An online reviews-driven large-scale group decision-making approach for evaluating user preference of fresh fruit on e-commerce platform

Dans le marché numérique, un vaste océan de textes s'écoule de la part de millions d'acheteurs, chacun laissant derrière lui une trace de mots sur ce qu'il a acheté, ce qu'il a aimé et ce qui l'a déçu. Pour les vendeurs de produits frais, ces mots sont une bouée de sauvetage, mais ils sont aussi une source de confusion. Contrairement à un grille-pain ou une paire de chaussures, le fruit frais porte une incertitude inhérente ; un fruit qui semble parfait sur l'écran peut arriver écrasé, immature ou simplement manquant de saveur. Cette imprévisibilité rend difficile pour les boutiques en ligne de savoir exactement ce que veulent leurs clients. Pour naviguer dans cette situation, les chercheurs se sont tournés vers un domaine d'étude appelé la prise de décision de groupe à grande échelle. Cette approche traite la voix collective de milliers d'acheteurs comme un seul groupe massif essayant de s'accorder sur une solution. Au lieu de demander à quelques experts de deviner ce que le public veut, cette méthode écoute la foule, organisant leurs opinions chaotiques en une compréhension claire et partagée. C'est une façon de transformer le bruit des plaintes et des éloges individuels en un signal capable de guider de meilleurs choix commerciaux.

S'appuyant sur cette base, une équipe de chercheurs de l'Université du Nord-Ouest de l'A&F en Chine a développé une nouvelle façon d'écouter cette foule, spécifiquement pour le monde des fruits frais sur les plateformes de commerce électronique. Ils se sont concentrés sur les quantités massives d'avis en ligne générés par les acheteurs sur un grand site de shopping chinois. Leur objectif était d'aller au-delà des simples évaluations par étoiles et de plonger dans les mots réels que les gens utilisaient pour décrire leurs expériences. En traitant chaque avis de produit comme une voix unique dans une conversation géante, ils ont créé un système capable d'extraire les véritables préférences des acheteurs. Ils ont découvert que lorsque les gens achètent des fruits frais en ligne, ils ne cherchent pas seulement le fruit lui-même ; ils sont profondément préoccupés par le service qui l'entoure. Les chercheurs ont découvert que les clients accordent le plus d'importance à la manière dont le vendeur gère les problèmes, à la fiabilité de la plateforme elle-même et à l'état de la boutique. Ces facteurs l'emportent souvent sur le goût spécifique ou la taille du fruit dans l'esprit de l'acheteur déçu ou satisfait.

Pour donner un sens à des millions d'avis, les chercheurs ont d'abord dû nettoyer les données, en éliminant les commentaires vides et les caractères sans signification pour ne laisser que les retours authentiques. Ils ont ensuite utilisé un programme informatique pour identifier les mots les plus courants utilisés par les acheteurs, tels que « service client », « livraison », « frais » et « goût ». Ces mots sont devenus les briques élémentaires d'une nouvelle sorte de carte. Au lieu de traiter chaque acheteur comme un individu isolé, les chercheurs ont cherché des modèles dans la façon dont les opinions des gens se chevauchaient. Ils ont regroupé les acheteurs en petites communautés basées sur la similitude de leurs avis. Imaginez une grande pièce où tout le monde parle ; cette méthode aide à identifier les petits cercles d'amis qui discutent des mêmes problèmes spécifiques, permettant aux chercheurs de voir les différentes perspectives au sein de la foule plus large. Ils ont utilisé une technique de regroupement sophistiquée pour organiser ces groupes, garantissant que même les petits groupes silencieux d'acheteurs ayant des préoccupations uniques ne soient pas perdus dans le bruit de la majorité.

Une fois les acheteurs organisés en ces communautés, les chercheurs ont été confrontés au défi de faire en sorte que tout le monde soit d'accord. Dans n'importe quel grand groupe, il y a toujours des voix qui sont en désaccord avec le reste. L'équipe a développé une stratégie pour trouver ces voix dissidentes et les guider doucement vers une vue partagée sans les forcer à changer radicalement d'avis. Ils ont calculé le coût de la demande à quelqu'un de changer d'opinion, en considérant son influence au sein de sa communauté. Si une personne avait de nombreuses connexions ou une voix forte, changer son avis demandait plus d'efforts. Le système a utilisé une méthode d'optimisation pour trouver le chemin de moindre résistance, ajustant les opinions du plus petit nombre de personnes nécessaires pour atteindre un point où l'ensemble du groupe se sentait satisfait. Ce processus a permis de garantir que le résultat final soit un véritable consensus, reflétant la volonté collective des acheteurs plutôt que simplement les voix les plus fortes.

Une fois les opinions du groupe alignées, les chercheurs ont ensuite dû décider quelles préférences étaient les plus importantes. Ils ont appliqué un cadre mathématique qui traitait les opinions des acheteurs comme des informations floues, ou légèrement incertaines, ce qui est une façon plus réaliste de gérer les sentiments humains que des chiffres stricts. En analysant les relations entre les différentes préférences, ils ont attribué un poids à chacune d'elles, déterminant son importance dans la décision finale. Les résultats ont été frappants. L'analyse a révélé que le « service client » était le facteur le plus important pour les acheteurs. Il était suivi de près par la réputation de la plateforme, spécifiquement le site de shopping lui-même, et la qualité de la boutique. Bien que le goût et la fraîcheur des fruits soient importants, ils se classaient en dessous de la confiance et du soutien fournis par le vendeur et la plateforme. Cela suggère que lors de l'achat de produits frais en ligne, le filet de sécurité d'un bon service et d'une plateforme fiable est ce qui donne aux clients la confiance nécessaire pour effectuer un achat.

Les chercheurs ne se sont pas arrêtés à la théorie ; ils ont construit un outil opérationnel pour mettre ces conclusions en pratique. Ils ont créé un système intelligent d'aide à la décision qui peut être utilisé par les plateformes de commerce électronique pour répondre aux questions des clients et fournir des recommandations personnalisées. Ce système peut lire les avis, comprendre ce que les clients disent réellement et offrir des conseils basés sur la sagesse collective du groupe. Pour les marchands et les plateformes, les implications sont claires. Pour vendre plus de fruits frais, ils doivent se concentrer sur leur service après-vente, assurer une logistique rapide et fiable, et maintenir des normes élevées pour leurs boutiques. L'étude montre que si le fruit lui-même doit être bon, l'expérience de l'achat — la façon dont il est livré, la manière dont les problèmes sont résolus et la fiabilité perçue du vendeur — est ce qui stimule réellement la satisfaction et la fidélisation de la clientèle.

Les chercheurs ont également testé leur méthode par rapport à d'autres façons d'analyser les données pour s'assurer qu'elle était robuste. Ils ont comparé leur approche avec des méthodes traditionnelles et ont constaté que leur système produisait des résultats plus stables et plus fiables. Ils ont vérifié leur travail en modifiant les paramètres de leurs modèles pour voir si les résultats changeaient, et ils ont constaté que le classement des préférences les plus importantes restait cohérent. Cela donne la certitude que les conclusions ne sont pas un simple coup de chance lié aux données spécifiques utilisées, mais une véritable réflexion de la pensée des acheteurs. L'étude conclut qu'en écoutant la foule et en utilisant des outils intelligents pour organiser leurs voix, les vendeurs en ligne peuvent mieux comprendre leurs clients. Cela mène à une meilleure expérience d'achat, moins de plaintes et un marché plus prospère pour les produits frais. Ce travail souligne que, à l'ère numérique, la clé pour vendre des denrées périssables ne réside pas seulement dans la qualité du produit, mais dans la qualité de la conversation entre l'acheteur et le vendeur.