用戶(hù)消費(fèi)行為中選擇不明確性挖掘

韓民琦

用戶(hù)消費(fèi)行為中選擇不明確性挖掘

韓民琦

以數(shù)據(jù)驅(qū)動(dòng)，挖掘消費(fèi)者在消費(fèi)過(guò)程中的不明確性。在以數(shù)據(jù)為驅(qū)動(dòng)的視角下提出自動(dòng)挖掘不明確性的模型。給出每個(gè)行為小節(jié)觀測(cè)到的不明確性的定量化方式?；谶@些所觀測(cè)定量化的不明確性，通過(guò)一個(gè)概率圖模型同時(shí)習(xí)得潛在消費(fèi)者的不明確性指數(shù)和商品組合中的不明確性指數(shù)。分析這類(lèi)消費(fèi)者行為中的選擇不明確性挖掘在很多方面的潛在應(yīng)用價(jià)值，比如競(jìng)爭(zhēng)性商品的檢測(cè)、個(gè)性化商品推薦。

消費(fèi)者行為；概率圖模型；個(gè)性化推薦；概率矩陣分解

近年來(lái)，零售業(yè)信息系統(tǒng)的變革使得我們能收集到大量的消費(fèi)者消費(fèi)行為記錄。這些富含大量有用信息的消費(fèi)行為日志使得我們有機(jī)會(huì)挖掘出更加個(gè)性化的消費(fèi)者信息和消費(fèi)者個(gè)人喜好，也因此能發(fā)展更好的個(gè)性化服務(wù)，比如個(gè)性化商品推薦。

沿著這個(gè)思路，分析并理解消費(fèi)者的決策過(guò)程越發(fā)重要。然后，隨著消費(fèi)者可選擇的商品數(shù)量快速增加，消費(fèi)者做出決策越來(lái)越困難。越來(lái)越多的人遭受到猶豫不定的困擾——即消費(fèi)者在競(jìng)爭(zhēng)性商品中不能做出快速果斷的選擇。比如我們也許在微博、朋友圈或者其他社交網(wǎng)絡(luò)上見(jiàn)過(guò)好友在幾個(gè)類(lèi)似商品中間不能做出選擇，于是發(fā)動(dòng)態(tài)尋求朋友建議和幫助，最終做出選擇［1］。在日常生活中我們也可以發(fā)現(xiàn)商品選擇中的猶豫不定確實(shí)是一個(gè)很常見(jiàn)的問(wèn)題。同時(shí)，每一次對(duì)消費(fèi)者在消費(fèi)過(guò)程中猶豫的分析都能得到這個(gè)消費(fèi)者的一些特征（比如自信或者沮喪），以及消費(fèi)者對(duì)商品的認(rèn)知、評(píng)價(jià)。因此，無(wú)論在營(yíng)銷(xiāo)、管理和心理學(xué)領(lǐng)域?qū)€(gè)人猶豫不定的理解都是個(gè)重要的研究主題。很多研究者已經(jīng)對(duì)很多相關(guān)問(wèn)題投入大量研究，比如對(duì)猶豫不定的衡量、產(chǎn)生猶豫不定的原因以及如何緩解做出決策的困難［2-3］。

盡管以往的研究意義重大，也有很多重要的發(fā)現(xiàn)，但是目前科學(xué)地從字義上對(duì)猶豫不定的理解還是很有限，甚至還沒(méi)有對(duì)猶豫不定作出清晰的定義。為了調(diào)查消費(fèi)者行為中猶豫不定的現(xiàn)象，通常由心理學(xué)研究者或者社會(huì)學(xué)研究人員設(shè)計(jì)一些問(wèn)卷，包含類(lèi)似“我能快速做出決策”的問(wèn)題或者選項(xiàng)，然后由個(gè)人對(duì)這些問(wèn)題的回答來(lái)衡量他們猶豫不定的程度，在本次研究中是指不明確性指數(shù)。這些基于測(cè)量視角的調(diào)查問(wèn)卷通常不僅有很大程度的主觀性，對(duì)于被調(diào)查人員來(lái)說(shuō)也十分繁瑣，進(jìn)一步說(shuō)基于調(diào)查問(wèn)卷得出的結(jié)論可能包含較大的偏見(jiàn)，甚至是誤導(dǎo)性的。在沒(méi)有人工干預(yù)時(shí)，通過(guò)消費(fèi)者日常的行為日志來(lái)自動(dòng)挖掘不明確，結(jié)果會(huì)更加精準(zhǔn)，即完全以數(shù)據(jù)為驅(qū)動(dòng)的方式挖掘不明確。對(duì)于這個(gè)目標(biāo)，有以下幾個(gè)問(wèn)題需要解決。如何在沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)或問(wèn)題的情況下有效定義所觀測(cè)的不明確性程度？如何同時(shí)精準(zhǔn)地挖掘出潛在的和個(gè)性化的每個(gè)人和商品之間的不明確性指數(shù)？如何利用挖掘出的不明確性來(lái)提供更好的服務(wù)？

為了解決以上提到的幾個(gè)問(wèn)題，筆者在以數(shù)據(jù)為驅(qū)動(dòng)的視角下提出自動(dòng)挖掘不明確性的模型。第一，分析了消費(fèi)者在網(wǎng)絡(luò)上的消費(fèi)行為，并且提出衡量在每一個(gè)消費(fèi)行為小節(jié)中所觀測(cè)到的不確定性指數(shù)的基本定義。基于現(xiàn)有的其他領(lǐng)域?qū)οM(fèi)者行為中猶豫不定的理解和數(shù)據(jù)的有效性，本次研究中的不明確性定義主要考慮3個(gè)主要特征，比如一個(gè)行為小節(jié)中的操作長(zhǎng)度。第二，以一個(gè)概率圖模型，能同時(shí)習(xí)得消費(fèi)者和商品之間的不明確性指數(shù)［4］。以這種方式，每個(gè)消費(fèi)者和每個(gè)商品之間的不確定性需要被量化。第三，說(shuō)明挖掘出的不明確性有很多潛在的應(yīng)用。比如，對(duì)于每個(gè)猶豫不定的消費(fèi)者，為了減少其選擇成本，可以推薦給他可能購(gòu)買(mǎi)的商品組合。或者，對(duì)于零售商，可以發(fā)掘出相互具有競(jìng)爭(zhēng)性的商品。本次研究的主要工作如下：

以數(shù)據(jù)為驅(qū)動(dòng)的方式來(lái)定義人的猶豫不定，數(shù)據(jù)源于百萬(wàn)網(wǎng)絡(luò)消費(fèi)者的行為日志。

提出了一個(gè)在沒(méi)有人工干預(yù)的情況下自動(dòng)量化每個(gè)行為操作小節(jié)的不明確性指數(shù)的方法和同時(shí)計(jì)算用戶(hù)和商品之間的不明確性指數(shù)的基本框架。這個(gè)框架不僅僅只限用于電子商務(wù)領(lǐng)域，同樣適用于其他領(lǐng)域的類(lèi)似問(wèn)題。

深入分析對(duì)于被挖掘出的不明確性可能的應(yīng)用。不明確性挖掘可以應(yīng)用于為零售商發(fā)現(xiàn)并提供競(jìng)爭(zhēng)商品的信息，預(yù)測(cè)消費(fèi)者的購(gòu)買(mǎi)決策，為消費(fèi)者提供更好的推薦服務(wù)。

一、相關(guān)論文綜述

本節(jié)回顧以往對(duì)決策和決策的制定、心理學(xué)、管理學(xué)和市場(chǎng)營(yíng)銷(xiāo)的研究，總結(jié)目前對(duì)消費(fèi)者行為中猶豫不定的理解。

第一階段對(duì)猶豫不定研究的主要方向在基于行為特征來(lái)衡量消費(fèi)行為的不明確性。事實(shí)上，目前科學(xué)地從字義上對(duì)猶豫不定的理解還是很有限，甚至還沒(méi)有對(duì)猶豫不定的清晰定義。不過(guò)，幾個(gè)對(duì)于猶豫不定基本尺度的定義已經(jīng)被討論過(guò)，這些框架可被用于研究猶豫不定的特殊特征。這些尺度包括Frost and Shows’ Indecisiveness Scale（FIS）， Germeijs and De Boeck’ Indecisiveness Scale（GIS），調(diào)查問(wèn)卷中的問(wèn)題通常由心理學(xué)研究者或者社會(huì)學(xué)研究者設(shè)計(jì)。比如，問(wèn)題可能是“我對(duì)自己做出的決定十分確定”或者 “在做出決定之前我要花很長(zhǎng)時(shí)間去權(quán)衡利弊”，每個(gè)問(wèn)題都被作為一種論證，表明受試者對(duì)相應(yīng)問(wèn)題的一致程度。這些不明確性的程度的特性（比如它們的準(zhǔn)確性）由一些經(jīng)驗(yàn)性結(jié)論來(lái)論證，通常這些經(jīng)驗(yàn)性結(jié)論由心理計(jì)量表測(cè)試得到［5-6］。

在第二階段，研究的主要方向集中在產(chǎn)生猶豫不定的原因（比如個(gè)體的認(rèn)知因素）。比如，在如今競(jìng)爭(zhēng)越發(fā)激烈的市場(chǎng)下，消費(fèi)者面臨越來(lái)越多的可選商品，有必要分析可供的選擇過(guò)多和消費(fèi)行為猶豫不定之間的關(guān)系。通過(guò)分析以往的研究發(fā)現(xiàn)，由于可選商品數(shù)量的不斷增加而導(dǎo)致消費(fèi)者選擇困難的說(shuō)法并不十分靠得住。做出一個(gè)簡(jiǎn)單決策困難與否并不依賴(lài)于選擇本身，更多地和決策制定者的心理狀態(tài)有關(guān)。有學(xué)者提出做出選擇的難易程度根據(jù)做出選擇的人的心理關(guān)注點(diǎn)的變化而變化，比如當(dāng)為自己做決定時(shí)，人們心理狀態(tài)常常是防御性心理，而為他人出決定時(shí)，常常是促進(jìn)性心理。但是，也有學(xué)者發(fā)現(xiàn)可選商品的數(shù)量對(duì)消費(fèi)者的判斷和決策過(guò)程有影響。還有學(xué)者研究了可選商品的數(shù)量和其他因素（比如決策目標(biāo)）的影響，發(fā)現(xiàn)這些因素可能會(huì)導(dǎo)致消費(fèi)者的決策不明確。E.Rassin等人發(fā)現(xiàn)個(gè)體之間的差異（比如性別的不同）和決策帶來(lái)的風(fēng)險(xiǎn)都會(huì)對(duì)消費(fèi)行為中的猶豫不定有較大影響［5］。近來(lái)，R.Dhar等人基于雙系統(tǒng)理論提出了一個(gè)全面理解喜好形成過(guò)程的框架［6］。

在發(fā)現(xiàn)消費(fèi)者猶豫不定行為的原因之后，研究者在第三階段試著去研究減輕決策制定困難的方法。不同個(gè)體之間猶豫不定的程度有很大差別。對(duì)于同一個(gè)個(gè)體來(lái)說(shuō)，在不同時(shí)間和地點(diǎn)，猶豫不定的程度相對(duì)穩(wěn)定，在沒(méi)有特殊的訓(xùn)練和干預(yù)下，很難使一個(gè)優(yōu)柔寡斷的人變得果斷。改變決策行為是一個(gè)更為現(xiàn)實(shí)的嘗試。沿著這個(gè)思路，改進(jìn)推薦系統(tǒng)對(duì)緩解信息過(guò)載的情況有很大幫助，比如改變商品分類(lèi)或者提供推薦標(biāo)記（比如“銷(xiāo)量最高”）。如果推薦的商品依然十分相似，提升商品潛在特征的多樣化能減輕決策的苦難。再充分、理性的決策的制定也是基于優(yōu)先情緒加工的，改變決策制定者的決策行為十分困難。

除了不明確性之外，消費(fèi)者在消費(fèi)過(guò)程中仍然表現(xiàn)出幾種類(lèi)型的心理特征。比如，對(duì)新穎事物的尋找、興趣的擴(kuò)張以及一些偶然下的發(fā)現(xiàn)，這些都會(huì)給消費(fèi)者帶來(lái)興奮和滿(mǎn)足感。不斷加深對(duì)這些個(gè)體行為的理解，不僅對(duì)科學(xué)研究意義重大，而且對(duì)商業(yè)的成功也十分重要。比如，引導(dǎo)消費(fèi)者行為和提供更加準(zhǔn)確的個(gè)性化推薦。近年來(lái)隨著信息技術(shù)的快速發(fā)展，越來(lái)越多的消費(fèi)者數(shù)據(jù)能被收集到，進(jìn)行更加深度的研究也變得越來(lái)越容易。

二、不明確性挖掘

提出基于消費(fèi)者行為的日志數(shù)據(jù)，挖掘消費(fèi)者行為中的不明確性。首先，理清消費(fèi)者行為記錄的一般格式。其次，介紹量化所觀測(cè)的不明確性的方式。然后，提出得到潛在不明確性指數(shù)的模型方法。最后，分析其潛在的應(yīng)用。

（一）數(shù)據(jù)的預(yù)處理

我們的目標(biāo)在于基于消費(fèi)者在線(xiàn)消費(fèi)行為記錄自動(dòng)地習(xí)得消費(fèi)者和各商品之間的不明確性指數(shù)。消費(fèi)者在線(xiàn)消費(fèi)行為記錄格式例子如表1所示。消費(fèi)者所有對(duì)商品的操作，包括購(gòu)買(mǎi)操作以及在作決定過(guò)程中涉及（比如點(diǎn)擊、收藏、加入購(gòu)物車(chē)等）的都被記錄在內(nèi)。對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理，將單個(gè)消費(fèi)者對(duì)商品的操作分為不同小節(jié)，比如將在1個(gè)小時(shí)內(nèi)沒(méi)有操作的部分分割為單獨(dú)的小節(jié)。表2列出一些操作小節(jié)的例子，其中的“商品束”的定義如下：

定義1：商品束。給定一個(gè)消費(fèi)者和他的操作小節(jié)，其操作小節(jié)對(duì)應(yīng)的商品組合由操作小節(jié)里所有商品的子集構(gòu)成。即一個(gè)操作小節(jié)通常有多個(gè)商品組合，比如，在表2小節(jié)，其商品操作順序?yàn)?｛a，b，c， a ｝，對(duì)應(yīng)的商品束為

由于空間限制，表2不同小節(jié)只給出最大的商品束。因此，商品束越大，表示消費(fèi)者在這一小節(jié)瀏覽過(guò)的商品數(shù)量越多。如果某幾個(gè)商品常常出現(xiàn)在不同的操作小節(jié)里面，那么這些商品會(huì)組成頻繁商品束，這些頻繁商品束可以由頻繁模式挖掘算法得到。通常來(lái)說(shuō)，在一個(gè)頻繁商品束里的商品要么為競(jìng)爭(zhēng)關(guān)系，要么為互補(bǔ)關(guān)系。事實(shí)上，商品之間的互補(bǔ)關(guān)系在市場(chǎng)營(yíng)銷(xiāo)領(lǐng)域有大量的研究。比如，在亞馬遜上，那些經(jīng)常被一起購(gòu)買(mǎi)的商品會(huì)被一起推薦給消費(fèi)者。在消費(fèi)者操作小節(jié)中的商品更有可能是競(jìng)爭(zhēng)關(guān)系，問(wèn)題是如何量化這些商品之間的競(jìng)爭(zhēng)關(guān)系。從表2我們可以看到，消費(fèi)者U1在選擇C1類(lèi)的商品時(shí)有很強(qiáng)的不明確性，而消費(fèi)者U2在做決定時(shí)更為果斷。不失一般性，我們只考慮每個(gè)操作小節(jié)中同一分類(lèi)的商品，并不對(duì)消費(fèi)者操作作不同類(lèi)型的區(qū)分，即將點(diǎn)擊和收藏都視為用戶(hù)操作，不作進(jìn)一步的區(qū)分。表3為論文中所涉及到的符號(hào)注釋。

表1 消費(fèi)者在線(xiàn)消費(fèi)行為記錄格式示例

表2 消費(fèi)者操作小節(jié)示例

表3 符號(hào)注釋

（二）不明確性的量化

本小節(jié)給出對(duì)用戶(hù)操作小節(jié)不明確性指數(shù)量化的正式定義。

根據(jù)心理學(xué)中的定義，“猶豫不定”意味著花費(fèi)更長(zhǎng)時(shí)間作出決策以及搜尋更多的相關(guān)信息?；诂F(xiàn)有對(duì)“猶豫不定”的理解以及現(xiàn)有可獲得的在線(xiàn)消費(fèi)者行為數(shù)據(jù)，我們主要基于下面4個(gè)假設(shè)關(guān)注每個(gè)行為小節(jié)中的4個(gè)特征值。

（1）在一個(gè)行為小節(jié)中，用戶(hù)對(duì)商品的操作次數(shù)越多，相應(yīng)的不明確性指數(shù)越高。

（2）對(duì)不同商品的操作次數(shù)分布越均勻，不明確性指數(shù)越高。

（3）在不同商品之間操作的轉(zhuǎn)變?cè)蕉?，即用?hù)重復(fù)考慮得越多，不明確性指數(shù)也越高。

（4）在每個(gè)商品上面所花的時(shí)間越均勻，即花費(fèi)在每個(gè)商品上的時(shí)間越多，不明確性指數(shù)越高?；ㄙM(fèi)在每個(gè)商品的時(shí)間為從此次操作到下次操作的時(shí)間間隔的總和。

基于以上假設(shè)，我可以定量化每個(gè)行為小節(jié)的不明確性為其特征值的函數(shù)，具體如下。

定義2：定量化的選擇不明確性。給定一個(gè)消費(fèi)者U1和這個(gè)消費(fèi)者的一個(gè)操作行為小節(jié)Sj，相應(yīng)的商品束為Bk。我們將每個(gè)小節(jié)中的“猶豫不定”程度定量化為：

式中：F（·）可以是任何函數(shù)；Length（Sj）表示 Sj中操作次 數(shù) 的 對(duì) 數(shù) 即 Log（操 作 次 數(shù) ）；EntropyOP（Sj）為用來(lái)衡量對(duì)不同商品操作次數(shù)的分布，其中Pj（a）表示商品a在Sj小節(jié)中出現(xiàn)的概率；Trans（Sj）表示轉(zhuǎn)移操作在不同商品之間的次數(shù)除以總的轉(zhuǎn)移操作次數(shù)；EntropyTIME（Sj）為用來(lái)衡量對(duì)不同商品操作時(shí)間的分布，其中Ptj（a）表示花在商品a的時(shí)間的比例。 比如，表 2 中 S1的 Length（Sj），EntropyOP（Sj），Trans（Sj）分別為 lg（10），（-0.4*lg（0.4）-0.6*lg（0.6））/lg（2），5/9。 假設(shè) EntropyTIME（Sj）中 Ptj（a）和 Ptj（b）為0.2 和 0.8，則對(duì)應(yīng)值為-0.2*lg（0.2）-0.8*lg（0.8）。

如果 F（Length（Sj），EntropyOP（Sj），Trans（Sj），EntropyTIME（Sj））表示四者的相乘即 Length（Sj）*EntropyOP（Sj）*Trans（Sj）*EntropyTIME（Sj），則 S1不明確性指數(shù)大約為0.035 3。為了平衡以上4種特征值的權(quán)重，我們?cè)谑褂酶黜?xiàng)特征值之前可以規(guī)范化使得它們的值在［0，1］之內(nèi)。以這種方式，只要消費(fèi)者作出決策的過(guò)程被記錄下來(lái)，我們就可以定量化消費(fèi)者“猶豫不定”的程度，即本文中不明確性指數(shù)越高則表示“猶豫不定”的程度越高。據(jù)以上定義，不明確性指數(shù)值域可能會(huì)較大，我們可以使用最小—最大規(guī)范化使其值在［0，1］之內(nèi)。

（三）不明確性挖掘

我們通過(guò)一個(gè)概率圖模型來(lái)同時(shí)獲得消費(fèi)者和商品間的不明確性指數(shù)。

首先，很有必要弄明白每個(gè)行為小節(jié)中所觀測(cè)到的不明確性背后的原因。在本次研究中，主要考慮2種觀測(cè)不到的原因：消費(fèi)者因素和商品因素。筆者使用“不明確性指數(shù)”來(lái)表示這些因素。即，不明確性指數(shù)越高的消費(fèi)者（即難以作出決策的性格）在其操作小節(jié)所觀測(cè)到的“猶豫不定”程度越高，不明確性指數(shù)越高的商品束（即有些商品本身很難選擇，比如三星手機(jī)和蘋(píng)果手機(jī)）也同樣對(duì)導(dǎo)致觀測(cè)到的“猶豫不定”的程度越高。

本次研究中，我們使用Yi和來(lái)分別表示消費(fèi)者Ui和操作小節(jié)Sj的不明確性指數(shù)。其中操作小節(jié)Sj的不明確性指數(shù)由Sj中的商品束決定。Sj中的商品束為比如，表2中S4對(duì)應(yīng)的商品束為換句話(huà)說(shuō)，在商品a，b，c中作出選擇或者對(duì)他們的對(duì)比導(dǎo)致我們?cè)诓僮餍」?jié)中所觀測(cè)到的“猶豫不定”的程度。 因此，Sj的不明確性指數(shù)取決于 SB（j）中所有商品束的不明確性指數(shù)。即：

于是，對(duì)于所觀測(cè)到的所有操作小節(jié)的不明確性指數(shù)DS的條件概率為：

圖1 不明確性指數(shù)的概率圖模型

最大化上述概率，可以通過(guò)已有的所觀測(cè)到的DS來(lái)估計(jì)出Y和ZB。為了方便計(jì)算對(duì)后驗(yàn)概率取對(duì)數(shù)：

由于后驗(yàn)概率中的方差都是預(yù)設(shè)好的常數(shù)，所以每1項(xiàng)中只有第2項(xiàng)與待優(yōu)化的Y和ZB有關(guān)，所以最大化上述對(duì)數(shù)后驗(yàn)概率，等價(jià)于最小化如下函數(shù)：

我們把對(duì)不明確性學(xué)習(xí)的概率矩陣分解模型稱(chēng)為IPMF模型。的確，作為概率圖模型的1種［7］，我們的模型和以往的有些模型很相似，比如RSTE模型［8］、IMF 模型和 SocialMF 模型［9］。 然而，IPMF 模型仍然和傳統(tǒng)的一些模型不同。比如，在IPMF模型中，有3種潛在因素，其中每個(gè)小節(jié)的影響因素Bj（pt）是由其內(nèi)在小部分決定的；而RSTE模型和SocialMF模型都只有2種潛在因素。這意味著其中內(nèi)在的推論過(guò)程有很大的不同，并且本模型更加適用于不同的背景和領(lǐng)域。

最后，為了更好地解釋?zhuān)覀児室夂?jiǎn)化了模型，比如，把不明確性指數(shù)只作為標(biāo)量。事實(shí)上，不明確性指數(shù)可以作為1個(gè)向量，其中每1個(gè)實(shí)數(shù)可以作為消費(fèi)者對(duì)商品的其中1個(gè)方面的不明確性指數(shù)，比如對(duì)價(jià)格方面的不明確性指數(shù)。并且，我們目前只針對(duì)2個(gè)商品以上的商品束，但我們的模型同樣適用于單一商品的商品束。

三、潛在應(yīng)用

不明確性挖掘可以有很多潛在的應(yīng)用，比如對(duì)于消費(fèi)者“猶豫不定”的分析有助于更好地理解消費(fèi)者的喜好。由于消費(fèi)者的很多特征無(wú)法獲得，比如年紀(jì)和性別，我們主要針對(duì)2種應(yīng)用，即競(jìng)爭(zhēng)商品性的檢測(cè)和商品束的推薦。

（一）競(jìng)爭(zhēng)性商品的檢測(cè)

在現(xiàn)有的營(yíng)銷(xiāo)策略中，為了得到更好的銷(xiāo)售量，那些經(jīng)常被一起購(gòu)買(mǎi)的商品會(huì)被推薦給消費(fèi)者。然而，在本次研究中，消費(fèi)者同一行為小節(jié)中一起出現(xiàn)的商品更可能是競(jìng)爭(zhēng)性的。換句話(huà)說(shuō)，本次研究所呈現(xiàn)的對(duì)不明確性的挖掘能為網(wǎng)絡(luò)零售商提供一種檢測(cè)競(jìng)爭(zhēng)性商品的方法。詳細(xì)來(lái)說(shuō)，我們可以運(yùn)用IPMF模型來(lái)獲得頻繁商品束以及這些商品束的不明確性指數(shù)。假設(shè)商品a是某零售商提供的一種商品，那么那些和商品a在同一商品束里的商品就能被定義為商品a的競(jìng)爭(zhēng)性商品，尤其是哪些有非常大的不明確性指數(shù)的商品。這樣就能以數(shù)據(jù)驅(qū)動(dòng)的方式來(lái)獲得競(jìng)爭(zhēng)性商品的信息，其結(jié)果能幫助零售商更好地完善自己的商品和制定營(yíng)銷(xiāo)策略。

（二）商品個(gè)性化推薦

推薦系統(tǒng)的目標(biāo)在于在任何時(shí)候和任何地方準(zhǔn)確地把商品推薦給需要它的消費(fèi)者。然而，當(dāng)消費(fèi)者已經(jīng)受到“猶豫不定”困擾的時(shí)候，傳統(tǒng)的推薦算法看起來(lái)很難起到作用。首先，如果推薦的商品類(lèi)似于消費(fèi)者正在瀏覽的商品，會(huì)使得消費(fèi)者更難作出購(gòu)買(mǎi)決策。其次，如果推薦的商品和當(dāng)前瀏覽的商品無(wú)關(guān)，沒(méi)有任何類(lèi)似，消費(fèi)者將毫無(wú)興趣，因?yàn)榇送扑]已經(jīng)超出她當(dāng)前所關(guān)心的內(nèi)容［10］。

盡管如此，當(dāng)消費(fèi)者在“猶豫不定”的時(shí)候依然需要推薦服務(wù)。假設(shè)消費(fèi)者目前正在瀏覽商品如果我們能預(yù)測(cè)其最終的購(gòu)買(mǎi)決策會(huì)在商品束｝ 中，即要么買(mǎi)a要么買(mǎi)b，那么我們就可以只推薦a，b給此消費(fèi)者，以此來(lái)減少消費(fèi)者所做的無(wú)用操作。從消費(fèi)者的視角來(lái)說(shuō)，他們會(huì)有更多的精力來(lái)作出最終的購(gòu)買(mǎi)決策。從推薦服務(wù)提供者的視角來(lái)看，他們可以引導(dǎo)消費(fèi)者作出對(duì)的選擇，即通過(guò)提供選擇過(guò)濾來(lái)減輕消費(fèi)者“猶豫不定”的程度使得消費(fèi)者會(huì)有更高的概率作出最終的購(gòu)買(mǎi)決策，服務(wù)提供者可因此獲得更高的利潤(rùn)。然而，傳統(tǒng)推薦算法并不能完成以上分析的任務(wù)。為此，本次研究提出一個(gè)鼓勵(lì)消費(fèi)者消費(fèi)的商品推薦概念，即當(dāng)消費(fèi)者在某幾個(gè)商品“猶豫不定”時(shí)，我們把消費(fèi)者最可能購(gòu)買(mǎi)的商品推薦給她。對(duì)于消費(fèi)者Ui的其中一個(gè)行為小節(jié) Sj，其所要推薦的商品束為 SB（j），而這些商品束的商品數(shù)量通常比行為小節(jié)中商品數(shù)量少得多，也因此能減少消費(fèi)者的選擇成本，以此來(lái)使得消費(fèi)者更容易作出購(gòu)買(mǎi)決策。

基于以下假設(shè)，我們來(lái)解釋基于不明確性挖掘的商品推薦。

對(duì)于某一消費(fèi)者的一個(gè)行為小節(jié)，此行為小節(jié)由幾個(gè)商品束組成，商品束的不明確性指數(shù)越高，消費(fèi)者最終購(gòu)買(mǎi)的商品出現(xiàn)在這個(gè)商品束里面的概率越大。

換言之，消費(fèi)者的購(gòu)買(mǎi)概率和不明確性指數(shù)的值有正相關(guān)關(guān)系。例如，行為小節(jié)中有商品｛a，b，c，d ｝ ，其中頻繁商品束為其不明確性指數(shù)分別為0.8、0.2、0.6和0.3，則其消費(fèi)大概率在｛a，b，c ｝ 中，則我們可以把d去除而把a(bǔ)，b，c推薦，來(lái)緩解消費(fèi)者的“猶豫不定”。

四、總結(jié)與分析

本次研究給出消費(fèi)者行為中選擇不明確性的定量化方式。基于這些所觀測(cè)到的定量化的不明確性，我們提出一種模型同時(shí)習(xí)得潛在的消費(fèi)者的不明確性指數(shù)和商品組合中不明確性指數(shù)。由這些所得到的不明確性指數(shù)，我們分析這類(lèi)消費(fèi)者行為中的選擇不明確性挖掘在很多方面有潛在的應(yīng)用價(jià)值，比如競(jìng)爭(zhēng)性商品的檢測(cè)、個(gè)性化商品推薦。本次研究相比以往模型在消費(fèi)行為中選擇不明確新的定量化方式上有所改進(jìn)，使得量化后的不明確性指數(shù)和實(shí)際情況更加匹配。不明確性挖掘可以應(yīng)用于為零售商發(fā)現(xiàn)并提供競(jìng)爭(zhēng)商品的信息，以及預(yù)測(cè)消費(fèi)者的購(gòu)買(mǎi)決策，為消費(fèi)者提供給更好的推薦服務(wù)。

[1]王升升，趙海燕，陳慶奎，曹健.基于社交標(biāo)簽和社交信任的概率矩陣分解推薦算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2016（5）.

[2]曹佳丹，邵琰芳，李飛巧.猶豫不決者在決策中的風(fēng)險(xiǎn)偏好[J].現(xiàn)代商業(yè)，2010（27）.

[3]RASSIN E，MURIS P.Indecisiveness and the interpretation of ambiguous situations[J].Personality and individual differences， 2005（7）.

[4]劉維湘，鄭南寧，游屈波.非負(fù)矩陣分解及其在模式識(shí)別中的應(yīng)用[J].科學(xué)通報(bào)，2006（3）.

[5]RASSIN E，MURIS P.To be or not to be indecisive：Gender differences， correlations with obsessive compulsive complaints，and behavioural manifestation[J].Personality and individual differences， 2005（5）.

[6]DHAR R，GORLIN M.A dual-system framework to understand preference construction processes in choice[J].Journal of consumer psychology， 2013（4）.

[7]程強(qiáng)，陳峰，董建武，徐文立.概率圖模型中的變分近似推理方法[J].自動(dòng)化學(xué)報(bào)，2012（11）.

[8]MA H，KING I， LYU M R.Learning to recommend with social trust ensemble[C].Athens：Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval，2009.

[9]JAMALI M，ESTER M.A matrix factorization technique with trust propagation for recommendation in social networks[C].Athens：Proceedings of the fourth ACM conference on recommender systems，2010.

[10]孫光福，吳樂(lè)，劉淇，朱琛，陳恩紅.基于時(shí)序行為的協(xié)同過(guò)濾推薦算法[J].軟件學(xué)報(bào)，2013（11）.

（編輯：唐龍）

F064.1

：A

：1673-1999（2017）06-0039-05

韓民琦（1993—），男，安徽財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院2015級(jí)在讀碩士研究生，研究方向?yàn)閿?shù)據(jù)庫(kù)系統(tǒng)與數(shù)據(jù)處理。

2017-03-20

2016年安徽財(cái)經(jīng)大學(xué)研究生科研創(chuàng)新基金項(xiàng)目“用戶(hù)消費(fèi)行為中選擇不明確性分析——以天貓數(shù)據(jù)為例”（ACYC2016163）。