基于“點(diǎn)擊流數(shù)據(jù)”的電子商務(wù)用戶(hù)行為分析研究綜述

詹明君++陳曉璇++肖祺

【摘 要】點(diǎn)擊流數(shù)據(jù)的出現(xiàn)和研究為電子商務(wù)組織的個(gè)性化服務(wù)的優(yōu)化提供了支持?，F(xiàn)有的點(diǎn)擊流數(shù)據(jù)在電子商務(wù)上的研究多集中于對(duì)電子商務(wù)用戶(hù)的行為的建模，希望從中理解電子商務(wù)用戶(hù)的行為，以?xún)?yōu)化自身的決策。本文使用內(nèi)容分析法，主要詳細(xì)地回顧了點(diǎn)擊流數(shù)據(jù)文獻(xiàn)中關(guān)于電子商務(wù)用戶(hù)行為的研究，補(bǔ)充完善了現(xiàn)有的基于點(diǎn)擊流數(shù)據(jù)關(guān)于電子商務(wù)用戶(hù)行為的文獻(xiàn)綜述，將基于點(diǎn)擊流數(shù)據(jù)如何分析電子商務(wù)用戶(hù)行為的研究文獻(xiàn)分成兩大部分闡述：電子商務(wù)用戶(hù)瀏覽路徑分析和用戶(hù)動(dòng)態(tài)轉(zhuǎn)換行為，并對(duì)點(diǎn)擊流數(shù)據(jù)在電子商務(wù)用戶(hù)行為研究上的局限性和未來(lái)的研究趨勢(shì)作了預(yù)測(cè)和展望。

【關(guān)鍵詞】電子商務(wù)；點(diǎn)擊流；用戶(hù)行為；動(dòng)態(tài)轉(zhuǎn)換；預(yù)測(cè)和展望

1. 引言

伴隨著信息技術(shù)的快速發(fā)展，互聯(lián)網(wǎng)使得實(shí)時(shí)、低成本以及隱性地收集用戶(hù)個(gè)人活動(dòng)的詳細(xì)信息成為了可能。點(diǎn)擊流數(shù)據(jù)成為了一種研究網(wǎng)上消費(fèi)者的新范式[1]。點(diǎn)擊流數(shù)據(jù)以一個(gè)完整，及時(shí)和精確地方式捕獲了各種各樣的信息。這些數(shù)據(jù)覆蓋了用戶(hù)的行為，例如瀏覽的路徑，購(gòu)買(mǎi)的產(chǎn)品和點(diǎn)擊的廣告，這為研究者們和從業(yè)者們嘗試去了解用戶(hù)作出的選擇行為提供了很大的幫助。許多研究者已經(jīng)探究了來(lái)自于銷(xiāo)售單一類(lèi)型產(chǎn)品的網(wǎng)站的點(diǎn)擊流數(shù)據(jù)，例如汽車(chē)產(chǎn)品和書(shū)籍等。相對(duì)于獲取單一類(lèi)型的網(wǎng)站點(diǎn)擊流數(shù)據(jù)，從綜合性的電子商務(wù)網(wǎng)站上收集到的點(diǎn)擊流數(shù)據(jù)將會(huì)遠(yuǎn)比這類(lèi)數(shù)據(jù)復(fù)雜。電子商務(wù)網(wǎng)站的數(shù)據(jù)通常會(huì)封裝一個(gè)人的行為歷史的相當(dāng)多的細(xì)節(jié)信息，而且這過(guò)多的細(xì)節(jié)信息會(huì)使得數(shù)據(jù)集本身龐大而冗雜，導(dǎo)致了數(shù)據(jù)挖掘上的困難，因而點(diǎn)擊流數(shù)據(jù)的復(fù)雜性讓學(xué)者們止步難前，因此，厘清點(diǎn)擊流數(shù)據(jù)在電子商務(wù)網(wǎng)站用戶(hù)行為研究的發(fā)展和現(xiàn)狀，不僅對(duì)于往后電子商務(wù)網(wǎng)站用戶(hù)行為的研究，對(duì)于其他領(lǐng)域的研究也都具有非常重要的意義。

本文系統(tǒng)地回顧了點(diǎn)擊流數(shù)據(jù)和電子商務(wù)的發(fā)展相關(guān)關(guān)系。在這個(gè)基礎(chǔ)上，本文詳細(xì)地梳理了當(dāng)前點(diǎn)擊流數(shù)據(jù)在電子商務(wù)應(yīng)用中的不足，并提出即時(shí)地感知用戶(hù)的興趣的重要性，引出優(yōu)化個(gè)性化服務(wù)的方向，有助于學(xué)術(shù)領(lǐng)域和實(shí)踐領(lǐng)域系統(tǒng)地把握已有的研究成果，并在此基礎(chǔ)上開(kāi)展進(jìn)一步的研究。

本文的結(jié)構(gòu)安排如下：第二部分對(duì)電子商務(wù)網(wǎng)站上的點(diǎn)擊流路徑進(jìn)行分析；第三部分對(duì)電子商務(wù)網(wǎng)站上的用戶(hù)購(gòu)買(mǎi)轉(zhuǎn)換行為進(jìn)行分析；第四部分綜述電子商務(wù)用戶(hù)的興趣挖掘和聚類(lèi)算法研究；最后是總結(jié)與未來(lái)研究展望。

2.電子商務(wù)網(wǎng)站的點(diǎn)擊流路徑分析

2.1 電子商務(wù)網(wǎng)站的分類(lèi)系統(tǒng)

電子商務(wù)的成功離不開(kāi)大量數(shù)據(jù)的支持。任何公司或者組織的成功必然離不開(kāi)決策的正確性，而點(diǎn)擊流數(shù)據(jù)就是這種正確性決策最可靠、最有效的數(shù)據(jù)基礎(chǔ)。當(dāng)前的電子商務(wù)網(wǎng)站如同雨后春筍，正因?yàn)橐庾R(shí)到了點(diǎn)擊流數(shù)據(jù)所蘊(yùn)含的巨大能量，使得如何更有效地利用點(diǎn)擊流數(shù)據(jù)已經(jīng)成為了現(xiàn)代商業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的必備利器。

在線(xiàn)商店運(yùn)用多種信息如人口特征，購(gòu)買(mǎi)歷史等來(lái)尋找消費(fèi)者。如今數(shù)據(jù)越來(lái)越多，而對(duì)于點(diǎn)擊流數(shù)據(jù)的利用并不充分，點(diǎn)擊流數(shù)據(jù)不僅提供了用戶(hù)在瀏覽網(wǎng)頁(yè)時(shí)的頁(yè)面順序信息，還提供了他們閱覽時(shí)的路徑信息。

在人機(jī)交互的角度，考慮用戶(hù)在電子商務(wù)網(wǎng)站的目的，文獻(xiàn)[2]提出了一個(gè)分類(lèi)方案作為電子商務(wù)網(wǎng)站的一個(gè)通用的分類(lèi)系統(tǒng)。點(diǎn)擊流數(shù)據(jù)會(huì)潛在地成為一種非常充裕的數(shù)據(jù)資源的原因是每一個(gè)URL的全文或者HTML內(nèi)容都是已知的。使用分類(lèi)系統(tǒng)是為了側(cè)重于對(duì)應(yīng)每一頁(yè)瀏覽的頁(yè)面的類(lèi)別。每一個(gè)頁(yè)面都被分類(lèi)為七個(gè)類(lèi)別中的一個(gè)：主頁(yè)，帳戶(hù)，分類(lèi)，產(chǎn)品，信息，購(gòu)物車(chē)，訂單，以及進(jìn)入/退出頁(yè)面。主頁(yè)是一個(gè)通用的新任務(wù)的起點(diǎn)。帳戶(hù)頁(yè)面是用來(lái)登錄，地址變更，以及查看訂單狀態(tài)的。分類(lèi)頁(yè)面呈現(xiàn)的是商品、類(lèi)別或者是搜索結(jié)果的列表。產(chǎn)品頁(yè)面包含了詳細(xì)的產(chǎn)品信息，產(chǎn)品的描述，價(jià)格信息，可用性和產(chǎn)品評(píng)論。購(gòu)物車(chē)頁(yè)面是用于加入或刪除產(chǎn)品的，以及輸入購(gòu)買(mǎi)信息。訂購(gòu)頁(yè)面是表示一個(gè)已經(jīng)下單的確認(rèn)頁(yè)面。進(jìn)入/退出頁(yè)面表示一個(gè)時(shí)間段的開(kāi)始或結(jié)束。但是這種分類(lèi)系統(tǒng)會(huì)覆蓋了頁(yè)面內(nèi)容的其他信息，沒(méi)有考慮到廣告、圖形和文本信息等其他信息。

2.2 基于用戶(hù)路徑的分析模型

路徑信息可能包含了一個(gè)用戶(hù)的目標(biāo)、知識(shí)以及興趣等信息。路徑從一個(gè)新的視角來(lái)預(yù)測(cè)消費(fèi)者行為，具體而言，路徑對(duì)事件的次序進(jìn)行了編碼，為購(gòu)買(mǎi)作準(zhǔn)備，而不是單獨(dú)地尋找一個(gè)購(gòu)買(mǎi)的場(chǎng)合。大多研究的分類(lèi)方式是較為粗糙的，僅對(duì)用戶(hù)的目標(biāo)明確與否進(jìn)行區(qū)分，但是這也暗示了根據(jù)一個(gè)用戶(hù)的路徑可以得知這個(gè)用戶(hù)的目標(biāo)，并有可能預(yù)測(cè)未來(lái)的行為。

前人的研究中的選擇模型來(lái)從路徑中提取信息。但是沒(méi)有考慮準(zhǔn)確性和連續(xù)性屬性。文獻(xiàn)[3]對(duì)對(duì)應(yīng)于網(wǎng)頁(yè)組任務(wù)的結(jié)論進(jìn)行了建模，確實(shí)考慮了一些連續(xù)的信息，但他們通過(guò)任務(wù)對(duì)應(yīng)頁(yè)面的收集來(lái)對(duì)頁(yè)面層的行為進(jìn)行建模，因而信息并不詳細(xì)。文獻(xiàn)[4]借鑒了過(guò)去的工作提出了一個(gè)新的選擇模型，考慮了準(zhǔn)確性和連續(xù)性。特別地，他們還構(gòu)建了一個(gè)統(tǒng)計(jì)模型，訪(fǎng)問(wèn)者在瀏覽網(wǎng)站的時(shí)候，它可以分析他們逐頁(yè)的瀏覽情況，并將自身的自回歸多項(xiàng)式概率模型與多元多項(xiàng)式模型和潛在組模型進(jìn)行比較。

文獻(xiàn)[5]對(duì)用戶(hù)的瀏覽路徑進(jìn)行了馬爾科夫描述，用類(lèi)別的首字母作為縮寫(xiě)簡(jiǎn)潔地表示路徑。例如，字符串“HCPE”（Home，Category，Product，Exit）表示一個(gè)用戶(hù)從主頁(yè)開(kāi)始搜索一本書(shū)，轉(zhuǎn)到分類(lèi)頁(yè)面去查看結(jié)果，在考慮了個(gè)人產(chǎn)品后停留產(chǎn)品頁(yè)面，結(jié)束這個(gè)時(shí)間段。其中，此文通過(guò)假定一個(gè)用戶(hù)沒(méi)有瀏覽任何頁(yè)面持續(xù)時(shí)間為20分鐘來(lái)表示時(shí)間段的結(jié)束。但是并沒(méi)有對(duì)一個(gè)時(shí)間段間隔的定義作出較為合理的解釋?zhuān)驗(yàn)檫@將會(huì)導(dǎo)致用戶(hù)的瀏覽路徑變得不一樣；并加入了一個(gè)混合的過(guò)程，消費(fèi)者的模型參數(shù)可以在一個(gè)時(shí)間段內(nèi)切換，以表明瀏覽行為有可能由于消費(fèi)者當(dāng)前目標(biāo)或心情而千差萬(wàn)別并突然轉(zhuǎn)變。

文獻(xiàn)[4]提出的統(tǒng)計(jì)模型可以對(duì)未來(lái)的路徑進(jìn)行概率評(píng)估，包括用戶(hù)是否會(huì)進(jìn)行購(gòu)買(mǎi)，并可以普遍用于預(yù)測(cè)網(wǎng)站上的任意路徑。例如，哪一類(lèi)用戶(hù)更有可能會(huì)去瀏覽另一個(gè)產(chǎn)品的頁(yè)面，或者在接下來(lái)的五個(gè)點(diǎn)擊內(nèi)就完全離開(kāi)這個(gè)網(wǎng)站了？并且這個(gè)模型可以被用于網(wǎng)頁(yè)設(shè)計(jì)和設(shè)置營(yíng)銷(xiāo)混合變量，例如，如果知道一個(gè)用戶(hù)在這個(gè)網(wǎng)站購(gòu)買(mǎi)的可能性較少，可以在頁(yè)面中通過(guò)加入有幫助的鏈接來(lái)動(dòng)態(tài)地改變網(wǎng)站的設(shè)計(jì)；而對(duì)于有可能購(gòu)買(mǎi)的用戶(hù)來(lái)說(shuō)，網(wǎng)站可以變得更簡(jiǎn)化。另外，使用這個(gè)模型的預(yù)測(cè)可以改善購(gòu)買(mǎi)轉(zhuǎn)換率，它可以大幅提高運(yùn)營(yíng)利潤(rùn)。但是他們只是單純地去了解序列信息的作用，所用數(shù)據(jù)為期1個(gè)月，并通過(guò)傳統(tǒng)的分類(lèi)方案進(jìn)行分析，這可能會(huì)導(dǎo)致研究結(jié)果不具備代表性。而該文提出的自回歸性可能提供了未來(lái)優(yōu)化此類(lèi)概率模型研究的一個(gè)有趣的方向。

當(dāng)然網(wǎng)頁(yè)設(shè)計(jì)有很多方面，廣告和促銷(xiāo)是這個(gè)問(wèn)題的重要元素。路徑分析并不是否定或者取代研究這些方方面面問(wèn)題的需要。但對(duì)于購(gòu)買(mǎi)行為的預(yù)測(cè)能力因?qū)Ш铰窂侥芊从秤脩?hù)目標(biāo)而得到改善。結(jié)合消費(fèi)者行為的結(jié)構(gòu)模型可能會(huì)對(duì)路徑信息有更好的使用。

3.電子商務(wù)網(wǎng)站的動(dòng)態(tài)轉(zhuǎn)換行為

3.1 動(dòng)態(tài)轉(zhuǎn)換行為定義

購(gòu)買(mǎi)轉(zhuǎn)換指的是，網(wǎng)頁(yè)瀏覽者在一個(gè)網(wǎng)上零售商處瀏覽期間進(jìn)行購(gòu)買(mǎi)的百分比。這是一個(gè)電子網(wǎng)站的成功的一個(gè)關(guān)鍵指標(biāo)，因?yàn)樗峁┝嗽L(fǎng)問(wèn)者轉(zhuǎn)變?yōu)橄M(fèi)者的一個(gè)度量。盡管電子商務(wù)的發(fā)展快速，網(wǎng)上購(gòu)買(mǎi)轉(zhuǎn)換率仍然很低。一些大型的網(wǎng)上零售商如Amazon.com， 等的購(gòu)買(mǎi)轉(zhuǎn)換率的范圍在1～2%。電子商務(wù)的管理者們希望了解影響了購(gòu)買(mǎi)轉(zhuǎn)換率的因素，以及如何通過(guò)動(dòng)態(tài)地適應(yīng)消費(fèi)者的行為表現(xiàn)來(lái)提高他們的購(gòu)買(mǎi)轉(zhuǎn)換率。

網(wǎng)上購(gòu)物與線(xiàn)下購(gòu)物的差異中最突出的特點(diǎn)是訪(fǎng)問(wèn)虛擬商店所需的低廉交通成本。在線(xiàn)下購(gòu)物行為的研究中，構(gòu)建消費(fèi)者商店選擇和購(gòu)買(mǎi)決策模型的一個(gè)重要部分是從一家店去到另一家或多家店的成本（包括有形成本和心理成本）。與此相反，客戶(hù)訪(fǎng)問(wèn)在線(xiàn)商店網(wǎng)站實(shí)際上是無(wú)成本的。這對(duì)觀(guān)察到的行為有不少的影響。首先，因?yàn)槌杀疽偷枚啵W(wǎng)上購(gòu)物者更可能會(huì)沒(méi)有目的地訪(fǎng)問(wèn)一間商店。在線(xiàn)下購(gòu)物環(huán)境中，購(gòu)物者僅僅是花費(fèi)時(shí)間和精力去拜訪(fǎng)商店就會(huì)產(chǎn)生成本，他很少會(huì)空手回來(lái)。因此，我們注意到網(wǎng)上購(gòu)物的轉(zhuǎn)換率很低。第二，訪(fǎng)問(wèn)網(wǎng)站的低成本使得購(gòu)物者可能會(huì)推遲購(gòu)買(mǎi)的決定然后下次訪(fǎng)問(wèn)再購(gòu)買(mǎi)。相反地，在線(xiàn)下購(gòu)買(mǎi)環(huán)境中，由于再次訪(fǎng)問(wèn)的經(jīng)濟(jì)規(guī)模非常有限，所以購(gòu)物者可能會(huì)急于完成購(gòu)買(mǎi)以避免產(chǎn)生更多的交通費(fèi)用。由于這些原因，我們更可能會(huì)看到在線(xiàn)購(gòu)物者為了一個(gè)購(gòu)買(mǎi)決策多次訪(fǎng)問(wèn)同一家商店，即使是為了較低參與度的購(gòu)買(mǎi)決策。

3.2 動(dòng)態(tài)轉(zhuǎn)換行為的影響因素

文獻(xiàn)[6]構(gòu)建了一個(gè)概念化框架，在框架中購(gòu)買(mǎi)概率是訪(fǎng)問(wèn)效應(yīng)和購(gòu)買(mǎi)閥值效應(yīng)的結(jié)果，但他們主要的研究焦點(diǎn)是對(duì)購(gòu)買(mǎi)前考慮時(shí)間的影響因素的描述性分析，沒(méi)有對(duì)購(gòu)買(mǎi)的轉(zhuǎn)換行為進(jìn)行考慮。文獻(xiàn)[7]通過(guò)購(gòu)買(mǎi)基數(shù)概率、對(duì)購(gòu)買(mǎi)有正面效應(yīng)的訪(fǎng)問(wèn)、對(duì)購(gòu)買(mǎi)的負(fù)面購(gòu)買(mǎi)閾值效應(yīng)、訪(fǎng)問(wèn)效應(yīng)和購(gòu)買(mǎi)閾值的差異性、隨著時(shí)間變化的效應(yīng)和從不購(gòu)買(mǎi)的瀏覽者這六個(gè)部分構(gòu)建了個(gè)人層面的轉(zhuǎn)換行為概率模型。類(lèi)似于文獻(xiàn)[8]的模型，Moe等人使用傾向基數(shù)和增量效應(yīng)來(lái)表示訪(fǎng)問(wèn)凈效應(yīng)，該模型明確提出了購(gòu)物者差異以及隨著時(shí)間的動(dòng)態(tài)變化。這個(gè)模型對(duì)轉(zhuǎn)換行為提供了一個(gè)更為有效和有用地檢測(cè)手段，但是其忽視了每次訪(fǎng)問(wèn)中發(fā)生的不同的活動(dòng)，如訪(fǎng)問(wèn)序列，人口統(tǒng)計(jì)特征和網(wǎng)站設(shè)計(jì)等因素。

當(dāng)消費(fèi)者熟悉了新的環(huán)境時(shí)，他們會(huì)累積更多的經(jīng)驗(yàn)，從而減少需要累積足夠多的信息去購(gòu)買(mǎi)的訪(fǎng)問(wèn)量。然而同時(shí)這些用戶(hù)受到商店的影響就會(huì)越少，因此需要增加說(shuō)服他們?nèi)ベ?gòu)買(mǎi)的訪(fǎng)問(wèn)量。訪(fǎng)問(wèn)效應(yīng)和購(gòu)買(mǎi)閥值的大小可能會(huì)隨著消費(fèi)者在購(gòu)物環(huán)境下的購(gòu)物經(jīng)驗(yàn)而變化。例如，在同個(gè)網(wǎng)站的重復(fù)訪(fǎng)問(wèn)會(huì)對(duì)購(gòu)物減少影響，因?yàn)橄M(fèi)者有可能習(xí)慣了環(huán)境的刺激。購(gòu)物閥值可能會(huì)減少，因?yàn)橄M(fèi)者在重復(fù)購(gòu)物中獲得了熟悉感，或者購(gòu)物經(jīng)歷是舒適的，因此在將來(lái)再次購(gòu)買(mǎi)的可能性會(huì)更高。在另一方面，有些人在早期的訪(fǎng)問(wèn)就有可能性會(huì)購(gòu)買(mǎi)（也許是為了體驗(yàn)這個(gè)購(gòu)買(mǎi)過(guò)程是怎樣的），但是隨著購(gòu)買(mǎi)次數(shù)的增加，新鮮感會(huì)消退，他對(duì)購(gòu)買(mǎi)的抵觸情緒有可能會(huì)增強(qiáng)；這似乎暗示了感知用戶(hù)興趣變化的重要性。

4. 結(jié)論與展望

本文使用內(nèi)容分析法，詳細(xì)地回顧了關(guān)于電子商務(wù)用戶(hù)行為的研究，補(bǔ)充完善了現(xiàn)有的基于點(diǎn)擊流數(shù)據(jù)關(guān)于電子商務(wù)用戶(hù)行為的文獻(xiàn)綜述。在這些文獻(xiàn)的基礎(chǔ)上，本文系統(tǒng)地回顧了點(diǎn)擊流數(shù)據(jù)和電子商務(wù)的理論和發(fā)展，闡述了電子商務(wù)網(wǎng)站的瀏覽路徑分析；并對(duì)其用戶(hù)的購(gòu)買(mǎi)轉(zhuǎn)換行為進(jìn)行分析；同時(shí)，本文詳細(xì)地梳理了感知用戶(hù)的興趣的重要性。這為學(xué)術(shù)界和實(shí)踐界系統(tǒng)理解已有研究成果提供了有效的幫助。

由于點(diǎn)擊流數(shù)據(jù)自身的海量性和復(fù)雜性，當(dāng)前學(xué)者們對(duì)其在電子商務(wù)用戶(hù)行為的研究還是很不完善的。第一，對(duì)于時(shí)間段間隔的定義還存在著爭(zhēng)議；第二，電子商務(wù)的其他分類(lèi)方案可能會(huì)改變現(xiàn)有研究模型的預(yù)測(cè)準(zhǔn)確度；第三，現(xiàn)有的研究雖然能夠分析用戶(hù)的瀏覽路徑，但用戶(hù)興趣的動(dòng)態(tài)性變化，并不能針對(duì)地對(duì)用戶(hù)提供更優(yōu)質(zhì)的個(gè)性化服務(wù)。

綜上所述，未來(lái)的研究可以從以下幾個(gè)方面探討和闡述電子商務(wù)用戶(hù)的行為如何能在點(diǎn)擊流數(shù)據(jù)的支持下得到更深入的分析。

1. 更合理地定義時(shí)間段的間隔，即搜索周期。許多的研究對(duì)于時(shí)間段的間隔的定義都不一致，例如15分鐘，20分鐘等。沒(méi)有一個(gè)通用的標(biāo)準(zhǔn)將會(huì)使得收集到的數(shù)據(jù)分析結(jié)果有差異，我們難以分析這些差異造成的影響。因此，后續(xù)研究應(yīng)當(dāng)結(jié)合時(shí)間段即搜索周期的合理定義，防止錯(cuò)誤的數(shù)據(jù)分析，以便得到更為優(yōu)化的研究結(jié)果。

2. 重視其他的電子商務(wù)分類(lèi)系統(tǒng)開(kāi)發(fā)?，F(xiàn)有研究多使用由文獻(xiàn)[2]提出的一個(gè)電子商務(wù)網(wǎng)站的通用分類(lèi)系統(tǒng)，或增加其分類(lèi)，或減少其分類(lèi)。但是這種通過(guò)頁(yè)面分類(lèi)來(lái)抽象化網(wǎng)頁(yè)的行為，會(huì)導(dǎo)致關(guān)于頁(yè)面內(nèi)容的圖形和文本信息的損失。因此，其他的分類(lèi)方案可能會(huì)改變現(xiàn)有研究模型的預(yù)測(cè)準(zhǔn)確度。而局限于通用分類(lèi)系統(tǒng)的原因，對(duì)于這個(gè)問(wèn)題的探討在目前的研究是比較缺乏的。

3. 感知并挖掘用戶(hù)即時(shí)的意圖。對(duì)電子商務(wù)用戶(hù)的瀏覽路徑進(jìn)行分析即是為了捕捉用戶(hù)的內(nèi)心活動(dòng)。在電子商務(wù)企業(yè)的角度，留住老客戶(hù)，發(fā)覺(jué)潛在新客戶(hù)是他們的目標(biāo)，而在用戶(hù)的角度，如何能從中獲取自己希望得到并對(duì)之滿(mǎn)意的服務(wù)是他們的需求。因此，感知用戶(hù)的動(dòng)態(tài)興趣，并及時(shí)地推薦或獲取更優(yōu)質(zhì)的服務(wù)是未來(lái)十分重要的方向。

最后值得一提的是，從綜合性的電子商務(wù)網(wǎng)站上收集到的點(diǎn)擊流數(shù)據(jù)將會(huì)遠(yuǎn)比現(xiàn)有的單一類(lèi)型研究數(shù)據(jù)復(fù)雜。如何能有效地收集并利用這些點(diǎn)擊流數(shù)據(jù)也是一個(gè)難題。相信如何利用點(diǎn)擊流數(shù)據(jù)為電子商務(wù)用戶(hù)即時(shí)提供更有效地個(gè)性化服務(wù)是未來(lái)研究的重要方向，這不僅是電子商務(wù)企業(yè)，也是用戶(hù)們希望看到的。

參考文獻(xiàn)：

[1] 李雙雙， 陳毅文， LiShuangshuang，等. 點(diǎn)擊流：一種研究網(wǎng)上消費(fèi)者的新范式[J]. 心理科學(xué)進(jìn)展， 2007， 15（4）：715-720.

[2] Redish， Janice （2002）， “Information-Rich Web Sites： Challenges and Opportunities”， www.redish.net/cmu.pdf. Last accessed October 2002.

[3] Sismeiro， Catarina and Randolph E. Bucklin （2003）， “Modeling Purchase Behavior at an Ecommerce Website： A Conditional Probability Approach”， Anderson School at UCLA， Working Paper.

[4] Montgomery， A.L， et al.， 2004. Modeling online browsing and path analysis using clickstream data. Marketing Science 23 （4）， 579—595.

[5] Cadez， Igor， David Heckerman， Christopher Meek， and Padhraic Smyth （2000）， “Visualization of Navigation Patterns on a Web Site Using Model Based Clustering”， Technical Report MSRTR- 00-18， Microsoft Research.

[6] Putsis， William P.， Jr.， Narasimhan Srinivasan. 1994. Buying or just browsing？ The duration of purchase deliberation. J. Marketing Res. 31（August） 393—402.

[7] Moe， W.W.， Fader， P.S.， 2004. Dynamic conversion behavior at e-commerce sites.Management Science 50 （3）， 326—335.

[8] Schmittlein， David C.， Donald G. Morrison. 2003. A live baby or your money back： The marketing of in vitro fertilization procedures. Management Sci. 49（12） 1617—1635.