電子商務(wù)個(gè)性化推薦系統(tǒng)

叢佳智+++姜書浩

摘 要：電子商務(wù)日益滲透到千家萬戶中，傳統(tǒng)經(jīng)營(yíng)模式正經(jīng)歷著變革。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，很多機(jī)構(gòu)構(gòu)建了自己的web站點(diǎn)，讓人們的生活變得更加便捷。推薦系統(tǒng)憑借其貼心、便捷的處理方式逐漸進(jìn)入公眾的視野。

關(guān)鍵詞：電子商務(wù)；協(xié)同過濾；個(gè)性化推薦系統(tǒng)

0 引言

隨著互聯(lián)網(wǎng)走進(jìn)各家各戶，電子商務(wù)發(fā)展越來越快，服務(wù)和產(chǎn)品也越來越多，這就造成信息過于冗雜，客戶面對(duì)海量選擇，往往要浪費(fèi)很多時(shí)間來挑選自己需要的商品。為了使消費(fèi)者避免浪費(fèi)時(shí)間，已更加從容的心態(tài)來購(gòu)買商品，電子商務(wù)推薦系統(tǒng)可以精確識(shí)別消費(fèi)者的喜好，模擬銷售人員幫助消費(fèi)者完成購(gòu)買，給消費(fèi)者想要的推薦，讓挑選變得簡(jiǎn)單。統(tǒng)計(jì)學(xué)、人工智能數(shù)據(jù)挖掘等技術(shù)都應(yīng)用于電子商務(wù)推薦系統(tǒng)（Recommendation Systems）中，想要引導(dǎo)消費(fèi)者完成購(gòu)買行為，就要先分析消費(fèi)者的購(gòu)買意愿，所謂知己知彼百戰(zhàn)不殆，分析消費(fèi)者訪問網(wǎng)站的行為，并最后給出令客戶滿意的推薦結(jié)果，來產(chǎn)生豐厚的利潤(rùn)。所以說，推薦系統(tǒng)的核心便是推薦結(jié)果是否準(zhǔn)確，如果是客戶需要的，則會(huì)提高顧客的購(gòu)買意愿；反之如果推薦結(jié)果不合顧客的意，那便是端起石頭砸自己的腳，客戶也會(huì)對(duì)推薦系統(tǒng)產(chǎn)生懷疑，購(gòu)買興趣大大降低。

1 推薦系統(tǒng)介紹

對(duì)客戶行為信息進(jìn)行收集的記錄模塊、對(duì)用戶喜好進(jìn)行分析的模型分析模塊、推薦系統(tǒng)的核心推薦算法模塊以及處理售后服務(wù)的反饋處理模塊組成了一個(gè)完整的推薦系統(tǒng)。將對(duì)的商品推薦給對(duì)的人就是推薦系統(tǒng)的目標(biāo)，常見的推薦機(jī)制算法有三種，分別是基于關(guān)聯(lián)規(guī)則的算法（Association Rule_based Recommendation）、基于內(nèi)容的推薦算法（Content-based Recommendation）、協(xié)同過濾推薦算法（Collaborative Filtering Recommendation）。算法數(shù)據(jù)的表示不是很復(fù)雜，一個(gè)二維表或者是一個(gè)MXN的矩陣足以。把日志或消費(fèi)類的數(shù)據(jù)通過一定的預(yù)處理，所有的商品類目用列表示，所有用戶用行表示。

把用戶的購(gòu)買需求轉(zhuǎn)化成購(gòu)買結(jié)果，這是一個(gè)電子商務(wù)推薦系統(tǒng)的終極目標(biāo)，也是衡量推薦機(jī)制好壞的標(biāo)準(zhǔn)。在實(shí)際生活中，消費(fèi)者去實(shí)體店購(gòu)買商品，會(huì)有“導(dǎo)購(gòu)員”進(jìn)行服務(wù)，提高消費(fèi)者的購(gòu)買意愿，而在電子商務(wù)網(wǎng)站中，推薦系統(tǒng)就是這個(gè)“導(dǎo)購(gòu)員”。一個(gè)好的推薦系統(tǒng)就像一個(gè)好的“導(dǎo)購(gòu)員”一樣，讓消費(fèi)者了解商品后更加愿意購(gòu)買商品。主要實(shí)現(xiàn)一下功能：①完善用戶體驗(yàn)，給出個(gè)性化推薦；②更好的向消費(fèi)者展示商品，提高轉(zhuǎn)換率；③發(fā)現(xiàn)消費(fèi)者潛在需求，挖掘更廣的市場(chǎng)。

網(wǎng)站的推薦形式多種多樣，經(jīng)常用到的有三種：①根據(jù)會(huì)員的歷史購(gòu)買記錄，來進(jìn)行推薦機(jī)制的營(yíng)銷；②由購(gòu)物車或物品收藏來做相似物品推薦；③針對(duì)消費(fèi)者的歷史信息來做相關(guān)推薦。

個(gè)性化推薦系統(tǒng)能夠深度挖掘電商消費(fèi)者的興趣，增強(qiáng)消費(fèi)者持續(xù)購(gòu)買的意愿，從而形成信任關(guān)系達(dá)到維系老客戶，減緩以及解決現(xiàn)在電商平臺(tái)存在消費(fèi)者持續(xù)購(gòu)買意愿不強(qiáng)的問題。我們假設(shè)一下，如果沒有了推薦系統(tǒng)的精準(zhǔn)推薦，消費(fèi)者可能將要花更多的時(shí)間來找自己中意的商品；如果失去了系統(tǒng)的熱門推薦，消費(fèi)者將很難買到質(zhì)量好價(jià)格低的產(chǎn)品；如果失去了推薦系統(tǒng)的輔助政策，消費(fèi)者做出的選擇往往不是最優(yōu)的，這樣也不會(huì)購(gòu)買到自己感到滿意的產(chǎn)品，對(duì)網(wǎng)站也不會(huì)有好感度，二次購(gòu)買也不會(huì)再有了。這對(duì)賣家和買家來說都是損失，因此電商平臺(tái)是一種雙贏的表現(xiàn)。

2 協(xié)同過濾推薦

假如兩個(gè)用戶過去有相似的喜好產(chǎn)品，那么他們現(xiàn)在依然有相似的喜好產(chǎn)品，這是基于用戶（user-based）的協(xié)同過濾；假如有用戶過去喜好某產(chǎn)品，那么他現(xiàn)在任然喜好與該產(chǎn)品類似的產(chǎn)品，這是基于項(xiàng)目（item-based）的協(xié)同過濾。傳統(tǒng)協(xié)同過濾算法一般就分為這兩種，協(xié)同過濾不需要獲得產(chǎn)品或用戶特征，而是憑借相似性度量方法和評(píng)分?jǐn)?shù)據(jù)來進(jìn)行預(yù)測(cè)，只要評(píng)分?jǐn)?shù)據(jù)越多，預(yù)測(cè)也會(huì)變得更精準(zhǔn)。

協(xié)同過濾作為目前最成功的推薦技術(shù)之一，已被廣泛應(yīng)用于各類電子商務(wù)推薦系統(tǒng)及互聯(lián)網(wǎng)的相關(guān)領(lǐng)域，譬如國(guó)外的Amazon， eBay， NetFlix以及國(guó)內(nèi)的淘寶網(wǎng)和當(dāng)當(dāng)網(wǎng)等等。伴隨電子商務(wù)的不斷發(fā)展，用戶數(shù)量也飛速增加，用戶—項(xiàng)目評(píng)分?jǐn)?shù)據(jù)的維度急劇增高，可是用戶給予的評(píng)價(jià)卻不是很多，使得傳統(tǒng)的協(xié)同過濾推薦面臨嚴(yán)峻的用戶評(píng)分?jǐn)?shù)據(jù)稀疏性問題。同時(shí)，用戶的需求也在隨著時(shí)間改變，而傳統(tǒng)協(xié)同過濾并不能很好的解決這個(gè)問題，存在著局限性。所以，如何捕捉移動(dòng)的用戶感興趣的信息已經(jīng)變成電子商務(wù)亟待解決的問題。

3 典型應(yīng)用

亞馬遜作為電商平臺(tái)的領(lǐng)頭羊，推薦商品占銷售總量的百分之四十，同時(shí)也是較早使用推薦系統(tǒng)的電子商務(wù)平臺(tái)，當(dāng)然他們的推薦形式也是別出心裁。例如，一位顧客買了一個(gè)相機(jī)，系統(tǒng)就會(huì)自動(dòng)的給他推薦能用到的電池產(chǎn)品。但是由于商品多樣化的趨勢(shì)，亞馬遜電商平臺(tái)不斷更新后數(shù)據(jù)分析能力的增強(qiáng)，推薦系統(tǒng)可以推薦購(gòu)買過該產(chǎn)品的用戶還購(gòu)買的其他產(chǎn)品。

由于使用真實(shí)的購(gòu)買數(shù)據(jù)，而不是假設(shè)消費(fèi)者會(huì)購(gòu)買什么商品，亞馬遜能夠提出非常精準(zhǔn)的提議。例如提示“購(gòu)買此商品的用戶同時(shí)購(gòu)買”，就是一種很機(jī)智的營(yíng)銷手法，可以讓消費(fèi)者橫向比較，開闊自己的眼界，更加容易找到自己的需要。

亞馬遜使用的是“協(xié)同過濾”算法，這種算法把消費(fèi)者串聯(lián)起來，有相似興趣行為的劃為一組，參照消費(fèi)者的購(gòu)買歷史，經(jīng)常做到事半功倍。任何人的興趣都不是孤立的，這就是“協(xié)同過濾”算法的出發(fā)點(diǎn)，應(yīng)該處于一個(gè)群體所感興趣的產(chǎn)品中，就是如果一群消費(fèi)者對(duì)一個(gè)商品的評(píng)分很相似，那么他們對(duì)另一個(gè)商品的評(píng)分也不會(huì)相差很多。該推薦算法的核心在于采用技術(shù)找到于目標(biāo)消費(fèi)者有相似興趣的消費(fèi)者，然后根據(jù)相似消費(fèi)者對(duì)目標(biāo)商品的評(píng)分做出推薦，并且把測(cè)試評(píng)分最高的多項(xiàng)商品作為該消費(fèi)者推薦列表。

亞馬遜的頁面分為非登錄用戶和登錄用戶。對(duì)于非登錄用戶，亞馬遜會(huì)推薦各個(gè)類目的暢銷品，換言之就是排行榜。查詢?yōu)g覽頁面和詳細(xì)的商品頁面則會(huì)有關(guān)聯(lián)推薦，比如“購(gòu)買此物品還可購(gòu)買”；通過人的相似興趣來推薦，像“購(gòu)買此物品的顧客也購(gòu)買了”，“看過此商品的顧客購(gòu)買的其他商品”。

而對(duì)于登錄用戶，亞馬遜的推薦方式卻截然不同，首頁的頁面會(huì)有一個(gè)今日推薦的欄目，這個(gè)欄目是由用戶的歷史瀏覽記錄生成出來的，在下面是最近一次購(gòu)買商品給的記錄以及類似商品的推薦，如“根據(jù)瀏覽推薦給我的產(chǎn)品”，“瀏覽XX商品的用戶會(huì)買XX的概率”，有意思的是，每個(gè)頁面的最下方都會(huì)根據(jù)消費(fèi)者的瀏覽內(nèi)容給出對(duì)應(yīng)的推薦，沒有瀏覽記錄的會(huì)推薦系統(tǒng)暢銷。

4 結(jié)論

當(dāng)然，一個(gè)好的推薦系統(tǒng)不可能一揮而就的，想要成功，需要不斷的積累經(jīng)驗(yàn)，收集客戶的數(shù)據(jù)，從算法、計(jì)算效率上尋找突破點(diǎn)，在不斷的更新中，逐漸的完善系統(tǒng)，并建立穩(wěn)定的客戶群。另外，每個(gè)人都是不一樣的，推薦系統(tǒng)要想成功，還要做到因人而異，區(qū)別對(duì)待，讓消費(fèi)者真真切切的感受到貼心的服務(wù)，這樣也就離成功不遠(yuǎn)了。

基金項(xiàng)目：本文系天津市大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“個(gè)性化推薦算法在微課學(xué)習(xí)系統(tǒng)中的應(yīng)用研究”（項(xiàng)目編號(hào)：201610069094）研究成果之一。

參考文獻(xiàn)

[1] 王桂芬.電子商務(wù)個(gè)性化推薦系統(tǒng)中協(xié)同過濾算法的研究與應(yīng)用[D].南昌：南昌大學(xué)，2012.

[2]鄧曉懿，韓慶平.移動(dòng)電子商務(wù)個(gè)性化服務(wù)推薦方法研究[D].大連：大連理工大學(xué)，2013，12.

[3]盧琦蓓.面向電商平臺(tái)客戶持續(xù)購(gòu)買問題的情境化推薦模型研究[D].杭州：浙江工商大學(xué)，2016，1.