1、目錄一、摘要二、當當網(wǎng)概述1）當當網(wǎng)簡介三、個性化推薦系統(tǒng)營銷理論綜述及原因1）個性化推薦系統(tǒng)營銷概念及分類a基于內容的推薦系統(tǒng)b協(xié)同過濾推薦系統(tǒng)c混合推薦系統(tǒng)2）個性化推薦系統(tǒng)的發(fā)展歷程3）當當網(wǎng)使用個性化推薦系統(tǒng)的原因四、個性化推薦系統(tǒng)的結構及在當當網(wǎng)運用中的具體表現(xiàn)1）個性化推薦系統(tǒng)在電子商務網(wǎng)站中的結構a輸入功能模塊b推薦引擎模塊c輸出功能模塊2）個性化推薦系統(tǒng)在當當網(wǎng)中的具體運用a商品信息頁面b購物車、收藏夾c Email郵件d獨立的個性化頁面3）個性化推薦系統(tǒng)在當當網(wǎng)中的新運用4）個性化推薦系統(tǒng)在當當網(wǎng)未來的發(fā)展趨勢五、個性化推薦系統(tǒng)在當當網(wǎng)運用中的特點1）“當當推薦”系統(tǒng)功能分析

2、及推薦效果評價a當當推薦系統(tǒng)功能b推薦效果評價2）當當網(wǎng)特性化推薦2.0六、個性化推薦系統(tǒng)在當當網(wǎng)運用中的不足與風險1）個性化推薦系統(tǒng)在當當網(wǎng)運用中的不足2）當當網(wǎng)個性化推薦運用中的風險3）在個性化推薦上當當網(wǎng)和亞馬遜的對比分析七、通過當當網(wǎng)淺談個性化推薦系統(tǒng)對電子商務發(fā)展的影響1）電子商務新時代的到來2）由推網(wǎng)的興起八、結語與建議九、注解與參考文獻個性化推薦系統(tǒng)在當當網(wǎng)中的運用分析摘要：在完善用戶購物體驗方面，當當網(wǎng)還針對用戶需求推出了“為你推薦”功能，通 過對顧客歷史數(shù)據(jù)的分析，根據(jù)不同顧客的購物習慣向他們推薦針對其個人的商品。這樣的 定制推薦把用戶從海量的商品信息中解放出來，極大的減少了

3、用戶的時間成本，通過強大的 系統(tǒng)分析，實際上做到了顧客給自己推薦商品，成為自己的顧問。一個好的個性化推薦就好 像網(wǎng)站里的智能導購員一樣，只不過它是隱形的，對于購物者來說，它是無處不在的。它能 將隱形而無處不在的特性發(fā)揮到極致，讓購物者不討厭它，也時刻能使用到它，最終，它能 夠為網(wǎng)站創(chuàng)造更多的銷量。關鍵詞：個性化推薦；當當網(wǎng)；應用；電子商務；信息超載。Personalized recommendation system in dangdangnetwork analysis of the applicationAbstract:To improve the user shopping exper

4、ience,dangdang also according to user needs introduced a recommend function,through the analysis of the historical data of customers,according to different customers shopping habits to their recommended according to the personal goods.This custom recommend the user from mass of commodity information

5、 liberate, greatly reduce the users time cost, through the powerful system analysis, in fact do the customer to recommend commodities, to become their own advisers. A good personalized recommend like website intelligent shopping guide，only it is invisible, for shoppers for, it is everywhere. It can

6、store and the ubiquity of characteristics to acme, let shoppers dont hate it, time can be used to it, eventually, it can create more sales for the web site:Key words Personalized recommendation ; dangdang; apply ; electronic commerce；information overload一、當當網(wǎng)概述（一）當當網(wǎng)簡介當當網(wǎng)（）是全球最大的綜合性中文網(wǎng)上購物商城，由國內著名出 版

7、機構科文公司、美國老虎基金、美國IDG集團、盧森堡劍橋集團、亞洲創(chuàng)業(yè)投資基金（原 名軟銀中國創(chuàng)業(yè)基金）共同投資成立。從1999年11月當當網(wǎng)（）正式開通至今，當當已從早期的網(wǎng)上賣書 拓展到網(wǎng)上賣各品類百貨，包括圖書音像、美妝、家居、母嬰、服裝和3C數(shù)碼等幾十個大 類，其中在庫圖書、音像商品超過80萬種，百貨50余萬種；目前當當網(wǎng)的注冊用戶遍及全 國32個省、市、自治區(qū)和直轄市，每天有450萬獨立UV，每天要發(fā)出20多萬個包裹；物 流方面，當當在全國11個城市設有21個倉庫，共37萬多平，并在21個城市提供當日達服 務，在158個城市提供次日達服務，在11個城市提供夜間遞服務。除圖書以外，母嬰、

8、美妝、服裝、家居家紡是當當著力發(fā)展的四大目標品類，其中當當 嬰童已經(jīng)是中國最大線上商店，美妝則是中國排名前五的線上店。當當還在大力發(fā)展自有品 牌當當優(yōu)品。在業(yè)態(tài)從網(wǎng)上百貨商場拓展到網(wǎng)上購物中心的同時，當當也在大力開放平臺， 目前當當平臺平臺商店數(shù)量已超過1.4萬家，2012年Q3并新增2000家入駐商家，同時當 當還積極的走出去，在騰訊、天貓等平臺開設旗艦店。當當網(wǎng)于美國時間2010年12月8日在紐約證券交易所正式掛牌上市，成為中國第一家 完全基于線上業(yè)務、在美國上市的B2C網(wǎng)上商城。自路演階段，當當網(wǎng)就以廣闊的發(fā)展前 景而受到大批基金和股票投資人的追捧，上市當天股價即上漲86%，并以103倍

9、的高PE和 3億1千3百萬美金的IPO融資額，連創(chuàng)中國公司境外上市市盈率和亞太區(qū)2010年高科技 公司融資額度兩項歷史新高。二、個性化推薦系統(tǒng)營銷理論綜述及原因（一）個性化推薦系統(tǒng)營銷概念及分類個性化推薦系統(tǒng)是建立在海量數(shù)據(jù)挖掘基礎上的一種智能平臺，可以模擬商店銷售人員 向顧客提供商品信息和建議，為顧客購物提供完全個性化的決策支持和信息服務，它的目標 是既滿足用戶意識到的需求，也能滿足用戶沒有意識到的需求，或意識到，但沒有表達出來 的需求，讓用戶超越個體的視野，避免只見樹木不見森林。好的推薦系統(tǒng)可以大大提高用戶 的忠誠度，并為電子商務帶來了巨大的利益。根據(jù)算法不同，推薦系統(tǒng)可以分為：基于內容的

10、推薦系統(tǒng)內容過濾主要采用自然語言處理、人工智能、概率統(tǒng)計和機器學習等技術進行過濾通過相關特征的屬性來定義項目或對象,系統(tǒng)基于用戶評價對象的特征學習用戶的興趣， 依據(jù)用戶資料與待預測項目的匹配程度進行推薦，努力向客戶推薦與其以前喜歡的產(chǎn)品相似 的產(chǎn)品。簡單來說就是和之前購買的產(chǎn)品是同類性質的，如都為C語言教材，或為同一位大師 所著。優(yōu)點：簡單，有效。缺點：提取特征值有限，只能基于文本內容分析，如遇見音樂電影就沒辦法了。就要用 到上面提到的協(xié)同過濾方法。協(xié)同過濾推薦系統(tǒng)協(xié)同過濾式基于用戶的評分計算相似度，所以不用分辨對象的屬性也能處理各種復雜的 對象。協(xié)同過濾算法就如同在實際生活中，遇到不熟悉的人

11、事物，每個人都會先想到咨詢身 邊熟悉的朋友，得到他們的判斷和看法后，再做出自己的選擇。打個比方，我們可以根據(jù)用 戶A的評分和評論等，在他的友鄰中找出品位相似度最高的用戶B、C、D，再根據(jù)B、C、 D的興趣或偏好項目集，計算出A對項目的預測評分，推薦高分項目給A，再將預測值與 A的實際評分做出比較。協(xié)同過濾技術成熟且出現(xiàn)時間長，但它存在許多問題。其中最嚴峻的是數(shù)據(jù)稀疏性問題， 在實際中，用戶并不會積極提供評分，即便是常年經(jīng)營的電子商務網(wǎng)站用戶評分和購買的商 品也只占總商品數(shù)量的1%以下，這種極端的稀疏性使得相似性計算耗費巨大，因此難以成 功定位鄰居用戶集，產(chǎn)生的推薦結果也將不理想。像Netfli

12、x、Amazon的推薦系統(tǒng)尚且依賴 于多年積累的超大物品和用戶的集體行為數(shù)據(jù)庫，所以對處于成長中的企業(yè)不利。協(xié)同過濾 又可以細分為：基于使用者（User-based）的協(xié)同過濾基于物品（Item-based）的協(xié)同過濾基于模型（Model- based）的協(xié)同過濾優(yōu)點：1）對推薦對象沒有特殊的要求，能處理音樂，電影等機器難以自動內容分析的 資訊。2）可以推薦新的資訊。即可能是使用者事先預料不到的。3）自動化程度高，能夠有效地利用其它相似者的回饋資訊。缺點：1）新的用戶進來時推薦的品質較差?；旌贤扑]系統(tǒng)由于協(xié)同過濾和基于內容的推薦系統(tǒng)都有各自不足，所以將兩者結合的混合推薦、神經(jīng) 網(wǎng)絡推薦等算法被

13、提了出來。一種借助遺傳學思想的基于基因的推薦系統(tǒng)出現(xiàn)了。最早的潘 多拉推薦系統(tǒng)就應用了這樣的思維，將音樂分解成基本的基因片段，利用音樂片段之間的相 似性做一個音樂推薦系統(tǒng)。這樣電臺今天已經(jīng)隨處可見，豆瓣網(wǎng)、人人網(wǎng)都有。它可以不需 要知道用戶的口味，因為它有自己的音樂DNA數(shù)據(jù)庫，它可以在不知道用戶喜歡什么的情況下，通過用戶幾次選 擇喜歡或不喜歡來了解用戶的口味，用戶只要選出一個藝人，或者一首歌，就可以建立一個 始終播放類似音樂的電臺，并且它還能為用戶推薦其他類型的音樂，擴展興趣面、轉變用戶 的口味。依靠用戶注釋標簽的方式，這種基于基因思想的推薦方法已經(jīng)被廣泛用在書籍、電 影、音樂等其他推薦領域

14、。在豆瓣、淘寶，你都可以組建一系列自己的商品標簽，也可以使 用固定標簽，通過組合你想要的標簽，可以得到更個性化的、靈活的項目的推薦排名。經(jīng)過 一段時間的使用后，足夠的標簽就變?yōu)榱隧椖康摹盎颉薄＃ǘ﹤€性化推薦系統(tǒng)的發(fā)展歷程1995年3月，卡耐基.梅隆大學的Robert Armstrong等人在美國人工智能協(xié)會上提 出了個性化導航系統(tǒng) Web Watcher;斯坦福大學的Marko Balabanovic等人在同一會議 上推出了個性化推薦系統(tǒng)LIRA；1995年8月麻省理工學院的Henry Lieberman在國際人工智能聯(lián)合大會（IJCAI） 上提出了個性化導航智能體Litizia ；199

15、6年，雅虎推出了個性化入口 My Yahoo；1997 年, AT&T實驗室提出了基于協(xié)同過濾的個性化推薦系統(tǒng) PHOAKS和Referral Web;1999年，德國Dresden技術大學的Tanja Joerding實現(xiàn)了個性化電子商務原型系統(tǒng) TELLIM ；2000年，NEC研究院的Kurt等人為搜素引擎增加了個性化推薦功能；2001 年，紐約大學的 Gediminas Adoavicius 和 Alexander Tuzhilin 實現(xiàn)了個性化電子商務網(wǎng)站的用戶建模系統(tǒng)1： 1Pro ；2001年，IBM公司在其電子商務平臺 Websphere中增加了個性化功能，以便商家 開發(fā)個性化

16、電子商務網(wǎng)站；2003年，Google開創(chuàng)了 AdWards盈利模式，通過用戶搜索的關鍵詞來提供相關的 廣告。AdWords的點擊率很高，是Google廣告收入的主要來源。2007年3月開始， Google為AdWords添加了個性化元素。不僅僅關注單次搜索的關鍵詞，而是對用戶近 期的搜索歷史進行記錄和分析，據(jù)此了解用戶的喜好和需求，更為精確地呈現(xiàn)相關的 廣告內容。2007年，雅虎推出了 SmartAds廣告方案。雅虎掌握了海量的用戶信息，如用戶的 性別、年齡、收入水平、地理位置以及生活方式等，再加上對用戶搜索、瀏覽行為的 記錄，使得雅虎可以為用戶呈現(xiàn)個性化的橫幅廣告。2009年，Overst

17、ock （美國著名的網(wǎng)上零售商）開始運用 ChoiceStream公司制作的 個性化橫幅廣告方案，在一些高流量的網(wǎng)站上投放產(chǎn)品廣告。Overstock在運行這項個 性化橫幅廣告的初期就取得了驚人的成果，公司稱：“廣告的點擊率是以前的兩倍，伴 隨而來的銷售增長也高達20%至30%?！?009年7月，國內首個個性化推薦系統(tǒng)科研團隊北京百分點信息科技有限公司成 立，該團隊專注于個性化推薦、推薦引擎技術與解決方案，在其個性化推薦引擎技術 與數(shù)據(jù)平臺上匯集了國內外百余家知名電子商務網(wǎng)站與資訊類網(wǎng)站，并通過這些B2C網(wǎng)站每天為數(shù)以千萬計的消費者提供實時智能的商品推薦。2011年8月，紐約大學個性化推薦系統(tǒng)

18、團隊在杭州成立載言網(wǎng)絡科技有限公司， 在傳統(tǒng)協(xié)同濾波推薦引擎基礎上加入用戶社交信息和用戶的隱性反饋信息，包括網(wǎng)頁 停留時間、產(chǎn)品頁瀏覽次數(shù)，鼠標滑動，鏈接點擊等行為，輔助推薦，提出了迄今為 止最為精準的基2于社交網(wǎng)絡的推薦算法。團隊目前專注于電商領域個性化推薦服務以 及商品推薦服務社區(qū) e推薦。2011年9月，百度世界大會2011上，李彥宏將推薦 引擎與云計算、搜索引擎并列為未來互聯(lián)網(wǎng)重要戰(zhàn)略規(guī)劃以及發(fā)展方向。百度新首頁 將逐步實現(xiàn)個性化，智能地推薦出用戶喜歡的網(wǎng)站和經(jīng)常使用的APP。當當網(wǎng)在2006年開始研究推薦算法，2007年首開國內B2C電商行業(yè)之先河，推 出個性化推薦產(chǎn)品。當當?shù)膫€性化

19、推薦系統(tǒng)，幾年來從沒停止過探索的腳步，2011年結合hadoop、mongod、storm等大數(shù)據(jù)計算能力，2012年配合公司級戰(zhàn)略發(fā)展需要， 再次在個性化營銷方面發(fā)力。（三）當當網(wǎng)使用個性化推薦系統(tǒng)的原因互聯(lián)網(wǎng)的出現(xiàn)和普及給用戶帶來了大量的信息，滿足了用戶在信息時代對信息的需求， 但隨著網(wǎng)絡的迅速發(fā)展而帶來的網(wǎng)上信息量的大幅增長，使得用戶在面對大量信息時無法從 中獲得對自己真正有用的那部分信息，對信息的使用效率反而降低了，這就是所謂的信息超 載（information overload）問題。信息超載是目前網(wǎng)絡用戶面臨的一個嚴重問題，個性化推 薦系統(tǒng)是解決該問題的一個有力工具，并受到了眾多的

20、關注和研究。當當網(wǎng)恰時的選擇和升 級個性化推薦系統(tǒng)是順應潮流的。個性化推薦系統(tǒng)，它是根據(jù)用戶的信息需求、興趣等，將 用戶感興趣的信息、產(chǎn)品等推薦給用戶的個性化信息推薦系統(tǒng)。和搜索引擎相比推薦系統(tǒng)通 過研究用戶的興趣偏好，進行個性化計算，由系統(tǒng)發(fā)現(xiàn)用戶的興趣點，從而引導用戶發(fā)現(xiàn)自 己的信息需求。一個好的推薦系統(tǒng)不僅能為用戶提供個性化的服務，還能和用戶之間建立密 切關系，讓用戶對推薦產(chǎn)生依賴。個性化推薦系統(tǒng)現(xiàn)已廣泛應用于很多領域，它在當當網(wǎng)中 的運用就很好的代表著在電子商務領域具有良好的發(fā)展和應用前景。三、個性化推薦系統(tǒng)的結構及在當當網(wǎng)運用中的具體表現(xiàn)（一）個性化推薦系統(tǒng)在電子商務網(wǎng)站中的結構我們

21、主要研究個性化推薦系統(tǒng)在電子商務中的運用，尤其是在當當網(wǎng)中的具體運用，所 以在這里主要討論電子商務推薦系統(tǒng)的結構。從總體的層次結構看，電子商務推薦系統(tǒng)可以 分為三大部分：輸入功能模塊、推薦引擎模塊與輸出功能模塊。輸入功能模塊，包含客戶個人和社團群體兩部分。客戶個人輸入指的是來自目標用戶 的信息，包括其隱式瀏覽輸入、顯式瀏覽輸入、關鍵詞和項目屬性輸入以及用戶購買歷史等； 社團群體輸入指的是數(shù)據(jù)庫中其他客戶的瀏覽行為、購買行為、以及評分等數(shù)據(jù)輸入。推薦引擎模塊，它是推薦系統(tǒng)的最核心部分，采用的推薦技術決定著推薦系統(tǒng)的性能 優(yōu)劣。在實際應用中，電子商務推薦系統(tǒng)一般采用多種推薦技術的組合，盡量利用各種

22、推 薦技術的優(yōu)點而避免其缺點，提高推薦系統(tǒng)的性能和推薦質量。輸出功能模塊，它是推薦系統(tǒng)獲得輸入信息后推薦給用戶的內容，主要形式有：（1）瀏覽過該商品的客戶最可能還會瀏覽的Top-N件商品；（2）購買過該商品的客戶最可能還會購買的Top-N件商品。（二）個性化推薦系統(tǒng)在當當網(wǎng)中的具體運用：當當網(wǎng)站上有專門欄目“猜你喜歡”，點擊進入，再分為“您可能感興趣的商品”“和您興 趣相似的顧客還關注”；在已購商品頁面，有推薦“根據(jù)您購買的商品，當當猜您會喜歡”。 從產(chǎn)品角度，個性化推薦已經(jīng)滲透到當當購物流程的各個環(huán)節(jié)：購物前、購物中、購物后。1）商品信息頁面買了的顧客也買了，看了的顧客也看了以上是基于一定時

23、間段內的訂單和訪問日志數(shù)據(jù)推薦購買組合一一基于 同一張訂單的數(shù)據(jù)。鬲I .厘* 京口 的而覽不苦補平凡的世界（茅盾文學獎皇冠上的明珠激勵千萬青年的不朽經(jīng)典）平凡的世界普密本？19.29誰的青春不迷茫畝斗小青年劉同24.50不能承受的生畝之輕，：百萬紀念版20.90別相信任何人（一舉攻占3T國小說20.00正能里（排除負.面 情緒、傳遞正向18.50當當倩.：58.00定價：折呻折扣：了顧客旅分責已有3陞諼至：湖北武漢市洪山百隊改國作 者：路遙著出版社：北京十月文藝出版社 出版時間: ZCI1 避矛1I 癡 炭：平凡的世界（茅盾文學獎皇冠上 朽經(jīng)典）印 次：1f 因為痛，腕燦青 春（鼬堿千16.

24、50我要買；1 件2）購物車、收藏夾會根據(jù)用戶當前選中的商品進行實時計算、推薦商品。戲路遙全集平凡的世界，（精裝全三冊）商家：當當網(wǎng)收篇人氣：4227板遍褊成矗板*標簽：添加富柏冬季新款男士可脫卸帽短款法國北部精端羽期斜套祺色，170/88 （:商家：Fuba裝專營店收藏人氣：3收蹴此商品的人還直歡標簽：添加富柏冬季新款男士可脫卸帽短款法國北部精端羽絨服外套一軍綠色，1TW日商家:Fuba裝專營店收藏人氣：5收蠹此商品的人還1標簽：添加你往何處去第貝爾文學獎得主顯克維奇經(jīng)典代表作: 基督教興起與羅馬帝國衰落的史詩。獨家附噌精35.30 折移.X清空購物車商品金額總計：總計（不含運費）：收藏的商

25、品購買以上商品的顧客還買過但為了避免用戶取消訂單去選擇別的商品，通常是在用戶收到商品之后再推薦的。坳漏清空QQfW 其他郵箱漂流瓶fi賀卡明信片日歷記事本附件夾/件中轉站鼬控間（269+8）為您迭擇的帽銷商品當當優(yōu)品匚電D - 掀CZlHLdn kL4）獨立的個性化頁面集合所有數(shù)據(jù)源的推薦大全，但目前該產(chǎn)品數(shù)據(jù)表現(xiàn)不好，計劃與購物流程更 深度結合。您關注的分類您可能感興趣的商品當當自營生活良品紅石榴 鮮活營養(yǎng). . .34.50 39.90 030條評論）時尚美妝社會科學自燃料學考試小說文學全部n小調查七012考研數(shù)學（數(shù)學一）歷年真題精解匯編/2011年3月印刷（免費贈送考研教育網(wǎng)網(wǎng)絡課程卡

26、11訪）修*薯數(shù)學輕巧手冊譬二.15迎5rHrtff您對當當?shù)膫€性化推薦有哪 些建議？（不超過500$）19.50 Y 26.00 （36條評論）25.20 Y 38.80* （13條評論）7.20（35條評論）當當網(wǎng)也有對人的推薦，即挖掘潛在與之興趣相投的人群，便于follow其最近的購物 行為，擴展推薦。當當網(wǎng)經(jīng)驗表明，個性化推薦技術是電子商務網(wǎng)站（特別是大型電子商務）的重要手段。 粗略估算，個性化推薦對銷售貢獻10%15%是沒有任何問題的；以上有幾個最重要的應用： 商品信息頁面上的買了 *也買了；商品信息頁面上的打包購買推薦；購物車推薦。當當網(wǎng)的這些個性化推薦在電子商務應用中并不少見，至

27、少它的競爭對手卓越網(wǎng)也在這 上面下了不少功夫?？偟恼f來，知名電子商務智能應用平臺服務專家、香港海洋科技 （）認為，個性化推薦在網(wǎng)店里是必不可少的環(huán)節(jié)，在此環(huán)節(jié)不僅涉及到網(wǎng) 站可用性、用戶體驗，更關系著商機是否有一個科學的自我推薦系統(tǒng)，推薦聯(lián)系著商家與網(wǎng) 購者，網(wǎng)購者期待一種更為全面、客觀的推薦數(shù)據(jù)，而商家可在這些數(shù)據(jù)中做一些平衡。在推出個性化推薦功能整整三年之后，當當網(wǎng)日前對該系統(tǒng)進行了整體升級，升級后的 “個性化推薦2.0”增添了更為靈活多樣的交互方式和用戶定制功能，可以根據(jù)當當網(wǎng)用戶 的購買、暫存架、書架、瀏覽歷史以及相似用戶購買行為等信息，為用戶進行更為精準和全 方位的一對一、定制式商品

28、推薦。憑借多層面算法及數(shù)據(jù)源的融合，當當網(wǎng)“個性化推薦2.0”實現(xiàn)了基于海量用戶行為 的數(shù)據(jù)挖掘，并由此實現(xiàn)了真正意義上的精準推薦。不僅對用戶暫存商品、書架、購買數(shù)據(jù)、 相似用戶購買數(shù)據(jù)進行分析，還創(chuàng)新性地對相似用戶的評論及書架數(shù)據(jù)，用戶自助定制的喜 好商品分類以及輕松有趣的喜好大探底游戲進行數(shù)據(jù)整合，最大程度挖掘潛在需求，提升推 薦準確率，從而使用戶的購買和選擇更為輕松便利。用戶可以隨時修正自己的喜好，系統(tǒng)會 立刻自動為用戶計算并重新推薦商品。個性化推薦系統(tǒng)還可以根據(jù)用戶喜好為用戶進行暢銷 書和新書的個性化榜單推薦，根據(jù)瀏覽歷史推薦百貨及圖書等商品，并為你找到志趣相投的 朋友，用戶越活躍，推

29、薦就越準確。為了使用戶更更高效、更輕松地獲得準確的系統(tǒng)推薦，當當網(wǎng)“個性化推薦2.0 ”特別 設計了 “喜好大探底” FLASH游戲，用戶只需要簡單勾選自己的性別、年齡區(qū)間、職業(yè)和 幾本感興趣的圖書，系統(tǒng)就會自動運用相關算法，給出為用戶量身打造的個性化推薦。除個性化推薦之外，“推薦”已經(jīng)滲透到當當網(wǎng)購物流程的各個環(huán)節(jié)，如搜索頁、單品 頁、“我的當當”頁面、購物車、暫存架、個性化郵件等。例如，打開當當網(wǎng)的任一單品頁， 都可以看到該商品的“最佳拍檔”，用戶往往可以從中發(fā)現(xiàn)自己感興趣的其他商品。就如同 沃爾瑪經(jīng)過對顧客購物行為進行分析后，把啤酒擺在紙尿布的旁邊，從而大大增加了銷量， 當當網(wǎng)的后臺統(tǒng)計

30、數(shù)據(jù)顯示，“最佳拍檔”購買點擊占單品頁總購買點擊的15%左右。此次改版當當網(wǎng)為消費者帶來了諸多帶有服務理念的導購模塊。其中最具新意的當屬 “靠譜內容”模塊，它會即根據(jù)不同用戶的屬性提供不一樣的內容展示，新用戶可以在新客 購入中發(fā)現(xiàn)大家熱追的商品，老用戶能夠在“猜你喜歡”中找到貼心的推薦內容。2011年7月27日，全新改版后的當當網(wǎng)首頁在眾多用戶期待的目光中華麗亮相。此 次改版主要是為了滿足消費者日趨個性化消費習慣和個人偏好，為客戶帶來更貼心的用戶體 驗，從而從整體上提升當當網(wǎng)的消費者使用體驗。 此次改版當當網(wǎng)為消費者帶來了諸多 帶有服務理念的導購模塊。其中最具新意的當屬“靠譜內容”模塊，它會即

31、根據(jù)不同用戶的 屬性提供不一樣的內容展示，新用戶可以在新客購入中發(fā)現(xiàn)大家熱追的商品，老用戶能夠在 “猜你喜歡”中找到貼心的推薦內容。除此之外，“用戶關注”模塊也是一大亮點，幫助用戶可以在第一時間捕捉到收藏最 多、好評最多、瀏覽最多的各種熱點商品，讓用戶在選擇商品時可以有更多的參考和比較。 經(jīng)過幾次重大改版，當當網(wǎng)越發(fā)呈現(xiàn)出服務智能化和品類多樣化的特征。版面清新更加符合 網(wǎng)購用戶的操作習慣。（三）個性化推薦系統(tǒng)在當當網(wǎng)中的新運用：一般情況下,網(wǎng)站針對已注冊用戶根據(jù)用戶信息或購買記錄進行推薦。同時，個性化推薦 還應該考慮到匿名購買者，也就是購買者不需要注冊或者登錄也能使用個性化推薦功能。這 類技術

32、的實現(xiàn)要選擇合適的匿名用戶行為特征識別方法,如服務器端日志挖掘技術和客戶端 信息采集技術等，從而實現(xiàn)對此類用戶的個性化推薦。針對用戶存在多興趣或興趣發(fā)生轉移情況，當當網(wǎng)提出了基于項目相似性的鄰居用戶協(xié) 同推薦算法。該算法改進了傳統(tǒng)協(xié)同過濾算法，使之適合用戶多興趣下的個性化推薦。個性化推薦最熱門應用就是將推薦和社會網(wǎng)絡結合起來把社會網(wǎng)絡加入個性化推薦系 統(tǒng)，借助顧客的朋友、家人的評分信息來進行推薦產(chǎn)品。它讓顧客的朋友和家人做“導購”， 把他們買的而且評分較高產(chǎn)品推薦給顧客，這樣的推薦更容易為顧客所接受，和發(fā)生購買行 為。（四）個性化推薦系統(tǒng)在當當網(wǎng)未來的發(fā)展趨勢：據(jù)相關負責人介紹，“當當網(wǎng)未來的

33、目標將不僅是要為客戶提供豐富的商品，同時購物 體驗的提升也是當當網(wǎng)未來的努力方向。希望此次改版能夠給用戶帶來全新的瀏覽體驗。” 當當網(wǎng)的這次新首頁的改版，在兼顧原有用戶使用習慣的同時，增加很多非常實用的導購服 務模塊，為消費者提供購物指引的同時，也讓購物變得更加有樂趣。分析人士認為，過去十年，當當網(wǎng)一直致力于B2C平臺的技術創(chuàng)新，在ERP管理、商 品搜索、用戶評論、SNS社區(qū)等領域不斷進行技術積淀。此番推薦系統(tǒng)的升級，有助于當 當網(wǎng)提升推薦準確率、挖掘顧客潛在需求，增加用戶粘性及商品購買轉換率，進而將當當網(wǎng) 平臺打造成為一個博（商品信息）大（海量用戶）精（個性化服務）深（用戶粘度）的電子商務社

34、區(qū)， 實現(xiàn)從網(wǎng)購1.0向網(wǎng)購2.0的戰(zhàn)略升級。四、個性化推薦系統(tǒng)在當當網(wǎng)運用中的特點（一）“當當推薦”系統(tǒng)功能分析及推薦效果評價：1）當當推薦系統(tǒng)功能“當當推薦”系統(tǒng)采用的是嵌入式的推薦架構，即推薦引擎是商務系統(tǒng)的一部分，一般通過 函數(shù)庫、類庫或軟件組件等形式實現(xiàn)。主要提供的推薦方式:根據(jù)用戶填寫的調查問卷或 輸入感興趣的關鍵詞來進行推薦;根據(jù)用戶對推薦產(chǎn)品的評價做出推薦：根據(jù)用戶的瀏 覽歷史提供推薦;根據(jù)相似用戶的購買記錄進行推薦。該系統(tǒng)采用的推薦技術主要是基于 內容推薦和協(xié)同過濾推薦?；趦热萃扑]技術只要用戶在該電子商務網(wǎng)站有購買記錄或瀏覽 記錄就可以得到推薦，相比之下，協(xié)同過濾推薦存在更

35、為嚴重的新用戶“裝料”問題，只有積累 了一定量的購物記錄,才能夠獲得推薦資格。正因為兩種推薦技術各有短處,為了取得更好的 推薦效果，“當當推薦”系統(tǒng)允許用戶選擇不同的推薦方式,還允許通過修改推薦記錄來改善推 薦結果。2）推薦效果評價通過對當當網(wǎng)關鍵詞、購物興趣、相似人推薦、瀏覽歷史4種個性化推薦方式推薦效果 的統(tǒng)計。平均值如下：準確率 51% 43%33% 42%覆蓋率 42% 37%17% 32%注:由于“根據(jù)相似人推薦”存在較嚴重的新用戶問題新注冊的用戶由于沒有足夠的數(shù)據(jù)記錄均無法得到推薦，故沒有統(tǒng)計數(shù)據(jù)。（注:以上數(shù)據(jù)參考圖書情報工作2009年16期江秀佳何源光國內電子商務個性化 推薦系

36、統(tǒng)改進研究）總體而言,針對新用戶,當當網(wǎng)個性化推薦系統(tǒng)無論是從推薦的準確率和覆蓋率的角度， 推薦效果都不理想,平均準確率為42%,平均覆蓋率為32%。根據(jù)分析結果來看在這4種推薦 方式中只有根據(jù)關鍵詞推薦和推薦效果比較好，在結合其他定性問題進行綜合分析后，發(fā)現(xiàn) 有明確購物需求的受訪者對“根據(jù)購物興趣推薦”的滿意度比較高，而沒有明確購物需求的 受訪者則比較偏愛“根據(jù)瀏覽歷史推薦”。（二）當當網(wǎng)特性化推薦2.0：憑借多層面算法及數(shù)據(jù)源的交融，當當網(wǎng)“特性化推薦2.0 ”完成了基于海量用戶行為的 數(shù)據(jù)挖掘，并由此完成了真正意義上的精準推薦。不只對用戶暫存商品、書架、購買數(shù)據(jù)、 類似用戶購買數(shù)據(jù)進行分

37、析，還對類似用戶的評論及書架數(shù)據(jù)，用戶自助定制的愛好商品分 類進行數(shù)據(jù)整合，最大程度挖掘潛在需求，提升推薦正確率，從而使用戶的購買和挑選更為 輕松便捷。當用戶改變自己的喜好時，體系會立即自動為用戶重新推薦商品。特性化推薦體 系還可以根據(jù)用戶愛好進行暢銷書和舊書的特性化榜單推薦，根據(jù)瀏覽歷史推薦百貨及圖書 等商品并為顧客找到志趣相投的朋友，用戶越活潑，推薦準確率就越高?！案鶕?jù)您的興趣和愛好，做您最好的智能導購員”，抱著這樣的理念，當當網(wǎng)一直致力 于完善它的個性化推薦系統(tǒng)。繼不久前推出服裝鞋類商品上門試穿服務后，近日，當當網(wǎng)服 裝事業(yè)部再度推出個性化導購服務，該服務可根據(jù)用戶的瀏覽、購買歷史記錄智

38、能的向用戶 推薦相關商品，并立即告訴用戶買了同款商品的其他用戶還買過什么商品，作為用戶選購商 品的參考。當當網(wǎng)服裝商城此次上線的個性化導購功能基于云計算技術，通過上千臺服務器的 運算，可以瞬時對十幾萬用戶的購買行為進行分析并實時向用戶推薦個性化的相關商品，還 可以按每個顧客在當當網(wǎng)的購物年限，計算出其是否夠VIP會員資質，從而決定是否為其 提供折上折的購買優(yōu)惠。當當網(wǎng)事業(yè)部負責人表示，服裝的特點是經(jīng)不起積壓，靠著瞬時計算的智能導購功 能，則可以精準預測、分析出用戶的購買偏好，從而更好的解決積壓問題，并對商品下一步 銷售情況進行預測。其實最好的搜索就是不用搜索，而是主動向顧客推薦他可能想要的商品

39、， 為用戶量身打造全新的個性化導購專員五、個性化推薦系統(tǒng)在當當網(wǎng)運用中的不足與風險（一）：個性化推薦系統(tǒng)在當當網(wǎng)運用中的不足：通過對當當網(wǎng)個性化推薦系統(tǒng)的綜合分析，認為目前國內個性化推薦系統(tǒng)主要存在以下 不足1）統(tǒng)擴展性差,推薦效率低。目前當當網(wǎng)的推薦系統(tǒng)采用的是嵌入式的推薦架構，這樣 一樣它依賴于電子商務應用平臺,擴展性和可移植性差，難以支撐大規(guī)模的運算,導致系 統(tǒng)實時推薦效果差。2）個性化程度低，推薦效果不理想。雖然目前當當網(wǎng)的個性化推薦系統(tǒng)已經(jīng)取得了初 步發(fā)展，可以根據(jù)用戶的購買經(jīng)歷和瀏覽經(jīng)歷有選擇的進行推薦，但是還是很簡單的，推薦 的正確性也不高，無法真正依據(jù)個人興趣提供個性化服務，其

40、次各種推薦算法都有各自短處, 特別針對新用戶的推薦效果不理想。3）自動化程度較低。當當網(wǎng)個性化推薦系統(tǒng)都是基于用戶提供的顯性數(shù)據(jù)建立用戶模 型,對瀏覽行為重視不足，導致較嚴重的數(shù)據(jù)稀疏問題。4）智能化程度低。整體智能化程度低，不能采取后臺計算方式為不同用戶選用合適的 推薦策略。5）缺乏對領域知識的應用。目前個性化推薦系統(tǒng)在建立用戶興趣模型時并沒有針對 不同職業(yè)、不同興趣特征的用戶，結合其領域背景提供推薦，或是結合不同商品分類的領域特 征向用戶提供推薦目前，網(wǎng)上書籍推薦系統(tǒng)普遍存在個性化程度不高的問題，尤其在國內較為明顯。為了 吸引用戶的關注，網(wǎng)上書店往往借助網(wǎng)頁制作技術，使網(wǎng)頁中信息呈現(xiàn)的多元

41、化和豐富性， 這樣反而可能造成用戶對信息的混淆，浪費了用戶很多無謂的時間來瀏覽不必要的信息。目 前的網(wǎng)上書籍推薦系統(tǒng)提供的推薦信息一般是大眾化的信息，即對所有用戶推薦的內容相 同，如商品銷售排行榜、編輯推薦等。一些具備個性化推薦的功能，也局限于用戶的注冊信 息和購物籃信息的簡單匹配，推薦范圍過窄且靈活性不足。這些推薦系統(tǒng)由于個性化程度較 低，對用戶的推薦也不太準確。在個性化服務環(huán)境下，網(wǎng)上書店在向用戶推薦商品時，能把 用戶需要的商品放在網(wǎng)頁上容易查詢到的地方，讓用戶覺得該網(wǎng)站了解其所需，仿佛專為他 所開設似的。隨著網(wǎng)上購書的方式越來越受用戶認同，各個網(wǎng)上書店提供的服務對用戶的差 異也越來越小，

42、個性化推薦技術在提高網(wǎng)上書店競爭優(yōu)勢上有廣闊的應用前景。雖然網(wǎng)上書 店獲取信息的渠道較多，但綜合性得利用各種信息來產(chǎn)生實時推薦的并不多見。例如在協(xié)同 過濾推薦應用中，一般以利用用戶的顯性評分信息為主，而如何與隱性評分信息有效結合， 來較為完整地反映用戶需求，是一個值得關注的問題。（二）當當網(wǎng)個性化推薦運用中的風險：而今，所有的個性化推薦都不會只采用一種算法，而是文中各種算法的結合。不過，愈 加智能的個性化推薦仍存在一些風險。當當網(wǎng)曾推薦了本富人不說，卻默默在做的33件 事，有網(wǎng)友說：認為誰窮瘋了么，你愛推薦給誰給誰，別總給我推薦這類書！當然，這段 話已經(jīng)被我們“翻譯”得很溫和了?；蛟S，網(wǎng)站應該

43、反思一下如何不讓個性化推薦冒犯到用 戶。此外，網(wǎng)站搜集的信息越多，消費者越會感到隱私受侵犯。如果你的朋友都收到了以下 推薦：“你的好友最近購買了一些減肥藥，你要不要也試試？ ”這多令人尷尬??！亞馬遜解 決這一沖突的方法是，允許消費者修改或刪除記錄。當當網(wǎng)現(xiàn)在也采用了類似的方法解決。（三）在個性化推薦上當當網(wǎng)和亞馬遜的對比分析：在個性化特色服務上國內的當當網(wǎng)和國外的亞馬遜還存在不小的差距，亞馬遜推出的 個性化服務能在顧客注冊后記憶其IP地址，當顧客再次訪問時會直接進入“個人商店”個 人商店是針對訪問者個人喜好設計的網(wǎng)頁，注冊用戶可以直接快速地尋找到所需的物品，排 除其他信息的干擾：這項服務成功運

44、用了網(wǎng)絡快速互動的特性，滿足了顧客的個性化需求： 在特色服務方面上，亞馬遜推出了諸如餐館介紹、旅行訂購、禮品推薦等內容，在提供這些 服務的同時又不失時機地推銷網(wǎng)站的商品，讓人不知不覺就掏了腰包。當當是國內開展服務較好的一家網(wǎng)上書店，目前它提供的服務還只是些基礎服務，沒有 亞馬遜那樣的個性化服務，特色服務也不夠完善：雖然推出了e周刊這樣的新書通報服務， 但工作效率卻不盡人意。舉個例子吧！我是當當網(wǎng)和亞馬遜的老客戶，在多次購物中發(fā)現(xiàn)了一個問題，為什么購 買同一本書，我在亞馬遜訂購花費的時間和在當當網(wǎng)上差別是那么大，幾乎每次我在亞馬遜 上購物都會讓我花費大量時間，當然這倒不是說亞馬遜的購書服務不方便

45、，而是它實在 有太多分散注意力的設置了!你的每一次走神，都是亞馬遜個性化推薦系統(tǒng)努力的結果，亞 馬遜都在悄悄制造一個新的消費機會。而當當網(wǎng)，它對“這一次”的消費完成行為要更執(zhí) 著。另一個直觀的體驗來自于網(wǎng)店本身的印象。和當當網(wǎng)相比，亞馬遜的網(wǎng)頁主題感很強， 偏重圖書和數(shù)碼產(chǎn)品，像專賣店。而當當網(wǎng)賣的東西種類多，更像個龐大的百貨公司。也許 是公司細定位有所不同才導致當當網(wǎng)有些“吃虧”。但是應該看到的是亞馬遜在中國也漸漸 的放棄了卓越專賣店模式的定位，轉而投向門類集全的百貨商城。六、通過當當網(wǎng)淺談個性化推薦系統(tǒng)對電子商務發(fā)展的影響:（一）電子商務新時代的到來：一個好的推薦系統(tǒng)可以大大提高用戶的忠誠

46、度，并為電子商務帶來了巨大的利益，個性 化推薦系統(tǒng)在當當網(wǎng)中的運用效果足已說明這點。2011年3月6日，推薦系統(tǒng)高峰論壇 在北京舉行，知名IT評論人洪波，豆瓣網(wǎng)首席科學家王守昆紛紛表示，WEB2.0時代的到 來，互聯(lián)網(wǎng)已經(jīng)變得更為分享化和個性化，在今后的10年內，推薦技術會對人類生活產(chǎn)生 越來越重要的影響。無論是在電子商務特別是B2C領域，還是SNS中好友的推薦，推薦 算法都將變得無所不在。隨著WEB2.0時代的到來，個性化推薦系統(tǒng)在電子商務將會受到 越來越廣泛的應用。在國內，無論是基于電子商務的淘寶、當當，還是基于網(wǎng)絡社區(qū)的QQ、 人人網(wǎng)、豆瓣，隨處都可以看到它的身影，它為人們推薦商品進行消

47、費，推薦友鄰。淘寶在 2011年3月31日提出向全球公布淘寶宏觀交易數(shù)據(jù)，像國外的企業(yè)學習，在高校中建立 自己的研究所，并且開展推薦算法的競賽，這些都是個性化推薦系統(tǒng)在我國發(fā)展的趨勢。隨 著人工智能技術的飛速進步，我們有理由相信將來的電子商務網(wǎng)站會更加的人性化，更加的 智能化，會為電子商務帶來新的盈利點，甚至會引發(fā)一場新電子商務革命。（二）由推網(wǎng)的興起：用戶使用互聯(lián)網(wǎng)最大的需求之一是想找到自己感興趣的內容。搜索引擎的出現(xiàn)幫助用戶 解決了對特定信息的查詢問題。個性化推薦服務在某種程度上是對搜索引擎的一種提升。根 據(jù)用戶的歷史行為和信息，個性化推薦引擎能夠在互聯(lián)網(wǎng)的海量信息中自動為用戶找到其所 感興趣的資訊、商品或是手機應用。簡單來說，個性化推薦引擎是一個另一維度的搜索，從“我想知道這個”到“給我點我感興 趣的”