Modeling User Redemption Behavior in Complex Incentive Digital Environment: An Empirical Study Using Large-Scale Transactional Data

Questo studio empirico analizza dati transazionali su larga scala provenienti da un'applicazione di finanza personale per rivelare come i fattori demografici e gli stili di acquisto influenzino il riscatto dei punti da parte degli utenti, dimostrando che l'erogazione di grandi quantità di punti aumenta la spesa di punti senza influire sulle spese in contanti in complessi ambienti di incentivi digitali.

L'essenziale

Immagina di camminare attraverso un enorme centro commerciale digitale dove ogni negozio ti regala delle "monete magiche" invece di semplici ricevute. Puoi guadagnare queste monete comprando un caffè, prenotando un volo o persino solo iscrivendoti a un documento d'identità governativo. Ma ecco il punto: queste monete non sono tutte uguali. Alcune si guadagnano in un supermercato, altre in un hotel e altre ancora vengono consegnate dal governo. La grande domanda che questo studio pone è: come usano le persone queste monete magiche e le trattano come vero denaro?

I ricercatori hanno agito come detective digitali, esaminando i registri di acquisto di oltre 40.000 persone che utilizzano una popolare app di gestione del budget in Giappone. Non si sono limitati a guardare cosa la gente comprava; hanno osservato come spendevano i loro punti rispetto al loro denaro contante effettivo.

Ecco cosa hanno scoperto, suddiviso in tre semplici storie:

1. Il "divario generazionale" nelle spese

L'analogia: Pensa ai diversi gruppi di età come a diversi tipi di giardinieri.

• I Giovani Giardinieri (20 anni): Sono come esploratori avventurosi. Amano provare nuove piante (negozi) e sono molto interessati ai "giardini finanziari". Usano le loro monete per investire in azioni o per pagare viaggi e intrattenimento. Sono disposti a spendere le loro monete in cose che sembrano rappresentare una "crescita futura".
• I Giardinieri Più Anziani (60 anni): Sono più simili a agricoltori tradizionali che si attengono a ciò che conoscono. Preferiscono usare le loro monete per cose pratiche e quotidiane, come il trasporto o la spesa in centri commerciali familiari. Sono meno propensi a usare le loro monete per investimenti.

La scoperta: I ricercatori hanno scoperto che, sebbene tutti facciano acquisti, il dove scelgono di spendere i loro punti dipende fortemente dalla loro età. I giovani trattano i punti come uno strumento per costruire ricchezza o divertirsi, mentre gli anziani li trattano come un coupon per i beni di prima necessità.

2. L'esperimento della "pizza gratis"

L'analogia: Immagina che il governo improvvisamente faccia cadere una gigantesca pizza gratis (del valore di 7.500 yen in punti) tra le braccia di un gruppo specifico di persone. I ricercatori volevano sapere: queste persone mangeranno la pizza immediatamente o la conserveranno? E mangiare la pizza farà loro acquistare più cibo regolare con i propri soldi?

• Il Risultato: Le persone che hanno ricevuto la pizza gratis hanno iniziato a mangiarla, ma non tutta in una volta. Nel primo mese, ne hanno mangiata solo circa il 16%. Hanno conservato il resto per dopo.
• Il Colpo di Scena: Fondamentalmente, ricevere questa pizza gratis non ha spinto queste persone a comprare più cibo regolare con il proprio contante. Non hanno scambiato il loro contante con la pizza; hanno semplicemente mangiato la pizza gratis in aggiunta alla loro dieta normale.

La scoperta: Le persone trattano i "punti gratuiti" in modo diverso rispetto al "denaro guadagnato". Anche se i punti valgono denaro reale, le persone sembrano vederli come una scorta speciale e separata. Li spendono lentamente e con deliberazione, piuttosto che in modo impulsivo. E ricevere un'ondata di punti non spinge le persone a spendere più del proprio denaro duramente guadagnato.

3. L' "Esploratore" contro il "Lealista"

L'analogia: Immagina due tipi di clienti in una città.

• Gli Esploratori: Queste persone amano provare un ristorante diverso ogni sera. Possono andare in un sushi bar, poi in un food truck di taco, poi in un bistrot francese.
• I Lealisti: Queste persone hanno un posto preferito. Vanno nello stesso burger joint ogni venerdì perché conoscono il menù e lo staff.

I ricercatori hanno osservato come questi due tipi di clienti utilizzano le loro monete magiche.

• La scoperta: Gli Esploratori hanno usato le loro monete ovunque, riscattendole in molti tipi diversi di negozi. I Lealisti, invece, tendevano ad accumulare le loro monete e a spenderle solo nei loro catene preferite e familiari.

Interessantemente, l'età ha giocato un ruolo crucialo anche qui. I giovani "Esploratori" (persone nei vent'anni) erano molto più propensi a provare nuovi negozi e a distribuire le loro monete. I "Lealisti" più anziani (persone nei sessant'anni) restavano affezionati ai loro soliti posti.

Il quadro generale

Questo studio è come una mappa di un complesso mondo a valute multiple. Ci mostra che:

1. I punti non sono solo contanti: Le persone hanno "muri mentali" tra i loro punti e il loro denaro reale. Conservano i punti per momenti importanti o obiettivi specifici, piuttosto che usarli per ogni piccolo acquisto.
2. L'età conta: La fase della vita determina se usi i tuoi punti per investire e avventurarti o per bisogni pratici e quotidiani.
3. Le abitudini dominano: Se sei il tipo di persona che ama provare cose nuove, userai i tuoi punti in quel modo. Se ami la routine, i tuoi punti ti seguiranno nei soliti negozi.

In breve, quando le aziende o i governi distribuiscono questi premi digitali, non possono dare per scontato che le persone li tratteranno come contanti. Le persone hanno le loro uniche "personalità di acquisto" che decidono come tali premi verranno utilizzati.

Sommario tecnico

Sintesi Tecnica: Modellazione del Comportamento di Riscatto dell'Utente in Ambienti di Incentivi Digitali Complessi

Definizione del Problema
L'economia digitale si affida sempre più a strutture di incentivi complesse, specificamente ai Programmi di Fedeltà di Partnership (PLP), in cui più imprese emettono e riscattano congiuntamente punti premio. Mentre la letteratura esistente esamina i PLP dal punto di vista delle prestazioni delle singole imprese o delle transizioni di acquisto incrociato, esiste una lacuna significativa nella comprensione del comportamento di riscatto a livello individuale in contesti del mondo reale. I metodi tradizionali delle scienze sociali faticano ad analizzare enormi log di consumatori all'interno di questi ambienti multi-valuta, in particolare per quanto riguarda la valutazione dei punti digitali rispetto al denaro tradizionale e l'impatto di metodi di acquisizione di punti atipici (ad esempio, grandi sovvenzioni governative esogene). Inoltre, la ricerca precedente sui bias comportamentali e sull'acquisizione di punti non standard si basa prevalentemente su esperimenti di laboratorio piuttosto che su dati transazionali reali.

Metodologia
Questo studio sfrutta un dataset unico e su larga scala proveniente da Zaim, una popolare applicazione di finanza personale di terze parti in Giappone. Il dataset include oltre 5,5 milioni di transazioni di acquisto uniche e 5,9 milioni di transazioni di punti di circa 42.000 clienti, catturando sia la spesa monetaria che le transazioni basate su punti attraverso diversi importanti PLP. Gli autori impiegano tre distinti approcci empirici per affrontare le loro domande di ricerca:

1. Topic Modeling e Clustering (RQ1): Per analizzare i modelli di riscatto, gli autori pre-elaborano le descrizioni testuali delle transazioni di punti e applicano la Latent Dirichlet Allocation (LDA) per identificare i topic latenti. Questi topic vengono etichettati utilizzando un modello linguistico di grandi dimensioni (GPT-4o) e validati manualmente. I profili degli utenti sono costruiti come vettori di caratteristiche basati su questi modelli di spesa e raggruppati tramite l'algoritmo k-medoids per identificare distinti gruppi di utenti.
2. Inferenza Causale tramite Esperimento Naturale (RQ2): Per valutare l'impatto delle sovvenzioni di punti esogene, lo studio utilizza un design quasi-sperimentale basato sulla "seconda campagna My Number Point" del Giappone (fine 2022). Viene impiegato un approccio Difference-in-Differences (DID) con stima a doppia robustezza per confrontare un gruppo di trattamento (utenti che ricevono una sovvenzione una tantum di 7.500 JPY) con un gruppo di controllo. Questo metodo controlla il bias di selezione stimando i punteggi di propensione basati su variabili demografiche e comportamentali pre-intervento.
3. Analisi Esplorazione-Sfruttamento basata su Embedding (RQ3): Per quantificare gli stili di acquisto, gli autori applicano un modello Skip-gram con Negative Sampling (SGNS) (simile a word2vec) per apprendere le rappresentazioni vettoriali dei negozi basate sulle sequenze di visite degli utenti. Le tendenze all'esplorazione e allo sfruttamento sono calcolate utilizzando la similarità del coseno tra il vettore del negozio del giorno corrente e la media mobile dei sei giorni precedenti. Questo parametro viene poi correlato con la diversità del riscatto dei punti tra le categorie di PLP.

Risultati Chiave

• Correlazioni Demografiche e di Categoria: I modelli di riscatto dei punti non sono casuali ma si allineano prevedibilmente con la demografia. Gli utenti più giovani (ventenni) allocano una quota significativamente maggiore di punti alle categorie "Finanza/Trasporti" e "Investimenti" rispetto alle coorti più anziane, che tendono a riscattare i punti per strutture commerciali. Ciò suggerisce uno spostamento delle priorità di riscatto dai servizi finanziari verso i beni discrezari con l'aumentare dell'età del consumatore.
• Asimmetria nei Flussi di Punti: Esiste un'asimmetria fondamentale tra l'accumulo e il consumo di punti. I punti vengono guadagnati incrementalmente ma riscattati in somme consolidate più ampie. In particolare, un gruppo distinto di utenti riscatta i punti per servizi finanziari (ad esempio, fondi comuni di investimento) piuttosto che dove sono stati guadagnati (ad esempio, ristoranti), indicando che i consumatori non trattano i punti come equivalenti al contante, in linea con le teorie della contabilità mentale.
• Impatto delle Sovvenzioni Esogene: La sovvenzione governativa di 7.500 JPY ha stimolato significativamente il riscatto dei punti. Nel primo mese, il gruppo di trattamento ha riscattato circa il 16% in più di punti rispetto al gruppo di controllo. Tuttavia, la sovvenzione non ha avuto alcun effetto statisticamente significativo sulla spesa monetaria (contante), suggerendo che le sovvenzioni di punti non sostituiscono direttamente il contante e potrebbero non essere efficaci per indurre una spesa monetaria più ampia. I beneficiari sembravano "accantonare" i punti inizialmente, con un picco di riscatto nella terza settimana, suggerendo deliberazione piuttosto che spesa impulsiva.
• Stile di Acquisto e Diversità di Riscatto: Esiste un chiaro legame tra gli stili di acquisto e i modelli di riscatto. Gli acquirenti "esploitativi" (coloro che frequentano un set ristretto di negozi familiari) concentrano i loro riscatti di punti, mentre gli acquirenti "esplorativi" (coloro che provano diversi commercianti) riscattano i punti in modo più ampio tra le categorie. L'età è un predittore più forte della tendenza all'esplorazione rispetto alla categoria di riscatto, con le coorti più giovani che mostrano punteggi di esplorazione significativamente più elevati.

Significatività e Contributi
Il documento sostiene di far avanzare il campo fornendo prove empiriche da un massiccio ecosistema economico reale, andando oltre i limiti degli esperimenti di laboratorio e dei dataset di singole imprese.

• Contributo Teorico: Lo studio estende la comprensione dei Programmi di Fedeltà (LP) ai contesti collaborativi di PLP, offrendo prove empiriche sulla razionalità (o irrazionalità) del consumatore nell'uso dei punti, specificamente riguardo alla contabilità mentale e alle risposte agli stimoli esogeni.
• Implicazioni Gestionali e Politiche: I risultati offrono spunti pratici per ottimizzare il design dei PLP e il targeting delle promozioni in base ai segmenti demografici e agli stili di acquisto. Per i decisori politici, i risultati suggeriscono che, sebbene le politiche pubbliche basate sui punti possano stimolare efficacemente il consumo specifico basato sui punti, potrebbero non essere strumenti efficaci per guidare una spesa monetaria più ampia o sostituire i trasferimenti di contante.
• Contributo Metodologico: Il documento dimostra la validità dell'uso di tecniche di embedding e di esperimenti naturali su dati finanziari di terze parti per modellare comportamenti di consumo complessi e multi-valuta, precedentemente difficili da studiare con i metodi tradizionali.