LA NEGOZIAZIONE BILATERALE BUSINESS TO CONSUMER
xx
Naturalmente la corretta stima della probabilità d‘acquisto del bene da parte del consumatore
mantiene un ruolo di primaria importanza in entrambi i casi, e non si può quindi prescindere da un
accurato studio delle peculiarità comportamentali dell‘e-consumer, di cui si è fornita una sintetica
rassegna nel Capitolo 0.
Con la presente tesi di dottorato si è scelto di promuovere alcune radicali innovazioni nel settore dei
sistemi di raccomandazione, a partire dalla domanda di ricerca:
D1. Quali sono gli effetti di un sistema di raccomandazione basato sulla massimizzazione del
profitto del venditore?
La natura esplorativa della domanda di ricerca D1 è testimoniata dalla sostanziale assenza di
letteratura a riguardo, fatta eccezione per Chen et al. (2008), che osservano come la
massimizzazione della profittabilità attesa dei prodotti come criterio di raccomandazione fornisca
suggerimenti altrettanto accurati, ma ben più profittevoli rispetto ai modelli tradizionali basati sulla
sola probabilità di acquisto. Gli autori forniscono una lista di N prodotti raccomandati,
determinando la loro profittabilità come semplice differenza tra ricavi e costi, che poi moltiplicano
per la probabilità di acquisto, precedentemente calcolata con tecniche tradizionali. Il problema,
posto in questo modo, non presenta difficoltà di implementazione ed è risolubile all‘ottimo con
complessità O(n). Tale implementazione è stata integrata valutando l‘interdipendenza tra variabili,
definita come sinergia presente tra i beni e derivante da un risparmio di costo per il venditore
dovuto alla loro vendita contestuale (per esempio, da risparmi sulla logistica, sui pagamenti e sulla
gestione degli ordini). Il risparmio di costo influenza il profitto finale e quindi può mutare in modo
significativo la raccomandazione profit-based da proporre ai clienti. Inoltre l‘individuazione di
sinergie può rappresentare anche un elemento per la realizzazione di sconti, il ché trasforma un
negoziato prettamente distributivo (win-lose) in integrativo (win-win) (Raiffa, 2002). Se ci si limita
a fornire una lista di raccomandazione o una raccomandazione singola, l‘aggiunta di questo
importante elemento non influenza considerevolmente la complessità del problema.
I sistemi di raccomandazione non prevedono quasi mai la possibilità di effettuare suggerimenti di
gruppi di beni (bundle), da acquistare contestualmente. Il dualismo tra ―sequenza di
raccomandazioni uniche‖ e ―gruppo di raccomandazioni‖ è paragonabile a quello tra negoziazione
sequenziale e testo unico negoziabile (Raiffa, 1982, 2002). Specie per quanto riguarda le
negoziazioni complesse, il secondo metodo ha spesso dimostrato la sua maggiore efficacia rispetto
al primo, derivante da un approccio olistico al problema. Si è quindi formulata una seconda
domanda di ricerca:
Introduzione
xxi
D2. E’ più efficace effettuare sequenze di raccomandazioni separate o raccomandazioni di bundle
nel commercio elettronico?
Diversi autori hanno notato che offrire un bundle di prodotti mostrando al cliente un unico prezzo
complessivo riduce la sensibilità rispetto al prezzo ed incrementa la probabilità di acquisto (per
esempio, Yadav & Monroe, 1993). Tale fenomeno deriva direttamente dalla prospect theory: in
particolare, per il cliente è psicologicamente meno gravoso sopportare di affrontare un‘unica spesa
per il bundle piuttosto che un insieme di singole spese per i beni che lo compongono. Harris e Blair
(2006) notano, inoltre, che il cliente ha una percezione tanto migliore di un bundle quanto maggiore
è lo sforzo di ricerca che gli viene risparmiato dall‘algoritmo (si veda a riguardo Capitolo 0).
L‘individuazione di bundle da raccomandare è un problema -hard riconducibile al binary
quadratic programming, che non è possibile risolvere all‘ottimo attraverso algoritmi esatti, specie
considerando che il numero di prodotti in catalogo può essere molto grande. Infatti, nel commercio
elettronico, gli utenti hanno mostrato di mal tollerare tempi d‘attesa per il caricamento di pagine
web superiori a 2 secondi (che salgono a 4 o 8 in casi particolari), richiedendo algoritmi di
elaborazione molto veloci. Si è fatto ricorso, quindi, a tecniche meta euristiche, quali Simulated
Annealing, Ant Colony Optimization (Dorigo& Stützle, 2004) e algoritmi genetici, in grado di
fornire in tempi ridotti soluzioni sub-ottimali.
Il lavoro svolto arricchisce la letteratura di riferimento sostenendo il cambio di prospettiva
pioneristicamente introdotto da Chen at. al. (2008), aggiungendo nuove evidenze sperimentali a suo
sostegno.
Infatti sono stati implementati diversi algoritmi di raccomandazione orientati a dare risposta alle
due domande di ricerca. Nel Capitolo 0 si dà un‘introduzione delle loro caratteristiche e del
database necessario, mentre nel Capitolo 5 viene presentata la struttura dettagliata dell‘algoritmo
Expected Profit Collaborative Recommender (EPCR), confrontato con un tradizionale modello
basato sulla massimizzazione della probabilità di acquisto (PROB). L‘EPCR sfrutta la stessa
probabilità di questo secondo modello, basata sulle similarità tra gli acquisti compiuti dai clienti, ma
la moltiplica per la differenza tra prezzo e costo del bene cui essa è associata.
Nel Capitolo 6 viene proposto un nuovo paradigma di raccomandazione orientato a suggerire gruppi
di beni interconnessi attraverso sinergie (bundle) a partire dalla loro probabilità di acquisto
congiunta e dalla loro profittabilità, attraverso l‘implementazione di sette diverse meta euristiche.
LA NEGOZIAZIONE BILATERALE BUSINESS TO CONSUMER
xxii
I risultati (Capitolo 7), infatti, confermano la maggiore efficacia di un algoritmo basato sulla
profittabilità rispetto ad uno basato sulla mera probabilità d‘acquisto in termini di maggiore profitto
effettivamente conseguito dal venditore, a fronte di una variazione nell‘utilità conseguita dal
consumatore statisticamente non significativa. Tali risultati sembrano sostanzialmente invarianti
rispetto ai fattori ―numero di prodotti‖, ―numero di clienti‖, e ―numero di transazioni registrate‖.
La risposta alla seconda domanda di ricerca è stata cercata confrontando un modello EPIBR con
uno sequenziale, entrambi basati sulla massimizzazione del profitto del venditore, al fine di
determinare il migliore. Per far questo, sono state confrontate le performance di sette diversi
algoritmi metaeuristici, da cui è emersa la scelta dell‘Ant Colony Optimization. Le analisi, condotte
con regressioni logistiche, mostrano come il modello EPIBR sia riuscito più frequentemente a far
accettare le proprie raccomandazioni di quello sequenziale, a fronte di una differenza delle serie di
profitto per il venditore e di utilità per il compratore nel complesso non statisticamente significativa,
ma significativa e favorevole all‘EPBIR nella maggior parte degli scenari analizzati. I maggiori
tempi di computazione della meta euristica, tuttavia, andranno tenuti nella debita considerazione
una volta che l‘algoritmo sarà implementato in una piattaforma di commercio elettronico reale. In
tal modo sarà possibile determinare l‘eventuale disponibilità dei clienti a sostenere tempi d‘attesa
superiori alla media. E‘ ragionevole, infatti, che l‘erogazione di un servizio sofisticato che favorisca
risparmi concreti possa essere accolta dagli utenti con un aumento della tolleranza.
Stato dell‘arte dei modelli di negoziazione tra agenti
25
1 Stato dell’arte dei modelli di negoziazione tra agenti
Questo capitolo evidenzia le cause della complessità nel negoziato, e descrive – attraverso una
tassonomia - le caratteristiche dei principali modelli implementati in letteratura per rendere i
problemi in questione trattabili.
1.1 Il problema: negoziazione complessa
La negoziazione è un‘attività peculiare della specie umana che avviene quotidianamente e
pervasivamente; non a caso il celebre manuale di negoziazione ―Getting to Yes‖ (Fisher, Ury, &
Patton, 1991) esordisce con un ―Like it or not, you are a negotiatior‖
La conduzione e l‘esito di un negoziato sono influenzati da un gran numero di variabili differenti,
sulle quali Raiffa (1982) fornisce diverse interessanti osservazioni (pp. 11-19). Le variabili
senz‘altro più studiate nella letteratura della teoria dei giochi, dell‘economia sperimentale e della
negoziazione sono:
il numero di interazioni;
il numero (e la natura) delle questioni oggetto della negoziazione;
ed il numero di soggetti coinvolti nella negoziazione.
Quando un negoziatore sa che non si troverà più a trattare con una certa controparte (negoziato one-
shot o ultima interazione in un rapporto prolungato nel tempo) egli sarà naturalmente portato ad
approfittare della circostanza, adottando un comportamento opportunistico. La ripetitività
dell‘interazione in un periodo di tempo indefinito, come quella tra impresa e fornitori abituali,
favorisce un atteggiamento collaborativo (Dellarocas, Reputation Mechanisms, 2006). Proprio per
questo nei portali di e-commerce P2P, dove l‘acquisto di beni è tipicamente one-shot tra utenti
sconosciuti viene implementato quasi sempre un sistema di reputazione finalizzato a mettere in luce
l‘affidabilità dell‘utente, di fatto creando un collegamento tra singoli negoziati che, presi da soli,
sarebbero estremamente esposti al rischio di moral hazard (Bolton, Katok, & Ockenfels, 2004).
Raiffa (2002) propone una classificazione che coinvolge la seconda e la terza variabile nell‘elenco,
determinando sulla base di esse la complessità strutturale del negoziato (Tabella 1.1).
LA NEGOZIAZIONE BILATERALE BUSINESS TO CONSUMER
26
Controparti
Questioni negoziali Due Più di due
Uno Negoziato semplice (I) Negoziato complesso (III)
Maggiore di uno Negoziato semplice (II) Negoziato complesso (IV)
Tabella 1.1 - Tipologia di negoziazioni per complessità strutturale (Fonte: Mariani 2004)
Da tale tabella risulta evidente come il vero driver della complessità sia, secondo l‘autore, la
numerosità dei soggetti coinvolti, lasciando al numero di questioni negoziali oggetto della trattativa
un ruolo secondario. La classificazione proposta non sembra tuttavia fornire una definizione
univoca di complessità strutturale. In effetti, se si considera un negoziato tanto più semplice quanto
maggiore è la probabilità di ottenere un accordo, la Tabella 1.1 offre uno schema valido ed
intuitivo. Al crescere del numero di questioni negoziali è infatti più semplice per i negoziatori
scambiare concessioni reciproche, facilitando il conseguimento di un accordo. D‘altro canto, è
lecito considerare complesso un negoziato per il quale sia estremamente difficile trovare un accordo
pareto-efficiente. In altre parole, avere a che fare con un gran numero di questioni negoziali può
rendere più probabile il conseguimento di un accordo, ma, a causa della razionalità limitata dei
negoziatori, può dar luogo ad accordi inefficienti. Questo è tanto più vero se si considera che le
questioni negoziali possono essere legate da rapporti di interdipendenza che rendono non lineari le
funzioni di utilità dei negoziatori (Klein, Faratin, Sayama, & Bar-Yam, Negotiating Complex
Contracts, 2003).
La Figura 1.1 illustra intuitivamente la dinamica negoziale nel caso di contratti semplici (A) o
complessi (B). Sull‘asse delle ascisse sono collocati i possibili contratti finali, cui corrisponde
sull‘asse delle ordinate una misura dell‘utilità che ne traggono i rispettivi negoziatori. I contratti
relativi al negoziato complesso sono collocati senza un ordine preciso, al variare delle issue che li
contraddistinguono. Tale rappresentazione costituisce una semplificazione, nell‘impossibilità di
esporre graficamente l‘andamento della funzione di utilità in base ad n issue.
Si supponga per esempio che l‘oggetto della trattativa nel negoziato A sia la compravendita di un
unico bene di consumo. Al crescere del prezzo l‘utilità del compratore scenderà, mentre quella del
venditore aumenterà. In entrambi i casi l‘andamento sarà monotono (nell‘esempio lineare) e per i
negoziatori sarà semplice, durante la trattativa, individuare un accordo che, per se stessi, è
accettabile. Nel caso B (si noti che, in realtà, in presenza di contratti complessi, ogni variabile
contribuisce distintamente all‘utilità) è evidente come la funzione di utilità sia caratterizzata da
molteplici ottimi locali (Bar-Yam, 1997).
Stato dell‘arte dei modelli di negoziazione tra agenti
27
Trovare il contratto ideale costituisce un problema di ottimizzazione non lineare la cui risoluzione è
-hard. In altre parole, è possibile che i negoziatori siglino un accordo in corrispondenza di
massimi locali, ignorando possibili configurazioni in grado di garantire utilità maggiori ad entrambi.
D‘altronde, al crescere del numero di questioni negoziali oggetto della trattativa, il numero di
contratti possibili aumenta in modo esponenziale rendendo impraticabile la strada della ricerca
esaustiva. Sulla base di queste osservazioni, si ritiene opportuno integrare la Tabella 1.1 con il
concetto di indipendenza / interdipendenza tra le questioni negoziali oggetto della trattativa.
Controparti
Questioni negoziali Due Più di due
Una Negoziato semplice Negoziato complesso
Maggiore di una
Indipendenti Negoziato semplice Negoziato complesso
Interdipendenti Negoziato complesso Negoziato molto complesso
Tabella 1.2 - Tipologia di negoziazioni per complessità strutturale, tenendo conto dei rapporti di interdipendenza tra gli
questioni negoziali
Ut
i
l
i
tà
de
l
ne
go
zi
a
t
or
e
1
Ut
i
l
i
tà
de
l
ne
go
zi
a
t
or
e
2
Prezzo di riserva
Prezzo di riserva
Possibili contratti semplici Possibili contratti complessi
Figura 1.1 - Dinamica delle funzioni di utilità nei negoziati "semplici" (A) e nei negoziati "complessi" (B)