基于用戶(hù)在線行為的個(gè)性化推薦研究

陳曉璇+劉洪偉+曹寧

[提要] 在競(jìng)爭(zhēng)激烈的網(wǎng)上零售活動(dòng)中，為了提升用戶(hù)的購(gòu)物體驗(yàn)、培養(yǎng)顧客忠誠(chéng)度，越來(lái)越多的電子商務(wù)企業(yè)關(guān)注如何從點(diǎn)擊流中發(fā)現(xiàn)用戶(hù)的興趣偏好，進(jìn)而為用戶(hù)提供可靠的個(gè)性化推薦。本文在對(duì)國(guó)內(nèi)外關(guān)于個(gè)性化推薦相關(guān)研究文獻(xiàn)進(jìn)行梳理的基礎(chǔ)上，從點(diǎn)擊流與用戶(hù)行為、基于用戶(hù)行為的個(gè)性化兩個(gè)方面對(duì)現(xiàn)有文獻(xiàn)進(jìn)行綜述，并提出將來(lái)的一些研究方向，供營(yíng)銷(xiāo)和信息科學(xué)領(lǐng)域的學(xué)者進(jìn)一步研究和探討。

關(guān)鍵詞：在線購(gòu)物；用戶(hù)行為；點(diǎn)擊流；個(gè)性化推薦

中圖分類(lèi)號(hào)：F713.3 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2018年1月16日

一、前言

為了吸引更多的客戶(hù)，電子商務(wù)公司不斷擴(kuò)大品類(lèi)范圍。大型電子商務(wù)機(jī)構(gòu)每天看到超過(guò)一百萬(wàn)的客戶(hù)登錄到他們的網(wǎng)站。那些潛在客戶(hù)每天都會(huì)看到成千上萬(wàn)的商品項(xiàng)目。因此，這些電子商務(wù)公司面臨特定的挑戰(zhàn)，即通過(guò)有效管理越來(lái)越多的類(lèi)別和產(chǎn)品，發(fā)現(xiàn)網(wǎng)站用戶(hù)的興趣，促進(jìn)銷(xiāo)售。用于衡量消費(fèi)者興趣的大多數(shù)現(xiàn)有技術(shù)主要依靠客戶(hù)評(píng)級(jí)。用戶(hù)對(duì)某個(gè)項(xiàng)目進(jìn)行評(píng)價(jià)表示至少在某種程度上對(duì)該項(xiàng)目感興趣。評(píng)級(jí)值表示用戶(hù)喜歡目標(biāo)項(xiàng)目的數(shù)值。然而，評(píng)級(jí)信息太有限，無(wú)法描述用戶(hù)的網(wǎng)站導(dǎo)航過(guò)程。此外，產(chǎn)品評(píng)級(jí)是最終的綜合評(píng)估，其結(jié)合了用戶(hù)對(duì)價(jià)格、服務(wù)和物流的看法。該評(píng)級(jí)由電子商務(wù)公司提供并且與產(chǎn)品本身相關(guān)。此外，來(lái)自新客戶(hù)的評(píng)分不足以用于參考，而有經(jīng)驗(yàn)的客戶(hù)可能不愿意在每次使用網(wǎng)站時(shí)給予評(píng)分。這些因素使得更難以根據(jù)評(píng)級(jí)來(lái)發(fā)現(xiàn)用戶(hù)的真正興趣。一些學(xué)者研究了用戶(hù)對(duì)社交網(wǎng)絡(luò)媒體興趣的話題。他們發(fā)現(xiàn)用戶(hù)的興趣經(jīng)常被他們?cè)L問(wèn)的帖子和他們回復(fù)的帖子所反映。這個(gè)想法可以類(lèi)似地應(yīng)用于電子商務(wù)網(wǎng)站。用戶(hù)將會(huì)看到感興趣的項(xiàng)目并吸引他們的注意。具有各種興趣的用戶(hù)將會(huì)訪問(wèn)不同的類(lèi)別和多個(gè)項(xiàng)目。對(duì)于不同類(lèi)型的用戶(hù)，他們的瀏覽路徑，他們?cè)L問(wèn)網(wǎng)頁(yè)的頻率和每個(gè)類(lèi)別花費(fèi)的時(shí)間將各不相同。與用戶(hù)評(píng)分相比，更詳細(xì)的點(diǎn)擊流信息可以用來(lái)更精確地描述用戶(hù)的興趣。

二、點(diǎn)擊流在用戶(hù)行為分析中的應(yīng)用

電子商務(wù)的成功離不開(kāi)大量數(shù)據(jù)的支持。目前，在線商店運(yùn)用多種信息尋找目標(biāo)客戶(hù)，例如人口統(tǒng)計(jì)特征、購(gòu)買(mǎi)歷史信息或評(píng)分信息，以及這些訪問(wèn)者是如何進(jìn)入到這個(gè)線上商店的（即這個(gè)用戶(hù)是通過(guò)書(shū)簽、搜索引擎還是電子郵件推廣的鏈接找到這個(gè)網(wǎng)站的）。但是，以上方式對(duì)于用戶(hù)需求的挖掘和預(yù)測(cè)能力非常弱。而任何公司或者組織的成功必然離不開(kāi)決策的正確性，點(diǎn)擊流數(shù)據(jù)的出現(xiàn)成為了這種正確性決策最可靠、最有效的數(shù)據(jù)基礎(chǔ)。與傳統(tǒng)的媒體和商業(yè)環(huán)境不同，由于信息技術(shù)的發(fā)展，互聯(lián)網(wǎng)可以快速、簡(jiǎn)單、不顯眼地收集有關(guān)個(gè)人活動(dòng)的詳細(xì)信息。這種互聯(lián)網(wǎng)用戶(hù)在線操作的記錄被稱(chēng)為點(diǎn)擊流數(shù)據(jù)。從點(diǎn)擊流數(shù)據(jù)源來(lái)分類(lèi)的話，可以分為以下幾類(lèi)：

（一）問(wèn)卷調(diào)查。雷玲等以產(chǎn)品策略、促銷(xiāo)策略、網(wǎng)站策略為自變量，情感反應(yīng)做因變量研究用戶(hù)沖動(dòng)購(gòu)買(mǎi)行為的形成機(jī)制，他們發(fā)現(xiàn)：產(chǎn)品策略、促銷(xiāo)策略以及網(wǎng)站策略顯著影響網(wǎng)絡(luò)消費(fèi)者的情感反應(yīng)，其中促銷(xiāo)策略對(duì)消費(fèi)者情感反應(yīng)的影響最大；其次是產(chǎn)品策略，最后是網(wǎng)站策略。

（二）網(wǎng)頁(yè)瀏覽日志。付關(guān)友等從心理學(xué)的角度運(yùn)用內(nèi)驅(qū)力理論研究Web用戶(hù)的瀏覽行為和他對(duì)網(wǎng)頁(yè)是否感興趣密切相關(guān)，他們發(fā)現(xiàn)隨著用戶(hù)瀏覽頁(yè)面數(shù)的增多，捕獲到用戶(hù)的興趣越高。

（三）實(shí)驗(yàn)室實(shí)驗(yàn)與問(wèn)卷調(diào)查。Parboteeah等通過(guò)實(shí)證分析以及實(shí)驗(yàn)室控制實(shí)驗(yàn)研究了網(wǎng)站的變化是如何影響在線沖動(dòng)購(gòu)買(mǎi)。他們發(fā)現(xiàn)要使消費(fèi)者更加沖動(dòng)，網(wǎng)絡(luò)零售商可以通過(guò)增加與任務(wù)相關(guān)的高質(zhì)量的提示（TR）來(lái)最大限度地發(fā)揮積極的認(rèn)知反應(yīng)，同時(shí)增加與情緒相關(guān)的高質(zhì)量的提示（MR）來(lái)提升積極的情感反應(yīng)。

綜上所述，分析用戶(hù)行為可以通過(guò)問(wèn)卷調(diào)查、網(wǎng)頁(yè)瀏覽日志、實(shí)驗(yàn)室實(shí)驗(yàn)等途徑來(lái)獲取數(shù)據(jù)，進(jìn)而通過(guò)不同的模型方法得到定量或定性的用戶(hù)分析。

用戶(hù)對(duì)自身行為的認(rèn)識(shí)探索從未間斷過(guò)，這也是學(xué)者們一直執(zhí)著的追求。在過(guò)去很長(zhǎng)一段時(shí)間，研究者們主要借鑒其他學(xué)科的研究方法來(lái)進(jìn)行研究分析，由于用戶(hù)自身行為具有復(fù)雜性和多樣性，因此對(duì)于任何科學(xué)手段來(lái)說(shuō)都具有很大的挑戰(zhàn)性。在計(jì)算機(jī)普及之前，用戶(hù)行為記錄數(shù)據(jù)都是通過(guò)問(wèn)卷調(diào)查或者填寫(xiě)個(gè)人資料等方式獲取，數(shù)據(jù)的收集缺乏代表性和普適性，僅能做定性的分析，而且有關(guān)用戶(hù)行為的研究，在很長(zhǎng)一段時(shí)間內(nèi)，學(xué)者們普遍都認(rèn)為人的行為均服從泊松隨機(jī)過(guò)程，導(dǎo)致絕大多數(shù)研究成果僅僅是定性描述且?guī)в泻艽蟮木窒扌?。隨著社會(huì)的發(fā)展和互聯(lián)網(wǎng)的出現(xiàn)，促進(jìn)了人的生產(chǎn)方式和思維方式變化；由此，出現(xiàn)了兩個(gè)亟待解決的問(wèn)題：這些研究成果及結(jié)論是否能真實(shí)地反映人們生活中表現(xiàn)出來(lái)的行為特征？如何定量化分析用戶(hù)行為？關(guān)于點(diǎn)擊流用戶(hù)行為分析中的應(yīng)用，從模型來(lái)分類(lèi)的話，可以分為以下幾類(lèi)：

1、馬爾可夫模型。袁興福等利用馬爾科夫模型和EM聚類(lèi)方法給出一種依據(jù)原始日志建立用戶(hù)行為序列來(lái)描述會(huì)話的方案，會(huì)話所反映的用戶(hù)行為特征，可以指導(dǎo)網(wǎng)站制定推薦策略，或?qū)I(yíng)銷(xiāo)方案的制訂提供支持。

2、聚類(lèi)算法等。Gunduz和Ozsu引入一個(gè)通過(guò)訪問(wèn)頁(yè)面和訪問(wèn)時(shí)間的相似性度量來(lái)找出用戶(hù)會(huì)話之間的兩兩相似性，然后使用圖形分割算法基于相似性度量劃分用戶(hù)會(huì)話，并提出用于表示群集的樹(shù)結(jié)構(gòu)。實(shí)驗(yàn)表明，該模型可以在不同結(jié)構(gòu)的網(wǎng)站上使用。

然而，這些方法仍然存在著一定的不足，如高階馬爾科夫模型由于其狀態(tài)數(shù)量龐大而非常復(fù)雜，而低階馬爾可夫模型不能捕獲會(huì)話中用戶(hù)的整個(gè)行為；基于順序模式挖掘的模型僅考慮數(shù)據(jù)集中的頻繁序列，使得難以預(yù)測(cè)下一個(gè)請(qǐng)求，而不是按照順序模式的頁(yè)面。而且，很難找到挖掘用戶(hù)會(huì)話的兩種不同類(lèi)型的信息的模型。因此，想要更好地利用點(diǎn)擊流數(shù)據(jù)來(lái)預(yù)測(cè)用戶(hù)的在線行為，仍需要更多的研究?？梢詾榫W(wǎng)頁(yè)優(yōu)化和個(gè)性化推薦提供重要的輔助。

三、基于用戶(hù)行為分析的個(gè)性化推薦

互聯(lián)網(wǎng)的快速傳播為電子商務(wù)公司提供了輕松有效的客戶(hù)信息采集。從客戶(hù)收集的信息通過(guò)管理個(gè)性化網(wǎng)絡(luò)體驗(yàn)并保留與客戶(hù)的通信轉(zhuǎn)換為高質(zhì)量的產(chǎn)品和服務(wù)，因特網(wǎng)提供的信息已經(jīng)導(dǎo)致信息超載。Web用戶(hù)難以找到信息推薦系統(tǒng)已經(jīng)成為對(duì)此問(wèn)題的重要響應(yīng)信息過(guò)濾應(yīng)用數(shù)據(jù)分析技術(shù)，以幫助客戶(hù)找到他們想要購(gòu)買(mǎi)的產(chǎn)品的得分或推薦產(chǎn)品列表的問(wèn)題顧客。到目前為止，推薦系統(tǒng)已經(jīng)被許多網(wǎng)站（如亞馬遜、雅虎和電影評(píng)論家）實(shí)施。endprint

個(gè)性化推薦是電子商務(wù)企業(yè)廣泛采用的個(gè)性化營(yíng)銷(xiāo)策略之一，它是指電子商務(wù)網(wǎng)站根據(jù)消費(fèi)者之前的評(píng)分、瀏覽、購(gòu)買(mǎi)或搜索歷史等行為數(shù)據(jù)以及相似消費(fèi)者的歷史行為數(shù)據(jù)推測(cè)目標(biāo)消費(fèi)者的需求和偏好，然后在目標(biāo)消費(fèi)者訪問(wèn)網(wǎng)站時(shí)為其推薦或展示一組他們可能喜歡的商品或服務(wù)。當(dāng)前推薦系統(tǒng)中使用的基礎(chǔ)技術(shù)分為兩個(gè)不同的類(lèi)別，基于內(nèi)容的過(guò)濾和協(xié)同過(guò)濾。在基于內(nèi)容的過(guò)濾中，它提供了類(lèi)似于過(guò)去用戶(hù)所熟悉的內(nèi)容的項(xiàng)目；另一方面，在協(xié)同過(guò)濾中，它識(shí)別出與給定用戶(hù)相似偏好的其他用戶(hù)，并提供了他們想要的東西。劉春、梁光磊、譚國(guó)平等通過(guò)對(duì)用戶(hù)行為日志的分析生成用戶(hù)的興趣偏好模型，同時(shí)引入時(shí)間因子反映用戶(hù)興趣的漂移，將基于用戶(hù)偏好分析的推薦方法與基于物品的協(xié)同過(guò)濾算法相結(jié)合形成了融合的個(gè)性化推薦模型。

四、展望

目前，國(guó)內(nèi)外大量相關(guān)文獻(xiàn)主要研究了如何改進(jìn)個(gè)性化推薦的算法和模型，很多學(xué)者對(duì)個(gè)性化推薦算法和模型進(jìn)行了綜述和評(píng)析，然而很少有學(xué)者系統(tǒng)地回顧個(gè)性化推薦和用戶(hù)行為之間的關(guān)系。本文重點(diǎn)對(duì)有關(guān)個(gè)性化推薦和用戶(hù)行為之間關(guān)系的文獻(xiàn)進(jìn)行了梳理。營(yíng)銷(xiāo)領(lǐng)域大量的相關(guān)研究發(fā)現(xiàn)，個(gè)性化推薦可以改變用戶(hù)的信息搜索行為、產(chǎn)品偏好、價(jià)格敏感度、選擇決策和決策質(zhì)量等，但該研究方向仍然有很多值得進(jìn)一步研究和探索的問(wèn)題。通過(guò)對(duì)相關(guān)文獻(xiàn)的系統(tǒng)分析，本文提出幾個(gè)值得進(jìn)一步研究的問(wèn)題：（1）探討個(gè)性化推薦對(duì)用戶(hù)行為的長(zhǎng)期影響；（2）研究用戶(hù)動(dòng)態(tài)興趣的個(gè)性化推薦；（3）控制個(gè)性化推薦的內(nèi)生性。

主要參考文獻(xiàn)：

[1]雷玲，張小筠，王禮力.基于電子商務(wù)營(yíng)銷(xiāo)的網(wǎng)上沖動(dòng)購(gòu)買(mǎi)研究[J].商業(yè)研究，2012.3.

[2]付關(guān)友，朱征宇.個(gè)性化服務(wù)中基于行為分析的用戶(hù)興趣建模[J].計(jì)算機(jī)工程與科學(xué)，2005.27.12.

[3]Parboteeah D V，Valacich J S，Wells J D，et al.The Influence of Website Characteristics on a Consumer's Urge to Buy Impulsively[J].Information Systems Research，2009.20.1.

[4]袁興福，張鵬翼，劉洪蓮等.基于點(diǎn)擊流的電商用戶(hù)會(huì)話建模[J].圖書(shū)情報(bào)工作，2015.59.1.endprint