Przez dekadę (2014-2023) społeczność naukowa wyprodukowała ponad dwanaście tysięcy artykułów poświęconych e-commerce. Trudno o bardziej imponujący dowód dojrzałości dyscypliny. A jednak analiza bibliometryczna Mo i Wanga, obejmująca 12 481 prac zindeksowanych w Web of Science¹, ujawnia coś niepokojącego: dominującym przedmiotem zainteresowania akademickiego pozostają mechanizmy rekomendacji i word-of-mouth, czyli narzędzia, których zadaniem jest utrzymanie i pogłębienie relacji z nabywcami, którzy już kupują. Empiryczna nauka o marketingu od lat sześćdziesiątych konsekwentnie dowodzi czegoś diametralnie innego: marki rosną przede wszystkim przez pozyskiwanie nowych kupujących, a nie przez intensyfikację zakupów lojalnych². Agenda badawcza e-commerce i mechanika wzrostu rynkowego przez dekadę rozwijały się równolegle, lecz w przeciwnych kierunkach. To nie przypadek i nie niedopatrzenie. To strukturalny problem, który ma konkretne konsekwencje dla praktyki zarządzania sklepami internetowymi.
Dane Mo i Wanga są jednoznaczne. Spośród siedmiu zidentyfikowanych klastrów tematycznych e-commerce, klaster systemów rekomendacji (#0) jest największy¹, a bezpośrednio za nim plasuje się klaster word-of-mouth (#1). Oba koncentrują się na tym samym fenomenie: zachowaniach nabywców, którzy weszli już w kontakt z marką lub platformą. Systemy rekomendacji analizują historię zakupów i interakcji, by dostarczyć spersonalizowane propozycje istniejącym użytkownikom. Word-of-mouth mierzy, jak doświadczenia dotychczasowych klientów wpływają na ich dalsze decyzje i na decyzje ich sieci społecznych. Łączna liczba artykułów w tych dwóch klastrach stanowi największą koncentrację tematyczną w całym zbiorze 12 481 prac¹. Jednocześnie żaden z siedmiu klastrów nie odpowiada bezpośrednio zagadnieniu, które w empirycznej nauce o marketingu uznawane jest za fundament wzrostu: pozyskiwaniu nowych kupujących w kategorii.
Prawo podwójnego ryzyka, sformułowane przez Andrew Ehrenberga i rozwinięte przez Byrona Sharpa, opisuje prawidłowość powtarzającą się w dziesiątkach kategorii rynkowych na różnych kontynentach²: marki o mniejszym udziale rynkowym mają proporcjonalnie mniej nabywców i nieznacznie niższy wskaźnik lojalności. Relacja jest funkcją udziału w rynku, a nie jakości programu lojalnościowego ani precyzji algorytmu rekomendacyjnego. Model NBD-Dirichlet, opisujący stochastyczne zachowania zakupowe, potwierdza tę prawidłowość ilościowo: wzrost marki jest przede wszystkim funkcją penetracji kategorii, rozumianej jako odsetek nabywców dokonujących przynajmniej jednego zakupu w danym okresie³. Algorytmy rekomendacyjne operują wyłącznie na danych nabywców aktywnych w systemie. Docierają do tych, którzy już kupili. Nowych nabywców z definicji nie mają w bazie i nie mogą ich rekomendować. Akademicka obsesja na rekomendacjach to optymalizacja mechanizmu, który z natury wyklucza najważniejszy cel wzrostowy.
Trzy fazy ewolucji badań e-commerce, które Mo i Wang identyfikują na podstawie analizy burst detection, odsłaniają logikę kształtowania agendy naukowej¹. Faza pierwsza (2009-2014) koncentrowała się na zaufaniu, postrzeganym ryzyku i satysfakcji z zakupów online: to moment, gdy konsumenci dopiero oswajali się z kanałem. Faza druga (2015-2020) przyniosła dominację social commerce, marketingu w mediach społecznościowych i systemów rekomendacji: badacze podążyli za technologicznymi możliwościami wielkich platform danych. Faza trzecia (2021-2023) przesunęła uwagę na cross-border e-commerce, globalizację i integrację modelu online-to-offline: agenda znów zareagowała na infrastrukturalną ekspansję rynku. Żadna z trzech faz nie wygenerowała klastra poświęconego penetracji kategorii, roli kupujących okazjonalnych ani mechanizmom pozyskiwania nowych nabywców na poziomie całego rynku. Akademia konsekwentnie reaguje na technologię. Nie reaguje na prawa wzrostu.
Dodatkowym czynnikiem zniekształcającym mapę wiedzy jest geograficzna koncentracja produkcji naukowej. Chiny odpowiadają za 44,1% wszystkich publikacji w analizowanej dekadzie¹, wyprzedzając Stany Zjednoczone (18,5%) ponad dwukrotnie. Chińska Akademia Nauk jest najbardziej produktywną instytucją (196 artykułów), a pięć z dziesięciu wiodących jednostek badawczych pochodzi z Chin¹. Jest to zbieżne z bezprecedensowym rozwojem tamtejszego rynku: Chiny posiadają największą bazę użytkowników e-commerce na świecie i unikalny ekosystem oparty na super-aplikacjach integrujących płatności, media społecznościowe i zakupy. Taki kontekst sprzyja badaniom nad rekomendacjami algorytmicznymi i social commerce, ponieważ w ekosystemie WeChat i Taobao dane behawioralne użytkowników są wyjątkowo bogate. Jednak prawidłowości odkrywane w tym ekosystemie nie generalizują się na rynki zachodnie, gdzie fragmentacja kanałów i inne nawyki medialne tworzą odmienne warunki docierania do nowych nabywców. Monokultura geograficzna w nauce o e-commerce to ryzyko dla globalnej praktyki zarządzania marką.