文 /何思越

伴隨著當前互聯(lián)網(wǎng)等信息技術的不斷發(fā)展，電子商務這一種全新的信息化服務方式也越來越受到民眾們的喜愛，根據(jù)不同的服務對象和用戶習慣、個性等的分析，準確的來為用戶提供他們感興趣的服務，在當前電子商務滿足用戶個性化服務的同時，也不斷的在這樣的基礎上提升的企業(yè)自身的競爭能力，從而得到了非常好的關注。

伴隨著當前各種電子商務平臺的不斷發(fā)展，且當中個別的平臺也取得了非常好的成果。同時在當前激烈的市場競爭當中，汽車方面開啟電子商務已經(jīng)成為了當前這一個行業(yè)當中必須要面對的一個問題。

但是在當前互聯(lián)網(wǎng)環(huán)境下，信息量太過龐大且不能進行有效的組織，從而使得相關的汽車生產(chǎn)企業(yè)并不能在傳統(tǒng)方法上來進行用戶信息的收集，進而就更別說去進行深層次的用戶挖掘。如果是將當前先進的信息技術引入到當前的汽車電子商務當中，那么必定會帶來非常好的效果。

研究的意義

伴隨著當前互聯(lián)網(wǎng)等信息技術的不斷完善和突破，在當前社會當中各行各業(yè)的競爭都呈現(xiàn)出了激烈的態(tài)勢，且在汽車銷售方面顯得格外突出，因此電子商務已經(jīng)成了當前汽車銷售當中最為重要的一種手段。此文以下幾點是具有的意義所在：

（1）從消費者的角度出發(fā)，因為每一個消費者他們具有的文化、興趣、經(jīng)濟實力都是不相同的，不同消費者的自身需求當中對于產(chǎn)品喜愛程度也是會呈現(xiàn)出不同的情況，汽車銷售單位給予多樣化和具有靈活性的信息服務，從而這樣才可以有效的幫助消費者來進行產(chǎn)品的選擇，進而更好的去滿足當前的消費需求，給他們帶來更多的便捷性，讓他們真正的得到滿足。

（2）在汽車電子商務當中是運用當前先進的信息技術來進行相關問題的解決，從而來降低在銷售期間不必壓我的成本，且提升自身商業(yè)價值和商務活動。因此從服務者的角度來看的話，必須要構建起一個具體有效的服務模型，在這一個模型當中不但要對互聯(lián)網(wǎng)等資源進行有效的利用，同時也必須要更好的去為企業(yè)拓展消費者群體，并且也需要對這一個群體進行維護和穩(wěn)定，從而才可以在當前激烈的市場競爭當中穩(wěn)定企業(yè)的發(fā)展，為企業(yè)以后經(jīng)濟的增長提供有效的動力。

（3）從理論研究方面來看，電子商務個性化的模型有著非常高的研究價值。從進入到90年代以后，這一種個性化的模型有著非常重要的意義，并且也得到了世界學術研究的重視，同時在各行各業(yè)也得到了非常好的運用。怎樣在銷售當中為消費者提供他們需求且個性化的結果，改進相關的推薦算法，提升推薦精度已經(jīng)成為了當前世界范圍內(nèi)眾多學者都非常關心的一個問題。

（4）因此可以很好的看出，電子商務個性化的服務模式非常的適合當前消費者的選擇和企業(yè)社會的需求，且對于消費者、企業(yè)、社會都有著非常高的價值。

協(xié)同過濾技術的研究現(xiàn)狀

（1）當前協(xié)同過濾技術在電子商務的推薦系統(tǒng)當中運用的非常廣泛，并且是最為有效的一種技術。盡管在當前的電子商務當中協(xié)同過濾技術得到了非常好的運用，但是某些技術在一些特定的環(huán)境沒有往常的良好推薦效果，伴隨著當前電子商務平臺的不斷發(fā)展，在當前的電子商務平臺當中商品和消費者的數(shù)量都在不斷的增多，協(xié)同過濾系統(tǒng)的缺點也會慢慢的展現(xiàn)出來。當中主要包含了數(shù)據(jù)稀疏性和冷開始的問題。在全球范圍內(nèi)對于數(shù)據(jù)稀疏性和冷開始的問題相關的學者都做出了很多的研究，并且也使用到了很多的算法。

（2）有關學者在進行研究時提出了使用傳遞關聯(lián)來進行稀疏性問題解決的ICHM方法。在相關的協(xié)同過濾系統(tǒng)當中，要是兩個消費者都有著相同的興趣愛好，但他們沒有對相同的商品進行關注，那么這兩者之間的關聯(lián)就沒有了，但是在項目基礎上的協(xié)同過濾法就可以很好的去處理這一個問題，但是也會帶來項目之間能夠聯(lián)系但是不互通的情況。

（3）還有的學生提出了一種叫做信任傳播的方法，在這一種方法當中是用消費者來對消費者進行評價，從而在這樣的機制下來指出他們比較信任的消費者，這些他們評價的結果都給組建成為一個信任網(wǎng)絡，在這當中可以運用隨機行走的算法來進行網(wǎng)絡當中重要節(jié)點的預測，在這一種方法當中可以按照消費者信任網(wǎng)絡當中的數(shù)據(jù)來進行進行消費者之間相似度的計算，最后使用相關的公式來進行預測活動消費者的評分值，進而在這樣的基礎上來排除惡意用戶的影響，進而降低稀疏性，但是這一種方法必須要消費者來配合才能進行，且在實際的使用過程當中會受到各種因素的影響，并不是所有的消費者都愿意去對別的消費者進行信任評價的，因此這一種方法并不是當前解決稀疏性的最有效方法。

協(xié)同過濾算法尋找潛在用戶

（一）潛在用戶定義

潛在用戶這一個定義當中，指的是企業(yè)為了更好的去實現(xiàn)自身的經(jīng)濟效益而將產(chǎn)品推向用戶手中，且在進行銷售之前對用戶的心理和消費習慣等進行解析，從而在實際的需求上來進行可行性的分析，最后在尋找出符合自身發(fā)展的客戶資源。

（二）尋找潛在消費者

（1）協(xié)同過濾系統(tǒng)下來進行潛在消費者的尋找，在這一個過程當中主要是尋找和老客戶特征相近的消費者群體。通過在WEB系統(tǒng)當中和老客戶信息資料的對比，然后在使用數(shù)據(jù)結合協(xié)同過濾系統(tǒng)的方式在互聯(lián)網(wǎng)當中潛在的消費者，然后在推送消費者所關心、感興趣且個性化的產(chǎn)品內(nèi)容來進行展示。

（2）在消費者進行自家電子商務平臺訪問時，他們在一個商品上瀏覽的時間可以很好的反應出他們對于商品的興趣程度，時間夠長就表示有著一定的興趣，如果是很短的話，那么就并沒有較高的興趣。在協(xié)同過濾系統(tǒng)當中可以利用消費者在進行商品訪問時的停留時間來，進行協(xié)同過濾所需要的評分，從而在這樣的基礎上來對消費者之間的相似度進行對比。

（3）消費者之間相似程度可以使用常見的向量空間相似度計算和Person等有關的方法，且在這樣的基礎上來對消費者自己拿的相似度進行計算，同時把常來的消費者的相似程度按照大小來進行排列，取前多個消費者來作為相近的消費者，從而來對已購入產(chǎn)品消費者的特點進行分析，從而得出相似的結果，最后作為潛在的消費者進行發(fā)展。

關聯(lián)規(guī)則挖掘的研究實際情況

（1）在當前這一個領域當中，我國還處于初期階段，但是在國外已經(jīng)有了重點的研究方向，并且在這一個領域當中已經(jīng)達到了可以投入使用的階段，且在傳統(tǒng)的零售模式當中運用最多，營銷挖掘和購物籃分析等都是零售業(yè)挖掘當中最為主要的內(nèi)容。

（2）在當前我國的相關大學當中一直都在進行這一方面的研究，且相關學者將一個應用和特點規(guī)則在差別思想基礎上的興趣程度定義運用到了關聯(lián)規(guī)則當中，對興趣程度進行了重新的定義設置。同時有關學者也提出了在統(tǒng)計相關性基礎上的興趣程度關聯(lián)規(guī)則。

理論基礎

（一）關聯(lián)規(guī)則

關聯(lián)規(guī)則也被稱之為購物車分析，案例多發(fā)在傳統(tǒng)的超市當中。最為主要的指標是：支持度、置信度等。支持度是用在衡量關聯(lián)規(guī)則在整個數(shù)據(jù)集的統(tǒng)計方面，置信度運在可信程度的衡量關聯(lián)規(guī)則方面。在這當前Apriori和F-P是較為常用的方法，此文當中使用Apriori來進行相關的計算。

（二）Apriori算法

Appriori算法是在Pgrawal基礎上來進行完善以后的一種關聯(lián)規(guī)則算法，重點是在兩階頻集思想基礎上的遞推算法?；舅枷耄合鄬λ械念l集尋找出來，且在這一個過程當鬧鐘出現(xiàn)的頻繁性起碼要和預定義的最小值程度要相似。隨后由頻集來產(chǎn)生出強關聯(lián)的規(guī)則，但是必須要可以達到最小值支持度和最小可信度。從而在進行頻集產(chǎn)生期望的規(guī)則尋找，產(chǎn)生出只包含有集合項的全部規(guī)則，當中每條的規(guī)則右邊都只有一項，在這基礎上來運用規(guī)則定義。如果是規(guī)則產(chǎn)生了，那么只有大于消費者給定最小可信度的規(guī)則才會被留下。為了更好的去產(chǎn)出全部的頻集，從而要使用到遞推算法

（三）協(xié)同過濾

協(xié)同過濾有著兩種定義。在電子商務平臺當中使用最為廣泛的是狹義定義，且利用收集消費者群體的偏好信息，來對個體消費者感興趣的商品信息進行過濾。協(xié)同是群體的行為，過濾是針對個體的行為。在假設理論的基礎上：為了更好的去尋找消費者感興趣的商品的方法是尋找和消費者有著相同興趣的相似消費者，從而將相似消費者感興趣的商品推薦給別的消費者。

傳統(tǒng)協(xié)同過濾當中存在的問題

為了更好的去解決當前協(xié)同過濾技術當中存在的問題，更好的去適應當前電子商務平臺的發(fā)展需求，那么就必須要對當前協(xié)同過濾當中的推薦系統(tǒng)實現(xiàn)期間存在的問題進行解決，從而在使用具有針對性的方法來進行改進。

（一）數(shù)據(jù)稀疏性問題

數(shù)據(jù)稀疏性的問題一般都是消費者對很少產(chǎn)品做出評價，消費者評價的商品相對于商品數(shù)量占有的有限百分比，從而這樣的情況就使得消費者之間的評價出現(xiàn)了不相同的情況，那么這樣就會使得消費者之間的相似度也會出現(xiàn)不準確的情況，鄰居消費者不可靠。伴隨著當前電子商務的不斷發(fā)展，消費者數(shù)量和商品的數(shù)量也在不斷的增多，在這樣數(shù)據(jù)量龐大的情況下評分數(shù)據(jù)往往都會呈現(xiàn)出稀疏的情況，此外在這樣的基礎上并不能進行鄰居消費者群體的有效定位，另外在進行相似度計算期間也會出現(xiàn)較大的消耗，從而就會使得推薦的準確度大大下降，最終出現(xiàn)并不完美的推薦結果。

（二）冷開始問題

（1）在協(xié)同過濾當中最為突出的特點就是在項目商品經(jīng)過眾多消費者評價以后，在評價的基礎上來進行推薦，且在一定程度上有效的實現(xiàn)了消費者之間的互助。

（2）冷開始問題又被稱之為第一評價人問題，又或者是新項目問題，如果是在一個新的項目當中沒有人進行評價，那么協(xié)同過濾推薦的相關算法就不能進行正確的計算，進而這樣項目也并不能得到很好的推薦，從而在推薦系統(tǒng)當中也起不到很好的效果。

（3）為了更好的去解決當前傳統(tǒng)協(xié)同過濾系統(tǒng)當中推薦存在的評價數(shù)據(jù)稀疏性問題和冷開始問題，那么相關的研究者就必須要提出更多的先進算法，比如在項目評分預測基礎上來開展的協(xié)同過濾推薦算法，按照各個項目之間的相似度來進行消費者之間未評價項目的初期評價；在聚類協(xié)同過濾計算法基礎上的，在進行數(shù)據(jù)稀疏性解決方面有著非常好的效果，但是在實際的推薦當中還是有著一定的問題存在。

結束語

在當前的汽車銷售當中的紅電子商務這一種全新的銷售模式，為當前的汽車銷售帶來的非常豐厚的利潤，作為當前電子商務當中全新的一個行業(yè)，汽車銷售呈現(xiàn)出了良好的發(fā)展事態(tài)。就當前電子商務當中關聯(lián)規(guī)則和協(xié)同過濾的使用讓汽車電子商務在潛在消費者的挖掘上有著非常好的效果，同時也是滿足當前汽車電子商務發(fā)展需求的一種模式。在當前信息數(shù)據(jù)時代的背景下，對數(shù)據(jù)的深挖才是當前汽車電子商務發(fā)展的長久之計。