電子商務(wù)個(gè)性化推薦與大數(shù)據(jù)資源的專業(yè)化處理

邢亞瓊

（長春工業(yè)大學(xué)，長春 130000）

電子商務(wù)個(gè)性化推薦與大數(shù)據(jù)資源的專業(yè)化處理

邢亞瓊

（長春工業(yè)大學(xué)，長春 130000）

電子商務(wù)以其快捷性和便利性，為顧客提供了更方便的服務(wù)，而隨著顧客個(gè)性化需求的不斷加強(qiáng)，進(jìn)行精準(zhǔn)的個(gè)性化推薦服務(wù)就顯得尤為重要。而大數(shù)據(jù)時(shí)代的到來正為此提供了機(jī)遇，使個(gè)性化推薦得以順利發(fā)展，但任何事物的發(fā)展過程中都可能遇到瓶頸，本文就電子商務(wù)個(gè)性化推薦與大數(shù)據(jù)資源的專業(yè)化處理所遇到的問題進(jìn)行探討。

電子商務(wù)；大數(shù)據(jù)；個(gè)性化推薦；專業(yè)化處理

1　電子商務(wù)個(gè)性化推薦與大數(shù)據(jù)資源的專業(yè)化處理選題背景和研究意義

隨著互聯(lián)網(wǎng)和大數(shù)據(jù)的高度發(fā)展，信息時(shí)代已經(jīng)悄然涵蓋了人們生活的方方面面，不僅為人們的衣食住行提供方便，也為電子商務(wù)的發(fā)展帶來了新的契機(jī)。但隨著互聯(lián)網(wǎng)用戶不斷增多，網(wǎng)絡(luò)數(shù)據(jù)繁冗雜亂，人們接觸到更多有用信息的同時(shí)，也被不相關(guān)的信息所干擾，對于個(gè)人而言是一種負(fù)擔(dān)，對于一個(gè)每天需要處理成千上億數(shù)據(jù)的電子商務(wù)企業(yè)來說，這無疑影響巨大。為此，眾多研究人員進(jìn)行了大量的思考，他們從人工智能尋找突破口。對于如何利用大數(shù)據(jù)更好地發(fā)展電子商務(wù)，需要考慮著重兩個(gè)方面來考慮，一個(gè)是電子商務(wù)企業(yè)如何通過各種數(shù)據(jù)挖掘技術(shù)挖掘用戶的行為數(shù)據(jù)信息分析用戶偏好，從眾多服務(wù)中排除用戶需求可能性不大的服務(wù)，使顧客從無限的網(wǎng)絡(luò)資源和產(chǎn)品世界中解脫出來，節(jié)約顧客的采購成本和時(shí)間成本，即為用戶提供個(gè)性化推薦服務(wù)，這對于高效、便捷的社會(huì)交易模式作用巨大。另一個(gè)是對于所獲取的資源如何進(jìn)行專業(yè)化處理，這需要企業(yè)技術(shù)上的能力，也更需要企業(yè)對數(shù)據(jù)資源的挖掘能力。只有解決了這兩方面的問題，企業(yè)才可以建立穩(wěn)定的客戶群，提高服務(wù)質(zhì)量，從而提高企業(yè)的市場競爭力。

2　大數(shù)據(jù)

伴隨著云時(shí)代的到來，2008年，大數(shù)據(jù)（big data）首次出現(xiàn)在大眾的視野，以其的5V特點(diǎn)：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價(jià)值）和Veracity（真實(shí)性）引起了眾多機(jī)構(gòu)和學(xué)者的關(guān)注，其中麥肯錫全球研究所將其描述為：一種規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合。但大數(shù)據(jù)的戰(zhàn)略意義不僅在于掌握龐大的數(shù)據(jù)資源，而更多在于將這些資源進(jìn)行專業(yè)化處理，更好地服務(wù)于政治、經(jīng)濟(jì)、社會(huì)各個(gè)方面，同樣是近幾年興起的電子商務(wù)產(chǎn)業(yè)便是其中之一。

3　電子商務(wù)的個(gè)性化推薦

近幾年電子商務(wù)在逐步走向成熟，并且很好地利用了大數(shù)據(jù)資源的特性，推出了個(gè)性化推薦的功能，即根據(jù)顧客的基本信息、行為、興趣愛好等特征，通過合理的構(gòu)建模型，主動(dòng)為顧客提供更精準(zhǔn)化的服務(wù)，以達(dá)到良好的用戶體驗(yàn)。這樣，有助于顧客節(jié)約時(shí)間成本，更快速地選擇更需要、更合適的產(chǎn)品，更好地滿足顧客不同的個(gè)性化需求，提高顧客對企業(yè)的忠誠度和滿意度，增加用戶黏性。

4　電子商務(wù)的個(gè)性化推薦與大數(shù)據(jù)資源的專業(yè)化處理

大數(shù)據(jù)的出現(xiàn)無疑為電子商務(wù)的發(fā)展帶來了機(jī)遇，但如何使電子商務(wù)實(shí)現(xiàn)質(zhì)的飛躍，很多問題有待探討，其中，有關(guān)大數(shù)據(jù)資源的專業(yè)化處理是很重要的環(huán)節(jié)。

有關(guān)大數(shù)據(jù)資源專業(yè)化處理，可以從兩個(gè)方面探討：一是大數(shù)據(jù)本身信息資源的專業(yè)化處理技術(shù)；二是大數(shù)據(jù)資源渠道的專業(yè)化整合。

當(dāng)今，運(yùn)用在電子商務(wù)個(gè)性化推薦中有關(guān)大數(shù)據(jù)信息資源的處理技術(shù)已有很多。①基于協(xié)作的過濾技術(shù)，這種推薦通過找出與當(dāng)前用戶相識(shí)的用戶，在該相似用戶喜歡的東西與當(dāng)前用戶喜歡的東西相同的假設(shè)前提下，為當(dāng)前用戶提供個(gè)性化服務(wù)。②基于規(guī)則的推薦技術(shù)，這種推薦方法著重研究不同商品之間的關(guān)聯(lián)規(guī)則，假設(shè)用戶購買所需商品之后極有可能購買相關(guān)聯(lián)的商品，從而將兩種商品同時(shí)出現(xiàn)在用戶的可選范圍內(nèi)，增大用戶購買的概率。這種方法容易理解，研究技術(shù)較為成熟，有廣泛的研究基礎(chǔ)，另外實(shí)現(xiàn)的軟件、技術(shù)人員等也比較豐富。③基于內(nèi)容過濾的技術(shù)，這種推薦技術(shù)根據(jù)用戶的歷史信息構(gòu)造用戶偏好文檔，計(jì)算推薦項(xiàng)目與用戶偏好文檔的相似度，將最相似的項(xiàng)目推薦給用戶。④基于效用的推薦技術(shù)，首先對用戶所購買的商品的效用進(jìn)行計(jì)算，為每種類型的用戶和商品量身定做效用模型，然后將用戶和商品的參數(shù)帶入效用函數(shù)進(jìn)行計(jì)算，進(jìn)行效用值排序，進(jìn)而為用戶推薦排名靠前的商品。這些個(gè)性化推薦的算法盡管還存在一些不足，但縱觀人類對于技術(shù)的應(yīng)用，相信未來這些技術(shù)會(huì)得以完善，所以對處理技術(shù)這一方面可以保持樂觀。

在大數(shù)據(jù)資源渠道的專業(yè)化整合方面，就沒有那么樂觀了?，F(xiàn)在大多電子商務(wù)有關(guān)企業(yè)都是利用自身平臺(tái)顧客的信息進(jìn)行個(gè)性化推薦，但不同顧客的信息豐富程度各異，甚至有些顧客只有基本信息。這樣說來，這種大數(shù)據(jù)還不算大，還是具有很大的發(fā)展空間的，那么如何整合多個(gè)渠道的大數(shù)據(jù)資源就顯得尤為重要了，但也是甚為困難的。

第一，整合不同渠道的大數(shù)據(jù)資源無疑需要多個(gè)渠道企業(yè)的通力合作，這將很難在短時(shí)間內(nèi)達(dá)成。因?yàn)樵谌缃褚钥蛻魹橹行牡慕?jīng)濟(jì)理念下，各個(gè)企業(yè)的顧客信息無疑是極具價(jià)值的，甚至超過了可看得見的利潤，要使多個(gè)渠道的大數(shù)據(jù)資源進(jìn)行整合，就涉及了利益分配問題，這是最令人頭痛的。第二，整合不同渠道的大數(shù)據(jù)資源會(huì)涉及顧客隱私問題。顧客在不同渠道的行為信息、動(dòng)向等默認(rèn)只被當(dāng)前平臺(tái)獲取，若在未經(jīng)顧客允許的情況下，將顧客的信息進(jìn)行共享，可能會(huì)降低顧客的信任度，甚至觸犯法律。

這兩個(gè)方面的問題只是在大數(shù)據(jù)資源渠道整合過程中較為顯性的，還存在很多隱性的問題需要發(fā)掘。但這些可以觸及到的問題已經(jīng)很棘手，值得該方面的經(jīng)濟(jì)學(xué)家研究一番，找到突破口，使大數(shù)據(jù)的利用更好地為電子商務(wù)個(gè)性化推薦服務(wù)。在此期間，筆者拭目以待，也希望更多有志向從事該方面研究的人才貢獻(xiàn)自己的一份力量，如果可以有效地解決所面臨的這些問題，筆者有理由相信電子商務(wù)的發(fā)展會(huì)邁上新的臺(tái)階。

10.3969/j.issn.1673 - 0194.2016.10.094

F724.6

A

1673-0194（2016）10-0136-01

2016-04-02