La negoziazione bilaterale business to consumer. Un modello di “Recommender System” per il commercio elettronico.

Introduzione xix Introduzione La letteratura sulla negoziazione complessa costituisce una nicchia che si è affermata dalla metà degli anni ‘90 e rappresenta oggi un filone consolidato. Essa fa riferimento alle tipologie di negoziazione ove i noti limiti alla razionalità umana costituiscono un ostacolo al conseguimento di accordi efficienti in senso paretiano. Tra i principali elementi che determinano la complessità di un negoziato si annoverano il numero degli agenti coinvolti ed il numero e la natura delle variabili decisionali (issue) (Raiffa, 1982). A tal riguardo è infatti frequente che le variabili siano interdipendenti, rendendo estremamente difficoltoso per un individuo la conduzione efficace ed efficiente di una trattativa. Per far fronte ai limiti della razionalità, sono stati sviluppati in letteratura più di 150 modelli che fanno ricorso ad agenti virtuali che agiscono per conto delle parti coinvolte nella negoziazione. Tali modelli sono stati classificati secondo una tassonomia finalizzata ad individuare le tendenze più consolidate nell‘approcciare al problema. Nell‘impossibilità di ricercare esaustivamente la soluzione ottima (già in un problema con 50 variabili binarie interdipendenti l‘ordine di grandezza dello spazio delle soluzioni è 1015) si fa in genere ricorso ad algoritmi meta euristici (in prevalenza algoritmi genetici e Simulated Annealing), attraverso i quali vengono determinate soluzioni sub ottimali migliorate iterativamente attraverso l‘interazione tra gli agenti virtuali. Gran parte degli autori vede nel commercio elettronico il naturale campo di applicazione dei propri studi; ciononostante è estremamente raro che gli algoritmi vengano effettivamente implementati. Ciò può dipendere dalla presenza di standard consolidati nel commercio elettronico, giacché i portali raramente sfruttano le potenzialità dell‘interazione virtuale, limitandosi il più delle volte a migliorare la propria veste grafica e a migliorare gli algoritmi di raccomandazione implementati. Questi ultimi sono il più delle volte costruiti in modo da massimizzare la probabilità di acquisto offrendo al cliente un bene o una lista di beni che – sulla base di dati storici – sono potenzialmente più vicini ai suoi desideri. La letteratura sui sistemi di raccomandazione, sviluppatasi di pari passo con l‘espansione di internet, è per lo più orientata ad effettuare miglioramenti incrementali, ottimizzando i tempi per l‘erogazione del suggerimento e migliorando la sua efficacia attraverso il ricorso a tecniche sempre più sofisticate. Gran parte degli autori sembra dare per scontato che il venditore desideri suggerire il bene con la maggiore probabilità di venire acquistato, trascurando di fatto l‘importante ruolo del mark-up del prodotto. E‘ intuitivo, infatti, che un venditore, in presenza di probabilità di acquisto simili (come spesso avviene, specie in presenza di un numero considerevole di prodotti), preferisca raccomandare beni con un margine maggiore.