項(xiàng)露芬

摘? ?要：在電子商務(wù)全面發(fā)展、全面進(jìn)步的今天，信息超頻現(xiàn)象變得越發(fā)頻繁，該問題致使很多用戶無法有效掌握與獲得自己需要的商品。為應(yīng)對這一現(xiàn)象，個(gè)性化推薦就此出現(xiàn)，該技術(shù)能夠?yàn)橛脩籼峁┖侠怼⒖尚?、需求的商品。該技術(shù)以定性分析形式，檢索商務(wù)網(wǎng)站信息，利用協(xié)同過濾、內(nèi)容過濾、關(guān)聯(lián)規(guī)則、信息檢索等辦法，分析應(yīng)用層優(yōu)缺點(diǎn)，比較關(guān)聯(lián)指標(biāo)，能夠?yàn)殡娮由虅?wù)的推進(jìn)提供支持。文章對此技術(shù)在電子商務(wù)中的應(yīng)用進(jìn)行了研究。

關(guān)鍵詞：電子商務(wù);個(gè)性化技術(shù);分析對比;協(xié)同過濾

在電子商務(wù)迅猛發(fā)展的背景下，社會(huì)發(fā)生了翻天覆地的變化，實(shí)現(xiàn)了實(shí)體投資的有效控制，解決了傳統(tǒng)店面自身的陳列空間問題。購物者在這一技術(shù)的支持下，獲得了近乎無限大的可用于賞析商品的平臺。當(dāng)然因平臺過于龐大，顧客做不到在短時(shí)間內(nèi)從計(jì)算機(jī)屏幕完成對所有商品的瀏覽，且缺少促銷人員的引導(dǎo)，所以用戶遇到了信息超載問題。所謂的信息超載就是由于網(wǎng)站提供了過多的商品信息，所以用戶無法第一時(shí)間獲得自己需要的產(chǎn)品，該問題會(huì)導(dǎo)致用戶失去購物興趣。對電子商務(wù)來說，這是需要著重考慮的問題，只有為用戶提供適用的商品，才能夠提高銷售能力。

1? ? 電子商務(wù)推薦

面對科技的發(fā)展，互聯(lián)網(wǎng)漸漸成為人們生活當(dāng)中必不可少的一種技術(shù)。互聯(lián)網(wǎng)憑借著眾多優(yōu)勢極大地便利了人們的生活。當(dāng)然正因互聯(lián)網(wǎng)有著龐大的信息資源渠道與傳播能力，所以才會(huì)促進(jìn)電子商務(wù)的發(fā)展。電子商務(wù)發(fā)展過程中遇到了很多問題，其中，信息超載是一種對電子商務(wù)行業(yè)進(jìn)步最為致命的要素。為處理該問題，就需要運(yùn)用推薦系統(tǒng)。推薦系統(tǒng)能夠充分地處理信息超載情況[1]，是一種能夠讓電子商務(wù)網(wǎng)站完成一對一營銷的有效技術(shù)。該技術(shù)能夠大規(guī)模、自動(dòng)化地為電子商務(wù)發(fā)展提供出路。網(wǎng)站將推薦系統(tǒng)視作虛擬店員，為客戶提供產(chǎn)品購買建議與產(chǎn)品詳細(xì)信息，提高了消費(fèi)者商品選擇能力與效率。在推薦系統(tǒng)的支持下，網(wǎng)站能夠充分適應(yīng)消費(fèi)者需求，滿足消費(fèi)者個(gè)性化需要，為用戶提供更好的消費(fèi)體驗(yàn)。推薦系統(tǒng)主要有如下3點(diǎn)作用。

1.1? 推薦系統(tǒng)能夠?qū)⒕W(wǎng)站瀏覽者變成購買者

推薦系統(tǒng)憑借著強(qiáng)大的分析能力、推薦能力，讓很多原本沒有商品購買意愿的用戶對網(wǎng)站商品產(chǎn)生興趣。為用戶挖掘和提供需求的商品，培養(yǎng)出忠誠的客戶[2]。

1.2? 提高網(wǎng)站的交叉銷售水平

在現(xiàn)代商業(yè)中，交叉銷售是非常普遍的現(xiàn)象。交叉銷售能夠有效引導(dǎo)用戶發(fā)現(xiàn)與購買自己有需求的商品，處理與解決有需求卻購買不到商品的客戶需要。

1.3? 能夠拉近企業(yè)與顧客之間的關(guān)系，培養(yǎng)客戶忠誠度

對于企業(yè)發(fā)展來說，培養(yǎng)客戶忠誠度是最為基本的一項(xiàng)操作和商業(yè)策略[3]。互聯(lián)網(wǎng)用戶購買商品時(shí)，如果沒有找到自己想要的商品，只需輕點(diǎn)鼠標(biāo)就能夠?yàn)g覽其他商家的網(wǎng)站。推薦系統(tǒng)可以在一定程度上緩解這一局面。在推薦系統(tǒng)的幫助下，客戶順利地找到了自己需求的產(chǎn)品類型，可以有效培養(yǎng)客戶歸屬度、忠誠度，提高網(wǎng)站與客戶黏性。

現(xiàn)如今絕大多數(shù)大型網(wǎng)站，甚至可以說幾乎所有我們了解、熟知的購物網(wǎng)站都已經(jīng)應(yīng)用了推薦系統(tǒng)。在推薦系統(tǒng)的支持下，極大地提高了電子商務(wù)網(wǎng)站的整體業(yè)務(wù)能力[4]。

2? ? 推薦技術(shù)

2.1? 協(xié)同過濾

協(xié)同過濾能夠按照目標(biāo)用戶條件，為用戶提供有著偏好相似、愛好相同的其他客戶對待信息的觀點(diǎn)。以此為依據(jù)，判定信息對于目標(biāo)用戶的價(jià)值，最終在得到肯定回復(fù)后，將信息推薦給用戶，減少信息超載帶來的負(fù)面影響、負(fù)面作用。協(xié)同過濾最大的優(yōu)點(diǎn)在于不需要推薦項(xiàng)目內(nèi)容，所以能夠在做到新異推薦的同時(shí)，將過濾對象充分?jǐn)U展到所有資源當(dāng)中。該技術(shù)如今是商務(wù)推薦中最成功、使用最廣泛的算法。

該算法構(gòu)建用戶—項(xiàng)目評分矩陣，利用統(tǒng)計(jì)技術(shù)獲知與目標(biāo)用戶愛好相同、品味相似、搜索相似的用戶。隨后根據(jù)這些相似用戶對于商品評分、商品喜好情況預(yù)測商品評分?jǐn)?shù)值，并將最高評分的商品反饋給目標(biāo)用戶。該技術(shù)運(yùn)用了相似愛好原理。數(shù)據(jù)搜集得越多，那么推薦質(zhì)量就越好。

協(xié)同過濾技術(shù)在商品數(shù)量增多時(shí)，技術(shù)難度變得越來越大，所以需要考慮稀疏性問題。

2.2? 內(nèi)容過濾

內(nèi)容過濾這項(xiàng)技術(shù)和信息檢索相同之處眾多，當(dāng)然二者也有不同，比如內(nèi)容過濾能夠很好地滿足用戶對于信息的長期需求。內(nèi)容過濾能夠?yàn)樗械挠脩艚ⅹ?dú)立的用戶描述，將用戶喜歡的、討厭的內(nèi)容明確分類，并且還能夠?qū)⒂脩粝矏鄣膬?nèi)容進(jìn)行比較。比如音樂、電影、Web頁面、商品等。將相似度更高的內(nèi)容推薦給用戶，保障了推薦的可測量性。除此之外推薦結(jié)果的解釋質(zhì)量也比較出眾。用戶描述能夠在該系統(tǒng)中從用戶喜歡項(xiàng)目、喜歡內(nèi)容中不斷分析、學(xué)習(xí)。當(dāng)然也會(huì)用問卷反饋、查詢用戶語句的方式得到。內(nèi)容過濾系統(tǒng)包括WebMate，CiteSeer，LIBRA。當(dāng)然內(nèi)容過濾同樣存在缺點(diǎn)。

首先，內(nèi)容分析非常有限。內(nèi)容分析、內(nèi)容過濾對于對象的結(jié)構(gòu)性有很高要求。所以大多被用文本資源的處理與過濾。在面對音樂、視頻、圖像這類有著復(fù)雜結(jié)構(gòu)的條件時(shí)，就無法保障內(nèi)容質(zhì)量特征、有效推薦相應(yīng)信息。事實(shí)上，即便是面對文本資源，內(nèi)容過濾也只能做到對其內(nèi)容信息的反應(yīng)，并不能有效辨別文本資源質(zhì)量特性。

其次，無法提供新異推薦。這是因?yàn)閮?nèi)容過濾有著過度專門化問題，難以有效、充分挖掘用戶感興趣的主題商品。

2.3? 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則技術(shù)是數(shù)據(jù)挖掘中最為關(guān)鍵的一種技術(shù)，零售領(lǐng)域?qū)τ谠摷夹g(shù)已經(jīng)使用了多年。該技術(shù)應(yīng)用用戶交易數(shù)據(jù)的關(guān)聯(lián)規(guī)則以及用戶近期的購買行為為用戶提供商品推薦，大多被用在交叉銷售當(dāng)中。目前，比較典型的規(guī)則為購物籃分析。也就是說根據(jù)用戶的購物籃商品關(guān)系進(jìn)行判斷，如用戶購物籃頻頻出現(xiàn)同類商品，那么電子商務(wù)網(wǎng)站就會(huì)為用戶提供和用戶近期付款、訂單相關(guān)或類似的商品。此外，關(guān)聯(lián)規(guī)則還能夠幫助網(wǎng)站主動(dòng)調(diào)整商品網(wǎng)頁陳列位置，目前比較常見關(guān)聯(lián)規(guī)則推薦系統(tǒng)為E-VZpro。

關(guān)聯(lián)規(guī)則技術(shù)同樣存在缺點(diǎn)，即以被購買商品關(guān)聯(lián)確定商品關(guān)聯(lián)性，正因如此，該技術(shù)整體個(gè)性化程度不足。此外，面對稀疏、高維情況會(huì)出現(xiàn)弱規(guī)則。根據(jù)經(jīng)驗(yàn)以及實(shí)驗(yàn)可以看出，關(guān)聯(lián)規(guī)則在推薦能力上弱于協(xié)同過濾。并且關(guān)聯(lián)規(guī)則屬于推薦系統(tǒng)，該系統(tǒng)缺點(diǎn)在于質(zhì)量差，并且做不到動(dòng)態(tài)更新。在規(guī)則數(shù)量越來越多以后，系統(tǒng)管理難度會(huì)不斷加劇。

2.4? 信息檢索

從用戶角度和商品分類角度進(jìn)行劃分與瀏覽。商品的分類瀏覽實(shí)際上就是主題分類信息查找，這種做法能夠順利地獲知商品信息，便利了網(wǎng)站商品管理，與人們的認(rèn)知事物習(xí)慣十分地契合。當(dāng)然分類瀏覽缺點(diǎn)是比較突出的。電子商務(wù)網(wǎng)站對于信息檢索的運(yùn)用需要從下述幾點(diǎn)考慮。

2.4.1? 很多商品難以合理分類

面對科技的進(jìn)步與發(fā)展，社會(huì)中出現(xiàn)了各種各樣的學(xué)科，交叉學(xué)科數(shù)量變多，出現(xiàn)了許多難以明確分類的產(chǎn)品。用戶逐層瀏覽無法做到明確分類商品。

2.4.2? 欠缺統(tǒng)一商品分類手段

事實(shí)上，電子商務(wù)網(wǎng)站并沒有和圖書分類一樣明確、統(tǒng)一的分類規(guī)則。在分類商品、名稱的時(shí)候存有很大爭議。

2.4.3? 分類瀏覽耗時(shí)多

在瀏覽前，用戶需要先了解與掌握商品分類情況，隨后逐步尋找自己需要的商品。以關(guān)鍵字查詢方式搜尋產(chǎn)品的優(yōu)點(diǎn)是非常突出的，這種做法沒有特定局限領(lǐng)域，并且查找速度很快、效率較高。當(dāng)然關(guān)鍵詞查詢的問題也比較顯著。這種做法的準(zhǔn)確率不高，在用戶提交請求的時(shí)候，系統(tǒng)往往會(huì)回饋非常多的結(jié)果。此時(shí)，用戶需要進(jìn)一步瀏覽與查找，甚至需要多次查找才能夠找到自己需要的內(nèi)容，個(gè)性化水平不高?？蛻羧绻o出的關(guān)鍵詞相同，那么返回來的查詢結(jié)果將會(huì)一成不變，無法為客戶提供新的發(fā)現(xiàn)。

3? ? 結(jié)語

信息化時(shí)代，為迎合時(shí)代追求，且考慮到電子商務(wù)需要，企業(yè)就需要考慮推薦技術(shù)，利用大數(shù)據(jù)技術(shù)、人工智能技術(shù)為用戶提供個(gè)性化推薦，使商品與服務(wù)更能契合用戶需求。這不僅是電子商務(wù)時(shí)代背景下的企業(yè)價(jià)值鏈起點(diǎn)，也是創(chuàng)造更大經(jīng)濟(jì)利潤、經(jīng)濟(jì)效益的源頭。當(dāng)前電子商務(wù)網(wǎng)站大多使用協(xié)同過濾、內(nèi)容過濾、關(guān)聯(lián)規(guī)則、信息檢索等4種技術(shù)。以上技術(shù)因各有優(yōu)勢與不足，所以在搭設(shè)電子商務(wù)網(wǎng)站的時(shí)候，有必要配合使用，獲得最佳的服務(wù)。

[參考文獻(xiàn)]

[1]丁昭巧.多Agent技術(shù)下電子商務(wù)用戶感知和個(gè)性化推薦模型探究[J].商業(yè)經(jīng)濟(jì)研究，2018（3）：98-102.

[2]孫雨生，張晨，朱禮軍，等.國內(nèi)電子商務(wù)個(gè)性化推薦研究進(jìn)展：架構(gòu)與實(shí)踐[J].現(xiàn)代情報(bào)，2017（5）：151-156.

[3]郭燕萍.基于LBS的O2O電子商務(wù)個(gè)性化推薦方法研究[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2016（12）：52-54.

[4]裴英梅.電子商務(wù)個(gè)性化推薦模型及技術(shù)研究[J].科技視界，2016（19）：177.

Research on the development of E-commerce based on the

personalized recommendation technology

Xiang Lufen

（Zhejiang Shuren University， Hangzhou 310021， China）

Abstract：With the all-round development and progress of electronic commerce， the phenomenon of information overfrequency has become more and more frequent， which makes many users unable to effectively? master and obtain the goods they need. In order to deal with this phenomenon， personalized recommendation appears. The technology can provide users with reasonable， feasible and demanding goods， which analyzes the advantages and disadvantages of the application layer and compares the association indexes in the form of qualitative analysis， retrieval of business website information， collaborative filtering， content filtering， association rules， information retrieval and so on， which can be used to promote E-commerce and provide support. In this paper， the application of this technology in electronic commerce is studied.

key words：E-commerce; personalized technology; analysis and comparison; collaborative filtration