de chance lorsqu'il s'agit d'utiliser des recommandateurs d'IA. En fait, nous avons constaté que les gens adhèrent aux recommandations de l'IA tant que l'IA travaille en partenariat avec les humains. Par exemple, dans une expérience, nous avons défini l'IA comme augmenté l'intelligence qui améliore et les soutiens recommandateurs humains plutôt que de les remplacer. Le recommandateur hybride AI-humain a réussi ainsi que le recommandeur uniquement humain, même lorsque les considérations expérientielles et sensorielles étaient importantes.

Ces résultats sont importants car ils représentent le premier test empirique de intelligence augmentée qui se concentre sur l'IA assistante rôle dans l'avancement des capacités humaines, plutôt que comme une alternative aux humains, ce qui est généralement perçu. Une entreprise qui connaît le succès avec cette approche est Correction de point, qui utilise l'IA en partenariat avec des stylistes humains pour choisir les vêtements de ses clients.

Convaincre le client de donner à l'IA le bénéfice du doute.

Comment les managers pourraient-ils corriger la croyance profane incorrecte sur la compétence de l'IA par rapport aux humains pour fournir des conseils? Notre recherche a révélé plusieurs interventions qui pourraient l'atténuer.

Dans une expérience, nous avons demandé aux participants de considérer le contraire de ce qu'ils pensaient initialement être vrai en ce qui concerne la compétence en IA. Nous l'avons fait en les incitant à réfléchir à la manière dont ils pourraient se tromper sur ce à quoi ils s'attendaient d'un humain ou d'un recommandateur d'IA. Nous avons constaté que le fait d'inciter les gens à envisager un point de vue différent sur la capacité du recommandeur réduisait l'effet que nous avions trouvé dans les expériences précédentes. En d'autres termes, les recommandateurs d'IA ont obtenu des scores plus élevés sur une échelle hédonique, ce qui suggère que les gens étaient plus ouverts aux recommandations d'IA même lorsqu'ils se concentraient sur les qualités expérientielles / sensorielles, et les recommandateurs humains ont obtenu des scores plus élevés sur une échelle utilitaire, suggérant que les gens étaient plus ouverts à recommandateurs humains même lorsqu'ils recherchent des qualités fonctionnelles / pratiques.

Dans le monde réel, essayer de convaincre un consommateur de penser le contraire de sa croyance fondamentale est difficile, nous avons donc testé une intervention plus pratique et plus facile pour déterminer l'effet de l'élimination des biais. Nous avons invité 299 répondants en ligne à se renseigner sur une application appelée «Cucina» qui s'appuierait sur l'IA pour donner des recommandations de recettes. Dans l'application, les participants ont pu interagir avec un chat bot – un chef IA – qui était programmé pour les aider. Le chat bot a accueilli chaque participant et s'est présenté ("Salut, Marc! Je suis ici pour vous suggérer une recette à essayer!"). Le chef de l'IA a ensuite présenté le protocole de réflexion inverse en utilisant un coup de pouce amusant et interactif: «Certaines personnes pourraient penser qu'un chef en intelligence artificielle n'est pas compétent pour donner des suggestions de nourriture, mais c'est une erreur de jugement. Pour un instant, mettez de côté vos attentes à mon sujet. Quand il s'agit de faire des suggestions de nourriture, pourriez-vous envisager l'idée que je pourrais être bon dans des choses pour lesquelles vous ne vous attendez pas à ce que je sois bon? » Cela a abouti à des perceptions plus favorables de la recommandation de l'IA même lorsque les gens considéraient les qualités expérientielles et sensorielles d'une recette comme le goût et les arômes.

Nos résultats sont révélateurs pour les gestionnaires qui explorent les remarquables opportunités technologiques qui se développent sur le marché d’aujourd’hui. Bien qu'il existe une corrélation claire entre les attributs utilitaires / fonctionnels et expérientiels / sensoriels et la confiance (ou la méfiance) des consommateurs envers les recommandateurs d'IA, il existe des moyens par lesquels les organisations peuvent concevoir l'expérience client pour tirer parti de l'effet mot de la machine.

Par exemple, des entreprises comme Netflix et YouTube pourraient mettre l'accent sur les recommandations basées sur l'IA lorsque les attributs utilitaires sont relativement plus importants pour les gens (par exemple, lorsqu'ils sélectionnent un documentaire à afficher) et sur les recommandations basées sur l'homme («utilisateurs similaires») lorsque les attributs hédoniques sont relativement plus important (par exemple, lors de la sélection d'un film d'horreur à visionner). De même, une entreprise du secteur de l'hôtellerie telle que TripAdvisor pourrait mettre l'accent sur les recommandations basées sur l'IA pour les services de voyages d'affaires et minimiser les recommandations basées sur l'IA pour les services de voyages d'agrément.

Alors que les entreprises affrontent les défis d'attirer et de fidéliser des clients sur un marché numérique encombré, ceux qui comprennent bien les conditions dans lesquelles les consommateurs font et ne font pas confiance au «mot» des recommandateurs d'IA auront un avantage concurrentiel.


CLIQUEZ ICI POUR DEMANDER CONSEILS A NOS EXPERT EN INVESTISSEMENT

Leave a Comment

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *