電子商務(wù)個(gè)性化推薦研究現(xiàn)狀及展望

摘要：電子商務(wù)個(gè)性化推薦極大提升了用戶購物體驗(yàn)，引起了學(xué)界的廣泛關(guān)注。計(jì)算機(jī)領(lǐng)域的學(xué)者首先對(duì)個(gè)性化推薦的算法、模型進(jìn)行了研究，隨后營(yíng)銷和信息系統(tǒng)領(lǐng)域的學(xué)者們也從消費(fèi)者行為視角來探討電子商務(wù)個(gè)性化推薦。本文將從用戶接受和消費(fèi)者的影響兩個(gè)方面來闡述電子商務(wù)個(gè)性化推薦的研究現(xiàn)狀及展望，以期為后續(xù)相關(guān)研究提供理論支持和幫助。

關(guān)鍵詞：電子商務(wù)；個(gè)性化推薦；用戶接受；用戶評(píng)價(jià)

引言

近幾年，電子商務(wù)網(wǎng)站迅猛發(fā)展，雖然給用戶帶來購物上的便利，但同時(shí)也讓用戶面臨信息超載從而導(dǎo)致選擇困難。因此，個(gè)性化推薦系統(tǒng)應(yīng)運(yùn)而生。電商網(wǎng)站中的個(gè)性化推薦系統(tǒng)可以根據(jù)當(dāng)前消費(fèi)者瀏覽、購買和評(píng)價(jià)等信息的輸入，利用系統(tǒng)數(shù)據(jù)庫中商品的屬性信息以及相似消費(fèi)者的歷史數(shù)據(jù)，通過系統(tǒng)算法比對(duì)過濾，為當(dāng)前消費(fèi)者提出推薦建議[1]。

有關(guān)電子商務(wù)個(gè)性化推薦的研究大致分為兩個(gè)方向：一是計(jì)算機(jī)領(lǐng)域?qū)W者致力于提升個(gè)性化推薦系統(tǒng)的推薦質(zhì)量；二是營(yíng)銷和信息系統(tǒng)領(lǐng)域的學(xué)者們以管理和消費(fèi)者行為視角來探討電子商務(wù)個(gè)性化推薦。本文將在第二個(gè)方向下進(jìn)行闡述，具體結(jié)構(gòu)如下：首先介紹了個(gè)性化推薦的定義和類型，接著梳理了消費(fèi)者行為視角的電子商務(wù)個(gè)性化推薦國內(nèi)外文獻(xiàn)，總結(jié)研究現(xiàn)狀，最后提出展望。

1、個(gè)性化推薦的定義和類型

推薦系統(tǒng)是一種信息過濾和決策支持的工具，可以根據(jù)用戶的客觀行為或明確的偏好，主動(dòng)向目標(biāo)用戶提供個(gè)性化信息、感興趣的項(xiàng)目和決策支持，個(gè)性化推薦由推薦系統(tǒng)產(chǎn)生，是為用戶展示感興趣的信息、商品或服務(wù)的過程。其應(yīng)用領(lǐng)域廣泛，包括電影、音樂、書籍、文獻(xiàn)、在線學(xué)習(xí)、電子商務(wù)等，以電子商務(wù)領(lǐng)域的應(yīng)用最廣泛突出。

個(gè)性化推薦過程包括數(shù)據(jù)輸入、推薦算法和推薦結(jié)果輸出。根據(jù)推薦算法的不同，將個(gè)性化推薦分為基于協(xié)同過濾的推薦、基于內(nèi)容的推薦和混合推薦。

1.1 基于協(xié)同過濾的推薦

基于協(xié)同過濾的推薦依賴于許多消費(fèi)者對(duì)產(chǎn)品的評(píng)價(jià)（例如，購買歷史記錄或評(píng)價(jià)）以及人口統(tǒng)計(jì)學(xué)和其他特征的數(shù)據(jù)庫，以預(yù)測(cè)目標(biāo)消費(fèi)者對(duì)一些尚未體驗(yàn)過的產(chǎn)品的評(píng)價(jià)?；趨f(xié)同過濾的推薦可以通過找出與當(dāng)前用戶相似興趣的用戶，將該用戶感興趣的東西推薦給當(dāng)前用戶，因此個(gè)性化程度較高、推薦的產(chǎn)品多樣、覆蓋的范圍比較廣。但是，由于其依賴于用戶的評(píng)價(jià)信息和行為數(shù)據(jù)，因此當(dāng)用戶數(shù)據(jù)稀疏不足時(shí)，可能存在推薦算法表現(xiàn)差和無法將新產(chǎn)品和新用戶進(jìn)行匹配的問題。

1.2 基于內(nèi)容的推薦

基于內(nèi)容的推薦系統(tǒng)利用用戶的個(gè)人偏好來提出建議，其可以根據(jù)用戶的搜索、評(píng)價(jià)或者相關(guān)行為數(shù)據(jù)來構(gòu)建用戶信息庫，過程簡(jiǎn)單透明，推薦的結(jié)果容易被用戶理解和接受，同時(shí)也解決了新產(chǎn)品的問題，但其無法解決用戶的冷啟動(dòng)問題。此外，由于其可以分析的內(nèi)容有限，所以導(dǎo)致推薦的個(gè)性化程度較低，且有的商品特征屬性抽取比較困難，很難做出精確的匹配。

1.3 混合推薦

混合推薦結(jié)合了兩種或兩種以上的推薦技術(shù)，以此獲得更好的性能，同時(shí)減少任何單個(gè)推薦技術(shù)的缺點(diǎn)。這類推薦兼具兩類算法的優(yōu)點(diǎn)，但推薦過程比較復(fù)雜，運(yùn)算量相對(duì)來說比較大。最常見的混合推薦是協(xié)同過濾與其他信息過濾技術(shù)相結(jié)合的模式。

2、基于消費(fèi)者行為視角的電子商務(wù)個(gè)性化推薦研究現(xiàn)狀

2.1 電子商務(wù)個(gè)性化推薦系統(tǒng)的用戶接受相關(guān)研究

國內(nèi)外學(xué)者對(duì)電子商務(wù)個(gè)性化推薦系統(tǒng)的用戶接受大多以推薦系統(tǒng)受意愿為研究對(duì)象，以信息技術(shù)接受模型（TAM）、技術(shù)接受和使用整合模型（UTAUT）等為理論框架構(gòu)建推薦系統(tǒng)接受模型。通過對(duì)國內(nèi)外相關(guān)研究成果的梳理，發(fā)現(xiàn)影響用戶接受個(gè)性化推薦系統(tǒng)的因素大致可以分為個(gè)體因素、系統(tǒng)因素和社會(huì)因素。

個(gè)體因素包括消費(fèi)者知識(shí)、消費(fèi)者特征和消費(fèi)者對(duì)推薦系統(tǒng)的熟悉度。Sherrie（2006）實(shí)證研究用戶的感知個(gè)性化和熟悉度影響對(duì)推薦系統(tǒng)的認(rèn)知信任和情感信任進(jìn)而影響用戶接受推薦系統(tǒng)意愿[2]；馬慶國（2009）得出用戶的積極情緒能直接提高對(duì)推薦系統(tǒng)的接受意愿[3]；Victoria（2013）認(rèn)為隨著消費(fèi)者產(chǎn)品知識(shí)水平的提高，推薦系統(tǒng)的推薦質(zhì)量對(duì)消費(fèi)者滿意度的影響會(huì)變小[4]；王偉軍等（2017）實(shí)證結(jié)果顯示：具有創(chuàng)新性的用戶更愿意采納個(gè)性化推薦系統(tǒng)，隱私關(guān)注度負(fù)向影響用戶采納意愿[5]。

系統(tǒng)因素包括推薦系統(tǒng)類型、推薦系統(tǒng)質(zhì)量和推薦信息質(zhì)量。Baier（2010）認(rèn)為展示有序，內(nèi)容易被理解的信息更容易被消費(fèi)者接受[6]；楊一翁等（2016）認(rèn)為清晰的展示界面、透明且主動(dòng)的推薦原因解釋以及推薦系統(tǒng)的反饋和互動(dòng)可以增強(qiáng)用戶對(duì)推薦系統(tǒng)的感知有用性和感知易用性，最終影響用戶采納意向[1]；Nilashi（2016）實(shí)證得出推薦信息的準(zhǔn)確性、新穎性和多樣性會(huì)影響消費(fèi)者對(duì)個(gè)性化推薦的信任[7]。

社會(huì)因素主要指主觀規(guī)范。劉蓓琳（2009）認(rèn)為主觀規(guī)范對(duì)用戶接受電子商務(wù)個(gè)性化推薦技術(shù)產(chǎn)生重要影響，其中包括社會(huì)規(guī)范和個(gè)人規(guī)范[8]；Jaewon（2011）指出個(gè)性化推薦增加了用戶與其他人建立連接的程度，這種積極的連接程度影響用戶對(duì)推薦系統(tǒng)的信任和使用意愿[9]。

2.2 電子商務(wù)個(gè)性化推薦對(duì)消費(fèi)者的影響研究

2.2.1 對(duì)消費(fèi)者購物體驗(yàn)的影響研究

消費(fèi)者在網(wǎng)絡(luò)購物時(shí)傾向于使用兩階段過程來達(dá)成他們的決策：首先，消費(fèi)者常篩選大量可用產(chǎn)品，并確定考慮集；隨后，他們?cè)诋a(chǎn)品的重要屬性上進(jìn)行相對(duì)比較，并做出購買決策。陳明亮（2009）從消費(fèi)者的購買決策過程和購買決策結(jié)果兩方面構(gòu)建了個(gè)性化推薦影響力模型，解釋了個(gè)性化推薦影響消費(fèi)者產(chǎn)品選擇、決策質(zhì)量和決策自信的機(jī)理[10]。但是當(dāng)消費(fèi)者意識(shí)到他們的自由被個(gè)性化推薦減少或威脅時(shí)，他們很可能會(huì)產(chǎn)生心理上的抗拒。

2.2.2 對(duì)消費(fèi)者購買意愿的影響研究

個(gè)性化推薦是電子商務(wù)網(wǎng)站和消費(fèi)者之間的關(guān)鍵接觸點(diǎn)，更大的消費(fèi)者參與度將會(huì)導(dǎo)致更高的購買產(chǎn)品意愿，且若個(gè)性化推薦與消費(fèi)者自身期望契合度越高，越容易產(chǎn)生額外購買。Senecal（2004）對(duì)比其他推薦方式發(fā)現(xiàn)個(gè)性化推薦系統(tǒng)是最有影響力的推薦源頭，此外，消費(fèi)者更愿意購買推薦的體驗(yàn)產(chǎn)品而不是搜索產(chǎn)品[11]。此外，信息編排、推薦質(zhì)量、呈現(xiàn)方式等對(duì)消費(fèi)者的購買意愿都產(chǎn)生不同程度的影響。

3、研究展望

本文系統(tǒng)梳理了國內(nèi)外有關(guān)消費(fèi)者行為視角的個(gè)性化推薦相關(guān)文獻(xiàn)，通過回顧整理發(fā)現(xiàn)：過去對(duì)推薦系統(tǒng)接受和用戶評(píng)價(jià)的研究重點(diǎn)在系統(tǒng)層面，大都集中于用戶對(duì)推薦系統(tǒng)的認(rèn)知和態(tài)度，忽略了用戶對(duì)推薦信息層面的感知；而由于消費(fèi)者網(wǎng)絡(luò)購買過程的復(fù)雜性，個(gè)性化推薦影響消費(fèi)者決策方面的研究在當(dāng)前及未來很長(zhǎng)一段時(shí)間內(nèi)都會(huì)處于研究的熱點(diǎn)和前沿，還需后續(xù)的不斷探索。因此，本文提出以下展望：

（1）研究者可以從信息層面來研究消費(fèi)者對(duì)推薦信息的感知和采納；

（2）研究者可以嘗試運(yùn)用實(shí)驗(yàn)法來模擬消費(fèi)者購買行為來驗(yàn)證個(gè)性化推薦對(duì)消費(fèi)者購買決策各個(gè)階段的影響。

參考文獻(xiàn)：

[1] 楊一翁，孫國輝，王毅.消費(fèi)者愿意采納推薦嗎？——基于信息系統(tǒng)成功-技術(shù)接受模型[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（7）：109-117

[2] Komiak S Y X，BenbasatI.The effects of personalization and familiarity on trust and adoption of recommendation agents[J].MIS Quarterly，2006，30（4）：941-960.

[3] 馬慶國，王凱，舒良超.積極情緒對(duì)用戶信息技術(shù)采納意向影響的實(shí)驗(yàn)研究——以電子商務(wù)推薦系統(tǒng)為例[J].科學(xué)學(xué)研究，2009， 27（10）：1557-1563.

[4] Yoon V Y，Hostler R E，GuoZ.Assessing the moderating effect of consumer product knowledge and online shopping experience on using recommendation agents for customer loyalty[J].Decision Support Systems， 2013， 55（4）：883-893.

[5] 王偉軍，王陽，王玉珠.移動(dòng)商務(wù)用戶個(gè)性化推薦采納行為影響因素的實(shí)證研究[J].系統(tǒng)管理學(xué)報(bào)，2017（5）：816-823.

[6] Baier D， Eva Stüber. Acceptance of recommendations to buy in online retailing[J]. Journal of Retailing and Consumer Services， 2010，17（3）：0-180.

[7] NilashiM， JannachD， Ibrahim O B.Recommendation quality， transparency， and website quality for trustbuilding in recommendation agents[J]. Electronic Commerce Research & Applications， 2016（19）：70-84.

[8] 劉蓓琳.電子商務(wù)用戶個(gè)性化推薦技術(shù)接受影響因素研究[D].北京：中國礦業(yè)大學(xué)，2009.

[9] Choi J， Lee H J， Kim Y C.The Influence of Social Presence on Customer Intention to Reuse Online Recommender Systems：The Roles of Personalization and Product Type[J]. International Journal of Electronic Commerce， 2011，16（1）：129-154.

[10] 陳明亮， 蔡日梅. 電子商務(wù)中產(chǎn)品推薦代理對(duì)消費(fèi)者購買決策的影響[J]. 浙江大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版）， 2009， 39（05）：138-148.

[11] SenecalS，NantelJ.The influence of online product recommendations on consumersonline choices[J]. Journal of Retailing，2004，80（2）：159-169.

作者簡(jiǎn)介：

曹琦，江蘇科技大學(xué)碩士研究生，研究方向：企業(yè)管理。