1、電子商務個性化推薦系統(tǒng)作者：叢佳智，姜書浩來源：海峽科技與產業(yè)2017年第6期摘要：電子商務日益滲透到千家萬戶中，傳統(tǒng)經營模式正經歷著變革。隨著網絡技術的發(fā) 展，很多機構構建了自己的web站點，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入公眾的視野。關鍵詞：電子商務；協(xié)同過濾；個性化推薦系統(tǒng)0引言隨著互聯(lián)網走進各家各戶，電子商務發(fā)展越來越快，服務和產品也越來越多，這就造成信 息過于冗雜，客戶面對海量選擇，往往要浪費很多時間來挑選自己需要的商品。為了使消費者 避免浪費時間，已更加從容的心態(tài)來購買商品，電子商務推薦系統(tǒng)可以精確識別消費者的喜好， 模擬銷售人員幫助消費者完成

2、購買，給消費者想要的推薦，讓挑選變得簡單。統(tǒng)計學、人工智 能數(shù)據(jù)挖掘等技術都應用于電子商務推薦系統(tǒng)(Recommendation Systems)中，想要引導消費 者完成購買行為，就要先分析消費者的購買意愿，所謂知己知彼百戰(zhàn)不殆，分析消費者訪問網 站的行為，并最后給出令客戶滿意的推薦結果，來產生豐厚的利潤。所以說，推薦系統(tǒng)的核心 便是推薦結果是否準確，如果是客戶需要的，則會提高顧客的購買意愿；反之如果推薦結果不 合顧客的意，那便是端起石頭砸自己的腳，客戶也會對推薦系統(tǒng)產生懷疑，購買興趣大大降低。1推薦系統(tǒng)介紹對客戶行為信息進行收集的記錄模塊、對用戶喜好進行分析的模型分析模塊、推薦系統(tǒng)的 核心推

3、薦算法模塊以及處理售后服務的反饋處理模塊組成了一個完整的推薦系統(tǒng)。將對的商品 推薦給對的人就是推薦系統(tǒng)的目標，常見的推薦機制算法有三種，分別是基于關聯(lián)規(guī)則的算法 (Association Rule_based Recommendation)、基于內容的推薦算法(Content-basedRecommendation) 協(xié)同過濾推薦算法(Collaborative Filtering Recommendation)。算法數(shù) 據(jù)的表示不是很復雜，一個二維表或者是一個MXN的矩陣足以。把日志或消費類的數(shù)據(jù)通過一 定的預處理，所有的商品類目用列表示，所有用戶用行表示。把用戶的購買需求轉化成購買結果，這

4、是一個電子商務推薦系統(tǒng)的終極目標，也是衡量推 薦機制好壞的標準。在實際生活中，消費者去實體店購買商品，會有“導購員”進行服務，提 高消費者的購買意愿，而在電子商務網站中，推薦系統(tǒng)就是這個“導購員”。一個好的推薦系 統(tǒng)就像一個好的“導購員”一樣，讓消費者了解商品后更加愿意購買商品。主要實現(xiàn)一下功能： 完善用戶體驗，給出個性化推薦；更好的向消費者展示商品，提高轉換率；發(fā)現(xiàn)消費者 潛在需求，挖掘更廣的市場。網站的推薦形式多種多樣，經常用到的有三種：根據(jù)會員的歷史購買記錄，來進行推薦 機制的營銷；由購物車或物品收藏來做相似物品推薦；針對消費者的歷史信息來做相關推 薦。個性化推薦系統(tǒng)能夠深度挖掘電商消費

5、者的興趣，增強消費者持續(xù)購買的意愿，從而形成 信任關系達到維系老客戶，減緩以及解決現(xiàn)在電商平臺存在消費者持續(xù)購買意愿不強的問題。 我們假設一下，如果沒有了推薦系統(tǒng)的精準推薦，消費者可能將要花更多的時間來找自己中意 的商品；如果失去了系統(tǒng)的熱門推薦，消費者將很難買到質量好價格低的產品；如果失去了推 薦系統(tǒng)的輔助政策，消費者做出的選擇往往不是最優(yōu)的，這樣也不會購買到自己感到滿意的產品，對網站也不會有好感度，二次購買也不會再有了。這對賣家和買家來說都是損失，因此電 商平臺是一種雙贏的表現(xiàn)。2協(xié)同過濾推薦假如兩個用戶過去有相似的喜好產品，那么他們現(xiàn)在依然有相似的喜好產品，這是基于用 戶(user-ba

6、sed)的協(xié)同過濾；假如有用戶過去喜好某產品，那么他現(xiàn)在任然喜好與該產品類似 的產品，這是基于項目(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 過濾不需要獲得產品或用戶特征，而是憑借相似性度量方法和評分數(shù)據(jù)來進行預測，只要評分 數(shù)據(jù)越多，預測也會變得更精準。協(xié)同過濾作為目前最成功的推薦技術之一，已被廣泛應用于各類電子商務推薦系統(tǒng)及互聯(lián) 網的相關領域，譬如國外的Amazon, eBay, NetFlix以及國內的淘寶網和當當網等等。伴隨電 子商務的不斷發(fā)展，用戶數(shù)量也飛速增加，用戶一項目評分數(shù)據(jù)的維度急劇增高，可是用戶給 予的評價卻不是很多，使得傳統(tǒng)的協(xié)同過濾推薦面

7、臨嚴峻的用戶評分數(shù)據(jù)稀疏性問題。同時， 用戶的需求也在隨著時間改變，而傳統(tǒng)協(xié)同過濾并不能很好的解決這個問題，存在著局限性。 所以，如何捕捉移動的用戶感興趣的信息已經變成電子商務亟待解決的問題。3典型應用亞馬遜作為電商平臺的領頭羊，推薦商品占銷售總量的百分之四十，同時也是較早使用推 薦系統(tǒng)的電子商務平臺，當然他們的推薦形式也是別出心裁。例如，一位顧客買了一個相機， 系統(tǒng)就會自動的給他推薦能用到的電池產品。但是由于商品多樣化的趨勢，亞馬遜電商平臺不 斷更新后數(shù)據(jù)分析能力的增強，推薦系統(tǒng)可以推薦購買過該產品的用戶還購買的其他產品。由于使用真實的購買數(shù)據(jù)，而不是假設消費者會購買什么商品，亞馬遜能夠提出

8、非常精準 的提議。例如提示“購買此商品的用戶同時購買”，就是一種很機智的營銷手法，可以讓消費 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，這種算法把消費者串聯(lián)起來，有相似興趣行為的劃為 一組，參照消費者的購買歷史，經常做到事半功倍。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，應該處于一個群體所感興趣的產品中，就是如果一群消費者對一個商 品的評分很相似，那么他們對另一個商品的評分也不會相差很多。該推薦算法的核心在于采用 技術找到于目標消費者有相似興趣的消費者，然后根據(jù)相似消費者對目標商品的評分做出推薦， 并且把測試評分最高的多項商品作為該消

9、費者推薦列表。亞馬遜的頁面分為非登錄用戶和登錄用戶。對于非登錄用戶，亞馬遜會推薦各個類目的暢 銷品，換言之就是排行榜。查詢?yōu)g覽頁面和詳細的商品頁面則會有關聯(lián)推薦，比如“購買此物 品還可購買”；通過人的相似興趣來推薦，像“購買此物品的顧客也購買了”，“看過此商品 的顧客購買的其他商品”。而對于登錄用戶，亞馬遜的推薦方式卻截然不同，首頁的頁面會有一個今日推薦的欄目， 這個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)瀏覽推薦給我的產品”，“瀏覽XX商品的用戶會買XX的概率”，有意 思的是，每個頁面的最下方都會根據(jù)消費者的瀏覽內容給出對應的推薦，沒有瀏覽記錄的會推 薦系統(tǒng)暢銷。4結論當然，一個好的推薦系統(tǒng)不可能一揮而就的，想要成功，需要不斷的積累經驗，收集客戶 的數(shù)據(jù)，從算法、計算效率上尋找突破點，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)別對待，讓 消費者真真切切的感受到貼心的服務，這樣也就離成功不遠了?；痦椖浚罕疚南堤旖蚴写髮W生創(chuàng)新創(chuàng)業(yè)訓練計劃項目“個性化推薦算法在微課學習系統(tǒng) 中的應用研究”（項目編號：201610069094）研究成果之一。參考文獻王桂芬.電子商務個性化推薦系統(tǒng)中協(xié)同過濾算法的研究與應用D.南昌：南昌大 學,2012.鄧曉懿，