大數(shù)據(jù)環(huán)境下電子商務(wù)個性化推薦服務(wù)發(fā)展動向探析

王茜+錢力

摘要：在以博客、社交網(wǎng)絡(luò)、云計算、物聯(lián)網(wǎng)等信息發(fā)布方式和技術(shù)為載體的大數(shù)據(jù)時代，數(shù)據(jù)具有異構(gòu)復(fù)雜、增長劇烈的特征，用戶對信息的個性化、知識化、專業(yè)化、智能化的需求，給商務(wù)網(wǎng)站個性化推薦服務(wù)帶來極大挑戰(zhàn)。從梳理大數(shù)據(jù)和個性化推薦服務(wù)內(nèi)涵入手，本文分析了大數(shù)據(jù)背景下商務(wù)網(wǎng)站個性化推薦服務(wù)所呈現(xiàn)的新特征和面臨的挑戰(zhàn)，從精準(zhǔn)深度挖掘、數(shù)據(jù)關(guān)聯(lián)、個性化決策、知識化平臺等視角，探討了大數(shù)據(jù)背景下商務(wù)網(wǎng)站個性化推薦服務(wù)的發(fā)展方向。

關(guān)鍵詞：大數(shù)據(jù)；商務(wù)網(wǎng)站；個性化推薦服務(wù)；語義網(wǎng)；知識組織

中圖分類號：F7246文獻(xiàn)標(biāo)識碼：B

收稿日期：2014-03-20

作者簡介：王茜（1981-），女，河南項城人，中國科學(xué)院文獻(xiàn)情報中心博士后，河南師范大學(xué)商學(xué)院副教授，管理學(xué)博士，研究方向：電子商務(wù)、企業(yè)戰(zhàn)略管理；錢力（1981-），男，河南項城人，中國科學(xué)院文獻(xiàn)情報中心館員，中國科學(xué)院大學(xué)博士研究生，研究方向：智能信息處理與信息可視化。

基金項目：國家社會科學(xué)基金后期資助項目“數(shù)字資源長期保存的技術(shù)研究與實踐”，項目編號：09FTQ005。

博客、社交網(wǎng)絡(luò)、基于位置的服務(wù)（LBS）等新型信息發(fā)布方式的涌現(xiàn)，以及云計算、物聯(lián)網(wǎng)等技術(shù)的興起，將人們帶入大數(shù)據(jù)時代[1]。海量數(shù)據(jù)在為商業(yè)網(wǎng)站制定決策提供越來越充分的信息的同時，也給商務(wù)網(wǎng)站個性化推薦服務(wù)帶來極大挑戰(zhàn)：一方面，數(shù)據(jù)的異構(gòu)復(fù)雜性、增長的劇烈性，而且商務(wù)網(wǎng)站的商業(yè)氛圍逐步成熟、飽和度也逐步提高，迫使它們的信息服務(wù)模式做出改進(jìn)、突破；另一方面，服務(wù)用戶也被雜亂無章的海量數(shù)據(jù)包圍，要求商務(wù)網(wǎng)站充分利用現(xiàn)代信息技術(shù)，更準(zhǔn)確、及時及更智能的為服務(wù)用戶提供主動化、人性化、個性化、系統(tǒng)化、專業(yè)化的服務(wù)。因此，關(guān)注大數(shù)據(jù)環(huán)境下電子商務(wù)個性化推薦服務(wù)的特征與挑戰(zhàn)，探討個性化推薦服務(wù)新的發(fā)展動向，對于打造商務(wù)網(wǎng)站競爭優(yōu)勢、拓展個性化推薦服務(wù)研究內(nèi)容等方面具有重要的實踐意義和理論意義。

一、大數(shù)據(jù)的內(nèi)涵與特性

隨著信息爆炸式增長，“大數(shù)據(jù)”一詞越來越成為人們關(guān)注的熱點與焦點，先后被《自然》雜志、計算機(jī)社區(qū)聯(lián)盟、麥肯錫、《華爾街日報》、《紐約時報》、瑞士達(dá)沃斯世界經(jīng)濟(jì)論壇、奧巴馬政府等以不同形式進(jìn)行討論。在中國，“大數(shù)據(jù)”也已成為炙手可熱的話題，僅以中國知網(wǎng)數(shù)據(jù)庫檢索為例，截止到2014年3月1日，以大數(shù)據(jù)為題名的論文2 633篇，2013年之前共發(fā)文539篇，而2013年全年發(fā)文達(dá)到1 833篇，主要涵蓋計算機(jī)技術(shù)、經(jīng)濟(jì)戰(zhàn)略、電子政務(wù)、新聞傳媒、電子商務(wù)、企業(yè)管理等領(lǐng)域。關(guān)于大數(shù)據(jù)的內(nèi)涵雖然尚未統(tǒng)一，但通過梳理相關(guān)表述（表1），發(fā)現(xiàn)對大數(shù)據(jù)的關(guān)注點卻是趨于一致的，認(rèn)為大數(shù)據(jù)是指那些超出傳統(tǒng)數(shù)據(jù)庫系統(tǒng)處理能力的數(shù)據(jù)，具有規(guī)模性、復(fù)雜性、高速性、時效性及價值性。在大數(shù)據(jù)時代，一方面，數(shù)據(jù)不再僅僅承載著簡單記錄功能，也不再是一堆凌亂的數(shù)字，而是承載著信息和知識的金礦，具有巨大的經(jīng)濟(jì)價值與社會價值。另一方面，數(shù)據(jù)來源的多樣性、數(shù)據(jù)增長的劇烈性、數(shù)據(jù)規(guī)模的龐大性、數(shù)據(jù)價值的時效性、數(shù)據(jù)之間的關(guān)聯(lián)性等方面，都對目前的數(shù)據(jù)處理能力與方式具有挑戰(zhàn)性。

二、電子商務(wù)個性化推薦服務(wù)內(nèi)涵與模式

在互聯(lián)網(wǎng)普及的時代，為了解決顧客信息超載的問題，引導(dǎo)顧客較為便捷地找到打算購買的商品，推薦系統(tǒng)便成為眾多電子商務(wù)企業(yè)提供的一種服務(wù)模式。所謂推薦系統(tǒng)，是一種根據(jù)顧客的需求、偏好、個人資料及歷史交易行為，為網(wǎng)絡(luò)消費者提供決策建議的軟件系統(tǒng)，如推薦他們想要的商品或從哪里獲得想要的商品[7-9]。傳統(tǒng)電子商務(wù)推薦服務(wù)，或是基于顧客歷史數(shù)據(jù)來抽取和推薦他們共同偏好的商品如熱銷商品推薦等[10-11]，或是根據(jù)網(wǎng)站促銷意圖將其主打產(chǎn)品推送給顧客，如新品推薦、特價推薦等[12]，能夠為顧客提供較好的決策支持服務(wù)。但在追求個性化、語義化的Web30背景下，傳統(tǒng)推薦服務(wù)所展示的實際效果并不理想，很多用戶都將這些推薦當(dāng)做垃圾廣告處理。個性化推薦系統(tǒng)的興起能夠很好地解決傳統(tǒng)推薦系統(tǒng)所帶來的問題，它基于顧客個性化特征和需求，依托協(xié)同過濾、內(nèi)容過濾、知識發(fā)現(xiàn)、交互式推薦等技術(shù)，在合適的場景、合適的時機(jī)、通過合適的渠道，把合適的內(nèi)容，推薦給合適的用戶，為顧客提供個性化的購物體驗[13-14]。在個性化推薦服務(wù)系統(tǒng)中，消費者不再是被動的信息或網(wǎng)頁瀏覽者，而是主動參與者。目前商務(wù)網(wǎng)站的個性化推薦服務(wù)模式有個性化定購?fù)扑]、關(guān)聯(lián)挖掘推薦、基于主體或關(guān)鍵詞的排序推薦等。

（一）個性化定購?fù)扑]

用戶根據(jù)自身的需求和對商品信息的自我評估，直接填寫表單，提交給商務(wù)網(wǎng)站，之后商務(wù)網(wǎng)站通過郵件或者其他通信方式滿足用戶的需求。這種推薦方式增強(qiáng)了商務(wù)網(wǎng)站與顧客的直接聯(lián)系，捕獲顧客需求，但是該推薦方式缺乏服務(wù)主動性，在具體實施時不能夠為顧客找到符合其需求的有價值的產(chǎn)品提供支持。

（二）關(guān)聯(lián)挖掘推薦

商務(wù)網(wǎng)站根據(jù)用戶已經(jīng)在其服務(wù)中體現(xiàn)出的行為，進(jìn)行關(guān)聯(lián)挖掘，發(fā)現(xiàn)及推薦用戶可能需求的服務(wù)產(chǎn)品。目前在實踐層面運(yùn)用最廣的有基于用戶的協(xié)同推薦系統(tǒng)和基于物品的協(xié)同推薦系統(tǒng)。基于用戶的協(xié)同推薦系統(tǒng)根據(jù)用戶的購買或瀏覽記錄等，挖掘出用戶之間的相似度，然后利用與目標(biāo)客戶相似度較高的客戶對相關(guān)產(chǎn)品的喜好，作為預(yù)測目標(biāo)客戶對特定商品喜好的程度，進(jìn)而根據(jù)喜好程度來對目標(biāo)用戶進(jìn)行推薦?；谖锲返膮f(xié)同推薦系統(tǒng)則是依據(jù)物品被購買或被瀏覽的記錄，挖掘出相似物品進(jìn)行推薦。這種推薦方式關(guān)鍵在于信息的獲取與信息的過濾，因此，在實施層面仍面臨著無法有效推薦新產(chǎn)品、新客戶、不能夠及時的感知用戶興趣的變動等問題，同時由于在推薦信息過程中采用的是比對推薦方法，因此，在推薦效果方面與用戶需求還存在一定差距。

（三）基于主題或者關(guān)鍵詞的排序推薦

通過用戶提供的需求主題或者關(guān)鍵詞，在服務(wù)產(chǎn)品檢索平臺中進(jìn)行匹配檢索，將一定的檢索結(jié)果推薦給用戶。這種推薦方式的缺點是檢索出太多的推薦結(jié)果，而且其中夾雜著很多的干擾信息。endprint

三、大數(shù)據(jù)環(huán)境下電子商務(wù)個性化推薦服務(wù)的特征

（一）海量數(shù)據(jù)為基礎(chǔ)的推薦服務(wù)

社會化媒體、電子商務(wù)、移動通訊的出現(xiàn)和發(fā)展，將我們帶入了一個大數(shù)據(jù)時代。我們每個人每天都以不同形式制造、傳遞著不同類型的數(shù)據(jù)，每天都有PB級別的數(shù)據(jù)產(chǎn)生。這些爆炸增長的數(shù)據(jù)對于我們的重要價值在于其本身包含的巨量的信息，在當(dāng)今互聯(lián)網(wǎng)時代，每一條信息都有一個與之相對應(yīng)的人，每個人的情感、愛好、生活習(xí)慣、消費傾向也都將體現(xiàn)在數(shù)據(jù)之中。因此，海量數(shù)據(jù)不但使電子商務(wù)企業(yè)的個性化推薦顯得必要而且也成為可能。

（二）復(fù)雜多樣及異構(gòu)的數(shù)據(jù)推薦服務(wù)

伴隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)信息的服務(wù)模式也變遷迅速，例如，近期“微信”服務(wù)風(fēng)靡全球，對原有的短信服務(wù)模式發(fā)起的全新的沖擊，甚至對其有著顛覆性的更新。而電子商務(wù)企業(yè)未來的服務(wù)也不僅面對著文本信息表達(dá)的服務(wù)產(chǎn)品，像音頻、視頻、圖像等特征的復(fù)雜數(shù)據(jù)，同時各自具備著獨特的數(shù)據(jù)結(jié)構(gòu)，這也作為未來大數(shù)據(jù)發(fā)展的一個方向。

（三）關(guān)聯(lián)數(shù)據(jù)的豐富性個性化推薦

大數(shù)據(jù)時代是web30發(fā)展的產(chǎn)物，數(shù)據(jù)之間的關(guān)聯(lián)從技術(shù)上可以面向全球服務(wù)，同時數(shù)據(jù)價值的提升進(jìn)一步促進(jìn)企業(yè)用戶對關(guān)聯(lián)數(shù)據(jù)的高度重視。在此背景下，能夠為用戶推薦更豐富、更全面的服務(wù)信息，不僅讓用戶掌握了他們迫切需求的服務(wù)產(chǎn)品，而且也讓他們從多個側(cè)面來了解與之相關(guān)的服務(wù)產(chǎn)品，一方面增加用戶的社會認(rèn)識，另一方面提升電子商務(wù)企業(yè)的服務(wù)質(zhì)量。

（四）語義個性化推薦

過去，電子商務(wù)的個性化推薦基本都是基于關(guān)鍵詞的匹配檢索，進(jìn)而發(fā)現(xiàn)與用戶相關(guān)的需求信息，進(jìn)行個性化推薦。而當(dāng)今，語義網(wǎng)的出現(xiàn)讓計算機(jī)理解用戶的想法和語言，更人性化、智能化的在第一時間為用戶挖掘到深層信息。Berners-Lee在1998年首次提出語義網(wǎng)的概念[15]，其核心是：通過給萬維網(wǎng)上的文檔（如HTML）添加能夠被計算機(jī)所理解的語義，從而使整個互聯(lián)網(wǎng)成為一個通用的信息交換媒介。簡單地說，語義網(wǎng)是一種能理解人類語言的智能網(wǎng)絡(luò)，它不但能夠理解人類的語言，而且還可以使人與電腦之間的交流變得像人與人之間交流一樣輕松。

（五）Alert與RSS模式的個性化推薦

當(dāng)前用戶在大數(shù)據(jù)環(huán)境下，被浩瀚的數(shù)據(jù)所包圍，很難在第一時間發(fā)現(xiàn)、了解自己需求的服務(wù)信息，而Alert服務(wù)具備及時性、個性化的特征，服務(wù)系統(tǒng)發(fā)現(xiàn)與用戶需求相關(guān)的信息時，第一時間提醒用戶去關(guān)注，極大提升了用戶的工作效率。RSS以 XML標(biāo)準(zhǔn)化格式分發(fā)信息，通過 XML 標(biāo)準(zhǔn)定義信息的包裝和發(fā)布格式，其強(qiáng)大的信息聚合和推送功能為信息提供者和接收者提供便利。例如，當(dāng)前的一些期刊出版商、Google學(xué)術(shù)搜索等服務(wù)機(jī)構(gòu)，為用戶提供的alert及RSS服務(wù)，得到了廣大用戶的好評。

（六）個性化推薦的多維度性

可以推薦個性化的本地域或者跨地域的社群組織、愛好圈以及社交網(wǎng)絡(luò)等相關(guān)的服務(wù)信息，將這些信息有效聯(lián)系起來，讓服務(wù)信息具備更全面的維度，為用戶提供多個側(cè)面的個性化推薦服務(wù)。

四、大數(shù)據(jù)環(huán)境下電子商務(wù)個性化推薦服務(wù)面臨的挑戰(zhàn)

（一） 企業(yè)數(shù)據(jù)的保存與利用

電子商務(wù)企業(yè)在web30的信息時代，企業(yè)數(shù)據(jù)每時每刻都在劇增，如何將這些數(shù)據(jù)信息迅速、有效保存是企業(yè)服務(wù)質(zhì)量的關(guān)鍵，同時保存僅僅是企業(yè)服務(wù)的一個中間環(huán)節(jié)，如何挖掘、利用好保存的大數(shù)據(jù)，將是一個電子商務(wù)企業(yè)未來發(fā)展的關(guān)鍵。如果僅僅保存，這對于大數(shù)據(jù)是嚴(yán)重浪費。就海量數(shù)據(jù)，提供高附加值的數(shù)據(jù)分析服務(wù)，將大數(shù)據(jù)封裝轉(zhuǎn)化為服務(wù)，形成可對外開放、可商業(yè)化的核心能力，一定程度上也實現(xiàn)了商業(yè)模式的創(chuàng)新，為個性化推薦提供強(qiáng)大的數(shù)據(jù)服務(wù)基礎(chǔ)。

（二） 企業(yè)數(shù)據(jù)的快速處理計算

海量數(shù)據(jù)對計算機(jī)硬件的性能帶來挑戰(zhàn)，因為企業(yè)要求在最短的時間內(nèi)，盡可能創(chuàng)造最大的價值，而面對大數(shù)據(jù)，通過什么信息技術(shù)進(jìn)行快速處理、計算，形成結(jié)構(gòu)化的、開放應(yīng)用的數(shù)據(jù)，這個問題不僅僅電子商務(wù)企業(yè)面臨的一個挑戰(zhàn)?，F(xiàn)今的云計算，在概念層面上，一定程度上解決了這方面的一點問題，但是，在目前的現(xiàn)實信息環(huán)境中，由于網(wǎng)絡(luò)以及硬件的限制，還不能匯聚更多的計算機(jī)，達(dá)到預(yù)訂的計算目標(biāo)。

（三） 企業(yè)數(shù)據(jù)的有效組織形式

企業(yè)數(shù)據(jù)的組織形式直接決定著其服務(wù)模式、服務(wù)質(zhì)量。傳統(tǒng)的以關(guān)鍵詞進(jìn)行匹配檢索的服務(wù)模式，目前仍然是個性化推薦的主流，這些數(shù)據(jù)大多以關(guān)系數(shù)據(jù)庫的形式，將其各自的元數(shù)據(jù)進(jìn)行集中或者分布式進(jìn)行組織。但是，隨著數(shù)據(jù)量的增長、服務(wù)要求的提升、語義網(wǎng)的迅速發(fā)展，數(shù)據(jù)組織形式肯定要發(fā)生轉(zhuǎn)變。例如，為用戶提供個性化關(guān)聯(lián)服務(wù)、語義個性化推薦服務(wù)等更高層面的知識服務(wù)，傳統(tǒng)的簡單組織方式已經(jīng)不能滿足這方面的發(fā)展需求。在這一方面，可以借鑒當(dāng)前的熱點研究Link Open Data、Virtuoso（語義存儲工具）、RDF等與語義網(wǎng)相關(guān)的數(shù)據(jù)組織方式。

（四） 企業(yè)提供服務(wù)模式的轉(zhuǎn)變

數(shù)據(jù)是企業(yè)提供服務(wù)的基礎(chǔ)，面對數(shù)據(jù)規(guī)模、存儲方式以及組織方式等特征的轉(zhuǎn)變，企業(yè)所提供的傳統(tǒng)服務(wù)模式勢必也同步轉(zhuǎn)變，來應(yīng)對當(dāng)前整個數(shù)據(jù)環(huán)境的更新。主要面臨以下幾種轉(zhuǎn)變方式的挑戰(zhàn)：

1.由被動服務(wù)為主動服務(wù)。被動服務(wù)是指客戶主動到企業(yè)電子商城中發(fā)現(xiàn)自己需要的商品，更具有目的性、針對性，但是對于企業(yè)來說，嚴(yán)重忽視了客戶巨大的潛在需求，通過主動服務(wù)模式，將與每一個用戶潛在的信息需求更精確的發(fā)現(xiàn)，推薦給用戶，一方面方便了用戶，甚至給用戶意想不到的需求驚喜，另一方面增強(qiáng)了企業(yè)銷售的強(qiáng)度。

2.由基于關(guān)鍵詞或者主題詞檢索的服務(wù)轉(zhuǎn)為基于語義的智能檢索服務(wù)。隨著web30、語義網(wǎng)的迅速發(fā)展，智能檢索服務(wù)開始具備一定的知識基礎(chǔ)，例如DBPedia發(fā)布規(guī)范的大數(shù)據(jù)集、各個行業(yè)領(lǐng)域的發(fā)布的知識組織體系（KOS）等知識組織規(guī)范，同時借助傳統(tǒng)的敘詞表以及行業(yè)的巨大的語料資源，為用戶提供語義的智能檢索服務(wù)逐步將開始實施，從而實現(xiàn)為用戶提供更準(zhǔn)確地信息檢索方式。endprint

3.由傳統(tǒng)的個性化信息檢索結(jié)果推薦服務(wù)轉(zhuǎn)變?yōu)閭€性化知識推薦服務(wù)。個性化信息檢索結(jié)果是將每條信息進(jìn)行羅列在頁面中，供用戶瀏覽，通過查看詳情來衡量此信息的重要度。而個性化知識推薦服務(wù)，是將每條信息分割成更小的帶有語義的知識單元，用戶能夠在第一時間內(nèi)更快、更準(zhǔn)確的掌握每條信息的概要內(nèi)容，進(jìn)行決策是否對自己有價值。

五、電子商務(wù)個性化推薦服務(wù)的發(fā)展方向

（一）個性化推薦的精準(zhǔn)深度挖掘

在運(yùn)營商內(nèi)部，根據(jù)用戶喜好推薦各類業(yè)務(wù)或應(yīng)用是常見的，比如應(yīng)用商店軟件推薦、電視視頻節(jié)目推薦、關(guān)注購物推薦等服務(wù)，通過關(guān)聯(lián)規(guī)則、信息

摘要抽取、情感分析等智能分析算法進(jìn)行計算后，可以將之延伸到商用化服務(wù)，即此過程也是利用“數(shù)據(jù)挖掘技術(shù)”幫助運(yùn)營商進(jìn)行精準(zhǔn)營銷。典型的一個反面例子，我們生活中日常的“垃圾短信”，其實這些所謂的垃圾信息并不一定都是“垃圾”，只是因為收到的人并不需要而被視為垃圾，而通過對用戶行為數(shù)據(jù)進(jìn)行挖掘分析，可以給需要的人發(fā)送需要的信息，這樣的“垃圾短信”就成了有價值的信息。典型的一個正面例子，即在日本的麥當(dāng)勞，用戶在手機(jī)上下載優(yōu)惠券，再去餐廳用運(yùn)營商DoCoMo的手機(jī)錢包優(yōu)惠支付，從而運(yùn)營商和麥當(dāng)勞可以充分利用搜集到相關(guān)消費信息，例如經(jīng)常買什么漢堡，去哪個店消費，消費頻次多少，然后精準(zhǔn)推送優(yōu)惠券給用戶。

（二）商品之間豐富的數(shù)據(jù)關(guān)聯(lián)

大數(shù)據(jù)時代，關(guān)聯(lián)數(shù)據(jù)可謂是企業(yè)增強(qiáng)自身競爭力的一種潛在法寶，不僅能夠建立海量商品之間的關(guān)聯(lián)關(guān)系，而且還改善用戶搜索商品關(guān)鍵詞、豐富用戶檢索商品結(jié)果內(nèi)容的類型、改善商品排序策略以及創(chuàng)建用戶與商品的個性化關(guān)聯(lián)等方面都占據(jù)著重要角色。

首先，企業(yè)充分利用目前網(wǎng)絡(luò)中發(fā)布的開放資源，將自身的產(chǎn)品與之進(jìn)行關(guān)聯(lián)發(fā)現(xiàn)，豐富了企業(yè)客戶需求信息的深度與廣度，幫助客戶發(fā)現(xiàn)更多或者潛在的需求信息；其次，企業(yè)充分利用自身的海量數(shù)據(jù)，通過關(guān)聯(lián)數(shù)據(jù)的格式規(guī)范，將自身數(shù)據(jù)進(jìn)行加工發(fā)布，讓更多的網(wǎng)絡(luò)平臺進(jìn)行關(guān)聯(lián)發(fā)現(xiàn)，一方面拓展了自身銷售的途徑，另一方面達(dá)到了通過其他平臺來宣傳自己的效果；最后，企業(yè)完全可以基于關(guān)聯(lián)數(shù)據(jù)開發(fā)自身的商城平臺，實現(xiàn)海量分散數(shù)據(jù)的增值服務(wù)，例如目前的易淘網(wǎng)站，通過關(guān)聯(lián)淘寶、京東等等商城的信息，取得了不錯的營銷效果。

（三）知識大匯聚的電子商務(wù)智能平臺

例如當(dāng)今的易淘網(wǎng)，匯聚多個電子商城于一體，提供個性化推薦服務(wù)，既省時、又準(zhǔn)確、全面的為用戶推薦商品信息。但是，未來的發(fā)展，在上述的基礎(chǔ)上，服務(wù)產(chǎn)品的粒度會更小，而且隨著行業(yè)領(lǐng)域知識組織體系（KOS）的建設(shè)與完善，計算機(jī)能夠?qū)W習(xí)與理解結(jié)構(gòu)化的細(xì)粒度服務(wù)信息，為用戶提供知識服務(wù)，商品平臺的服務(wù)模式也從傳統(tǒng)的基于關(guān)鍵詞匹配的檢索服務(wù)平臺邁向基于語義的智能檢索服務(wù)平臺，最終建設(shè)成一個知識大匯聚的智能商務(wù)平臺。

（四）商務(wù)網(wǎng)站的個性化決策功能

電子商務(wù)企業(yè)可以利用每日產(chǎn)生的海量商務(wù)運(yùn)營數(shù)據(jù)，加以運(yùn)用成熟的運(yùn)營分析技術(shù)，借助現(xiàn)代先進(jìn)信息技術(shù)工具，特別是自然語言處理、語義網(wǎng)以及行業(yè)知識組織系統(tǒng)等技術(shù)平臺，有效提升企業(yè)數(shù)據(jù)資源的利用能力，讓大數(shù)據(jù)成為企業(yè)決策的制勝法寶，持續(xù)保持自己的核心競爭位置。例如亞馬遜在制定新產(chǎn)品和服務(wù)的決策過程中，利用大數(shù)據(jù)技術(shù)分析消費者有關(guān)新產(chǎn)品和服務(wù)的海量數(shù)據(jù)，能夠很好地捕捉到新產(chǎn)品受歡迎的程度，預(yù)判消費者購買行為，進(jìn)而決定新產(chǎn)品和服務(wù)運(yùn)營策略（推向市場、取消或全新嘗試等）。再如2012年美國總統(tǒng)大選，兩黨雙方均不惜代價，利用大數(shù)據(jù)來預(yù)測大選中選民的趨勢。當(dāng)時羅姆尼共和黨堅信形勢對自己有利，蓄勢待發(fā)。奧巴馬民主黨也分秒不停，想摸準(zhǔn)選民的風(fēng)向，主導(dǎo)選情。數(shù)周內(nèi)他們對選情數(shù)據(jù)進(jìn)行的細(xì)粒度采集和多位形勢分析，作為制定競選策略和掌握獲勝機(jī)遇的機(jī)制[15]。

六、小結(jié)

大數(shù)據(jù)既為商務(wù)網(wǎng)站帶來了挑戰(zhàn)，同時又為他們開來了機(jī)遇。數(shù)據(jù)的海量倍增、服務(wù)性能的壓力也受到了一定程度的影響以及為用戶所帶來的困擾等等方面迫使電子商務(wù)企業(yè)從根本上進(jìn)行轉(zhuǎn)變，從服務(wù)意識中感受未來的緊迫性。同時，隨著大數(shù)據(jù)技術(shù)與平臺的成熟發(fā)展、數(shù)據(jù)規(guī)范及知識組織體系的擴(kuò)展與壯大，為電子商務(wù)企業(yè)創(chuàng)建自身的品牌服務(wù)帶來了商機(jī)，比如個性化推薦的情景感知服務(wù)，商城平臺能夠在第一時間理解“當(dāng)前用戶是誰？應(yīng)該為他提供什么服務(wù)？應(yīng)該為他提供一個可視化導(dǎo)航？”等用戶需求服務(wù)，為用戶節(jié)省時間的同時，也為用戶帶來了方便與驚喜。

參考文獻(xiàn)：

[1]孟小峰，慈祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計算機(jī)研究與發(fā)展，2013，50（1）：146-169.

[2]Mckinsey Global Institute. Big data：The next frontier for innovation， competition， and productivity[R/OL].[2013-01-22].http：//www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation

[3]Grobelink M. Big-data computing：Creating revolutionary breakthroughs in commerce， science， and society[R/OL].[2013-01-22].http：//videolectures. Net/eswc2012_grobelink_big_data/

[4]IBM. What is big data？[EB/OL].[2013-03-02].http：//www-01.ibm.com/software/data/bigdata.

[5]Barwick H. The “four Vs”of Big Data. Implementing Information Infrastructure Symposium[R/OL].[2013-01-22].http：//www.computerworld.com.au/article/396198/iiis_four_vs_big_data/endprint

[6]Big data[EB/OL].[2013-01-22].http：//en.wikipedia.org/wiki/Big_data.

[7]]Ricci， F. Travel recommender systems， IEEE Intelligent Systems[J].November/December，2002：55-57.

[8]Ansari， A.， Essegaier， S.， et al. Internet Recommendation Systems[J].Journal of Marketing Research. August，2000， 37（3）：363-375.

[9]Haubl， G.， and Trifts， V.， Consumer Decision Making in Online Shopping Environments：The Effects of Interactive Decision Aids[J]. Marketing Science， 2000，19（1）：4-21.

[10]J.B. Schafer， J.A. Konstan， J. Riedl. E-commerce recommendation applications[J]. Data Mining and Knowledge Discovery，2001（5）：115–152.

[11]B. Sarwar， G. Karypis， J. Konstan， J. Riedl. Analysis of recommendation algorithms for e-commerce[C].Proceedings of the 2nd ACM conference on Electronic commerce， 2000：158-167.

[12]江秀佳，何源光.國內(nèi)電子商務(wù)個性化推薦系統(tǒng)改進(jìn)研究[J].圖書情報工作，2009，53（16）：137-140.

[13]朱巖，林澤楠.電子商務(wù)中的個性化推薦方法評述[J].中國軟科學(xué)，2009（2）：183-191.

[14]柏林森.電子商務(wù)個性化推薦初探[R/OL].[2013-01-22].http：//blog.sciencenet.cn/blog-3075-517258.html.

[15]楊鳴.大數(shù)據(jù)可改變企業(yè)發(fā)展游戲規(guī)則—技術(shù)處理及模式分析[R/OL].[2013-05-22].http：//scholarsupdate.zhongwenlink.com/news.asp？NewsID=10812.

（責(zé)任編輯：李江）endprint

[6]Big data[EB/OL].[2013-01-22].http：//en.wikipedia.org/wiki/Big_data.

[7]]Ricci， F. Travel recommender systems， IEEE Intelligent Systems[J].November/December，2002：55-57.

[8]Ansari， A.， Essegaier， S.， et al. Internet Recommendation Systems[J].Journal of Marketing Research. August，2000， 37（3）：363-375.

[9]Haubl， G.， and Trifts， V.， Consumer Decision Making in Online Shopping Environments：The Effects of Interactive Decision Aids[J]. Marketing Science， 2000，19（1）：4-21.

[10]J.B. Schafer， J.A. Konstan， J. Riedl. E-commerce recommendation applications[J]. Data Mining and Knowledge Discovery，2001（5）：115–152.

[11]B. Sarwar， G. Karypis， J. Konstan， J. Riedl. Analysis of recommendation algorithms for e-commerce[C].Proceedings of the 2nd ACM conference on Electronic commerce， 2000：158-167.

[12]江秀佳，何源光.國內(nèi)電子商務(wù)個性化推薦系統(tǒng)改進(jìn)研究[J].圖書情報工作，2009，53（16）：137-140.

[13]朱巖，林澤楠.電子商務(wù)中的個性化推薦方法評述[J].中國軟科學(xué)，2009（2）：183-191.

[14]柏林森.電子商務(wù)個性化推薦初探[R/OL].[2013-01-22].http：//blog.sciencenet.cn/blog-3075-517258.html.

[15]楊鳴.大數(shù)據(jù)可改變企業(yè)發(fā)展游戲規(guī)則—技術(shù)處理及模式分析[R/OL].[2013-05-22].http：//scholarsupdate.zhongwenlink.com/news.asp？NewsID=10812.

（責(zé)任編輯：李江）endprint

[6]Big data[EB/OL].[2013-01-22].http：//en.wikipedia.org/wiki/Big_data.

[7]]Ricci， F. Travel recommender systems， IEEE Intelligent Systems[J].November/December，2002：55-57.

[8]Ansari， A.， Essegaier， S.， et al. Internet Recommendation Systems[J].Journal of Marketing Research. August，2000， 37（3）：363-375.

[9]Haubl， G.， and Trifts， V.， Consumer Decision Making in Online Shopping Environments：The Effects of Interactive Decision Aids[J]. Marketing Science， 2000，19（1）：4-21.

[10]J.B. Schafer， J.A. Konstan， J. Riedl. E-commerce recommendation applications[J]. Data Mining and Knowledge Discovery，2001（5）：115–152.

[11]B. Sarwar， G. Karypis， J. Konstan， J. Riedl. Analysis of recommendation algorithms for e-commerce[C].Proceedings of the 2nd ACM conference on Electronic commerce， 2000：158-167.

[12]江秀佳，何源光.國內(nèi)電子商務(wù)個性化推薦系統(tǒng)改進(jìn)研究[J].圖書情報工作，2009，53（16）：137-140.

[13]朱巖，林澤楠.電子商務(wù)中的個性化推薦方法評述[J].中國軟科學(xué)，2009（2）：183-191.

[14]柏林森.電子商務(wù)個性化推薦初探[R/OL].[2013-01-22].http：//blog.sciencenet.cn/blog-3075-517258.html.

[15]楊鳴.大數(shù)據(jù)可改變企業(yè)發(fā)展游戲規(guī)則—技術(shù)處理及模式分析[R/OL].[2013-05-22].http：//scholarsupdate.zhongwenlink.com/news.asp？NewsID=10812.

（責(zé)任編輯：李江）endprint