郭偉光

摘要： 優(yōu)質(zhì)的個性化推薦系統(tǒng)帶來了巨大的經(jīng)濟價值和社會價值的同時，也能提高B2C電子商務(wù)在當(dāng)今激烈的市場競爭環(huán)境下的存活能力。在簡要介紹電子商務(wù)個性化推薦系統(tǒng)模型的基礎(chǔ)上，詳細分析比較了亞馬遜、當(dāng)當(dāng)網(wǎng)、天貓三家B2C電子商務(wù)個性化商品推薦服務(wù)，最后對B2C電子商務(wù)推薦系統(tǒng)的進一步發(fā)展方向進行了展望。

Abstract： The high-quality personalized recommendation system has brought huge economic and social values， but also can improve the viability of e-commerce site in today's highly competitive market environment. Based on introducing the Model of E-commerce recommending system， this article compares the personalized recommender service of amazon.cn with dangdang.com and tmall.com. At last， some development directions for personalized recommender systems in E-Commerce are presented.

關(guān)鍵詞： B2C電子商務(wù)；推薦系統(tǒng)；個性化推薦服務(wù)；實證研究

Key words： B2C e-commerce；recommendation system；personalized recommendation service；empirical research

中圖分類號：F724.6 文獻標(biāo)識碼：A 文章編號：1006-4311（2014）30-0025-03

0 引言

當(dāng)前，面對海量的商品信息，用戶需要一種類似采購助手的功能來幫助用戶選購商品，并根據(jù)用戶的興趣愛好推薦用戶可能感興趣的商品。因此，電子商務(wù)個性化推薦系統(tǒng)[1]得到廣泛應(yīng)用，它是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上的一種高級商務(wù)智能平臺，以幫助電子商務(wù)網(wǎng)站為其顧客購物提供完全個性化的決策支持和信息服務(wù)。

而對于一個B2C在線銷售商而言，他們除了期望推薦系統(tǒng)能幫助建立良好的客戶關(guān)系、通過推薦一些有趣的商品向用戶提供附加服務(wù)外，更關(guān)注推薦系統(tǒng)能一方面提高轉(zhuǎn)化率，即如何將網(wǎng)站訪問者轉(zhuǎn)化為實際購買者；另一方面是如何影響訪問者，讓他們買更多可賺錢的物品。因此探討B(tài)2C電子商務(wù)個性化商品推薦效果及其改進是一個有重要應(yīng)用價值的研究課題。

為了研究我國B2C電子商務(wù)個性化商品推薦服務(wù)的實際應(yīng)用狀況，本文選擇亞馬遜（www.amazon.cn）、當(dāng)當(dāng)網(wǎng)（www.dangdang.com）、天貓（www.tmall.com）三個著名的B2C購物網(wǎng)站，對國內(nèi)的B2C電子商務(wù)個性化商品推薦服務(wù)進行實證研究。

1 電子商務(wù)個性化推薦系統(tǒng)模型

1.1 電子商務(wù)個性化推薦系統(tǒng)模型 按系統(tǒng)的觀點，電子商務(wù)個性化推薦系統(tǒng)模型可分為是輸入、輸出和推薦方法與技術(shù)，如圖1所示。個性化推薦的輸入模塊表明從哪里去獲取用戶的偏好。所以主要涉及兩部分，一是用戶信息獲取的平臺，最典型的是傳統(tǒng)的電子商務(wù)平臺和網(wǎng)站，另一方面是隨著社會性網(wǎng)絡(luò)（如Facebook、Twitter、Renren等）的應(yīng)用，基于社會性網(wǎng)絡(luò)的社會商務(wù)系統(tǒng)也成為獲取用戶偏好信息的來源。

個性化推薦的輸出主要包含兩種形式，一是預(yù)測，預(yù)測用戶對某商品的偏好；二是推薦，基于預(yù)測直接給用戶推薦其可能感興趣的商品。

1.2 電子商務(wù)個性化推薦算法 推薦方法模塊是推薦系統(tǒng)的核心部分，決定著推薦系統(tǒng)的性能優(yōu)劣。主要的推薦算法有：

協(xié)同過濾推薦（Collaborative Filtering Recommendation）[2]

是目前研究最多的個性化推薦技術(shù)，它是基于鄰居用戶的資料得到目標(biāo)用戶的推薦，推薦的個性化程度高。具體來講，協(xié)同過濾推薦一般主要分為兩類：一是基于內(nèi)存的協(xié)同過濾（Memory-based Collaborative Filtering），其基本思想是用統(tǒng)計的方法得出所有用戶對物品或者信息的偏好，然后發(fā)現(xiàn)與當(dāng)前用戶口味和偏好相似的“鄰居”用戶群，基于某個鄰居的歷史偏好信息，為當(dāng)前用戶進行物品的推薦，所以該方法也稱基于用戶的協(xié)同過濾（User-based Collaborative Filtering）或基于鄰居的協(xié)同推薦（Neighbor-based Collaborative Filtering）；二是基于模型的協(xié)同過濾推薦（Model-based Collaborative Filtering），是指根據(jù)用戶和物品的直接歷史點擊或購買記錄，來計算物品和物品之間的相似度，得出一個模型，然后根據(jù)用戶的歷史偏好的物品信息，將挖掘到的類似的物品推薦給用戶，即用此模型進行預(yù)測。

基于內(nèi)容的推薦（Content-based recommendation）[3]是信息過濾技術(shù)的延續(xù)與發(fā)展，項目或?qū)ο笫峭ㄟ^相關(guān)特征的屬性來定義，系統(tǒng)基于用戶評價對象的特征，學(xué)習(xí)用戶的興趣，依據(jù)用戶資料與待預(yù)測項目的相匹配程度進行推薦，如新聞組過濾系統(tǒng)NewsWeeder。

此外，基于用戶統(tǒng)計信息的推薦，基于關(guān)聯(lián)規(guī)則的推薦[4]，還有基于效用的推薦[5]和基于知識的推薦等，前者基于用戶對產(chǎn)品的效用函數(shù)，后面更多采用人工智能和推理技術(shù)。

2 國內(nèi)知名B2C電商個性化商品推薦服務(wù)實證研究

2.1 亞馬遜的個性化商品推薦服務(wù) 亞馬遜與其他B2C電子商務(wù)網(wǎng)站相比，最大優(yōu)勢就在于個性化推薦系統(tǒng)。其推薦系統(tǒng)提供的最主要的服務(wù)有：endprint

今日推薦：通常是根據(jù)用戶近期的歷史購買或者查看記錄，并結(jié)合時下流行的物品給出一個折中的推薦。

新產(chǎn)品的推薦：采用了基于內(nèi)容的推薦機制，將一些新到物品推薦給用戶。

捆綁銷售：采用數(shù)據(jù)挖掘技術(shù)對用戶的購買行為進行分析，找到經(jīng)常被一起或同一個人購買的物品集，進行捆綁銷售，這是一種典型的基于項目的協(xié)同過濾推薦機制。

別人購買/瀏覽的商品：這也是一個典型的基于項目的協(xié)同過濾推薦的應(yīng)用，通過社會化機制用戶能更快更方便的找到自己感興趣的物品。

基于社會化的推薦，Amazon會給你事實的數(shù)據(jù)，讓用戶信服，例如：購買此物品的用戶百分之多少也購買了那個物品。

基于物品本身的推薦，Amazon也會列出推薦的理由，例如：因為你的購物籃中有……，或者因為你購買過 ……，所以給你推薦類似的……。

亞馬遜綜合了多種推薦形式，其推薦服務(wù)深入到網(wǎng)站的各個角落。在亞馬遜首頁中提供：暢銷榜、與您瀏覽過的商品相關(guān)的推薦、更多供您考慮的商品（您瀏覽過|查看此商品的顧客也查看了|編輯您的瀏覽歷史）、有相似搜索和購買結(jié)果的顧客、根據(jù)購買記錄為您推薦、根據(jù)瀏覽記錄為您推薦、最受關(guān)注商品。在購物車中有：購買該商品的客戶還購買了：瀏覽該商品的客戶還瀏覽了：購買了購物車中商品的顧客同時購買了：有相似標(biāo)簽的產(chǎn)品；在心愿單提供：購買您心愿單中商品的顧客也同時購買。

2.2 當(dāng)當(dāng)網(wǎng)的個性化商品推薦服務(wù) 現(xiàn)在互聯(lián)網(wǎng)各種新技術(shù)層出不窮：hadoop、erlang、gearman[6]等等。尤其是大數(shù)據(jù)的不斷深入應(yīng)用產(chǎn)生了廣泛影響，并促使國內(nèi)領(lǐng)先的B2C網(wǎng)上商城當(dāng)當(dāng)網(wǎng)融合協(xié)同過濾、標(biāo)簽、文本、矩陣分解等個性化推薦算法，主要向用戶個性化推薦：買了還買了、看了還看了、基于瀏覽歷史的推薦、發(fā)現(xiàn)跟您相似顧客、個性化郵件等。

當(dāng)當(dāng)網(wǎng)上有個專門欄目“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(guān)

注”；在已購商品頁面，有推薦“根據(jù)您購買的商品，當(dāng)當(dāng)猜您會喜歡”。

個性化推薦已經(jīng)滲透到當(dāng)當(dāng)購物流程的各個環(huán)節(jié)：購物前、購物中、購物后。買了……的顧客也買了……，看了……的顧客也看了……——以上是基于一定時間段內(nèi)的訂單和訪問日志數(shù)據(jù)推薦購買組合——基于同一張訂單的數(shù)據(jù)。在購物車、收藏夾里會根據(jù)用戶當(dāng)前選中的商品進行實時計算、推薦商品。會在訂單確認信等回饋信件中，附帶根據(jù)本次包裹商品計算出來的商品推薦，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。

為了使用戶更更高效、更輕松地獲得準確的系統(tǒng)推薦服務(wù)，當(dāng)當(dāng)網(wǎng)特別設(shè)計了“喜好大探底”FLASH游戲，用戶只需要勾選自己的性別、年齡區(qū)間、職業(yè)和幾個感興趣的商品，系統(tǒng)就會自動運用相關(guān)算法，給出為用戶量身打造的個性化推薦。當(dāng)當(dāng)網(wǎng)的“靠譜內(nèi)容”模塊，它會即根據(jù)不同用戶的屬性提供不一樣的內(nèi)容展示，新用戶可以在新客購入中發(fā)現(xiàn)熱門商品，老用戶能夠在“猜你喜歡”中找到貼心的推薦內(nèi)容。除此之外，“用戶關(guān)注”可以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。針對用戶存在多興趣或興趣發(fā)生轉(zhuǎn)移情況，當(dāng)當(dāng)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。

2.3 天貓的個性化商品推薦服務(wù) “天貓”（英文：Tmall，亦稱淘寶商城、天貓商城）原名淘寶商城，是一個綜合性的B2C購物網(wǎng)站。天貓的個性化推薦是在海量數(shù)據(jù)基礎(chǔ)上，結(jié)合會員習(xí)慣和商品內(nèi)容特性進行分析和挖掘，為天貓會員提供個性化的推薦服務(wù)，以期縮短用戶購物路徑，提升用戶購物體驗。天貓的個性化商品推薦服務(wù)遵循在合適的地方（首頁、Offer頁面、購買過程頁面、搜索結(jié)果頁面、促銷郵件頁面、資訊文章頁面等），合適的時機（剛來首頁、搜索查找、點擊進入、反饋完成、收藏完成、交易完成、瀏覽頁面上部、瀏覽頁面底部等），通過合適的渠道（WEB頁面、EMAIL、即時消息、智能手機等）把合適的內(nèi)容（商品、公司、資訊、人等）推薦給合適的用戶（企業(yè)用戶、個人用戶、不同客戶群等）的設(shè)計理念。

天貓網(wǎng)通過收集買家信息、商品信息、品牌信息、店鋪信息、營銷活動信息等，運用相似替代商品模型、組合購買商品模型、榜單、用戶個性化偏好模型、用戶聚類及偏好模型、內(nèi)容規(guī)則算法等模型算法，主要向用戶推商品、品牌、店鋪、活動、商品類目等。

天貓的個性化商品推薦服務(wù)深入客戶購物的整個流程：當(dāng)客戶登錄首頁瀏覽商品意圖模糊時向客戶推薦：猜你喜歡、個性化品牌墻、個性化活動甚至構(gòu)建個性化首頁；當(dāng)客戶關(guān)注某一類商品正在挑選時向客戶推薦：全網(wǎng)分類榜單、群體偏好榜單、個性化列表、個性化搜索、個性化店鋪列表；當(dāng)客戶正關(guān)注某一特定商品時向客戶推薦：個性化相似商品、群體看了還看、全網(wǎng)看了還看、同類優(yōu)質(zhì)商品；當(dāng)用戶快完成購買時，向客戶推薦：商家搭配、全網(wǎng)買了還買、優(yōu)惠活動湊單、順手買日常用品；當(dāng)客戶買完還在線上時，向客戶推薦個性化活動、猜你喜歡、個性化優(yōu)惠券、個性化榜單；當(dāng)用戶在線下向用戶發(fā)送個性化即時信息、短信、EMAIL。

3 國內(nèi)知名B2C電商個性化商品推薦應(yīng)用比較分析

從以上分析，我們可以看出三家的推薦系統(tǒng)都綜合使用了多種推薦服務(wù)算法：基于Item相似和相關(guān)性的推薦、基于瀏覽/購買歷史，基于協(xié)同過濾等等。都具有這樣一些推薦服務(wù)：銷售最好/流行的商品、特價推薦、專題推薦、新商品推薦、通過郵件推薦、查看其他用戶評價、基于網(wǎng)友評論的推薦、商家推薦、買過此商品的用戶還買過的、你可能感興趣的、組合推薦、根據(jù)瀏覽歷史推薦、根據(jù)相似的人推薦等。

從推薦的形式中我們可以看出各家都把推薦服務(wù)放到了網(wǎng)站的各個角落，深入到用戶購買的各個階段，并且都注重不斷改進用戶的個性化推薦體驗。推薦的準確性直接影響客戶對于推薦服務(wù)的認可程度，而要推得準各家除了組合多種推薦形式外，還允許用戶提供或者修正推薦所依賴的信息，比如用戶可以查看并修改自己的檔案、瀏覽歷史，可以對感興趣的或不感興趣的商品進行管理和打分，可以通過社區(qū)進行討論、評論、反饋相關(guān)商品，而所有這些信息一經(jīng)修改或產(chǎn)生后直接對推薦的結(jié)果產(chǎn)生影響，從而提供推薦的準確性。endprint