錢黎春，邱聰聰，劉蓓蕾

(安徽工業(yè)大學(xué) 商學(xué)院，安徽 馬鞍山 243002)

網(wǎng)絡(luò)經(jīng)濟(jì)帶來產(chǎn)品和信息極大豐富的同時(shí)也引起了信息過載問題，顧客需要付出更多的搜尋努力才能找到相關(guān)或是感興趣的信息，有時(shí)甚至覺得無從選擇[1]。幫助消費(fèi)者克服選擇過剩的困難且找到滿足其個(gè)性化需求的商品，同時(shí)能給消費(fèi)者帶來良好的網(wǎng)上購(gòu)物體驗(yàn)，成為亟待解決的問題。鑒于此，推薦系統(tǒng)應(yīng)運(yùn)而生。如何利用推薦系統(tǒng)為顧客創(chuàng)造良好的間接體驗(yàn)，成為眾商家以及學(xué)者們關(guān)注的焦點(diǎn)。

推薦系統(tǒng)整合了網(wǎng)站商品的購(gòu)買情況、顧客的瀏覽歷史和個(gè)性特點(diǎn)，模擬銷售人員，向用戶推薦其感興趣或相關(guān)的信息和商品，幫助顧客決定應(yīng)該購(gòu)買什么[2]。其本質(zhì)是在獲取消費(fèi)者偏好和商品信息的基礎(chǔ)上為消費(fèi)者做出推薦建議的軟件。值得研究的問題是，推薦系統(tǒng)的性能受哪些因素影響，且這些因素又是如何影響顧客網(wǎng)上購(gòu)物體驗(yàn)的？

一、理論與假設(shè)

(一)推薦系統(tǒng)性能

Sinha等學(xué)者在2001年提出，評(píng)價(jià)推薦系統(tǒng)的指標(biāo)包括推薦效用和推薦信任度，即消費(fèi)者覺得該推薦是否有用以及是否值得信任[3]。Bharati和Chaudhury研究發(fā)現(xiàn)系統(tǒng)質(zhì)量和信息質(zhì)量直接正向影響顧客決策滿意，但推薦系統(tǒng)的外觀質(zhì)量沒有直接影響[4]。Aljukhadar M等學(xué)者于2011年提出了影響推薦系統(tǒng)成功的四個(gè)因素，即網(wǎng)購(gòu)者需要且更樂意使用一個(gè)具有人性化、智能性、可信賴性及資源豐富性四大特點(diǎn)的系統(tǒng)。同時(shí)還發(fā)現(xiàn)該結(jié)論幾乎不受年齡的影響[5]。

這些研究涉及到推薦系統(tǒng)性能的影響因素，Sinha等的研究著重于推薦信息的有用和可信賴性，Bharati等的研究著重于系統(tǒng)質(zhì)量和信息質(zhì)量，而Aljukhadar M等學(xué)者的研究相比較而言更全面、更具有綜合性。

(二) 顧客體驗(yàn)維度

對(duì)于以互聯(lián)網(wǎng)形式與顧客進(jìn)行交流互動(dòng)的網(wǎng)上商店來說，良好的顧客網(wǎng)上購(gòu)物體驗(yàn)至關(guān)重要[6]。Bernd等認(rèn)為，體驗(yàn)是顧客對(duì)一些刺激所產(chǎn)生的感知和情感反映，這些刺激包括商家與顧客整個(gè)互動(dòng)過程的營(yíng)銷努力，涉及人的感官、直覺、情緒等感性因素及智力、思考等理性因素。相比于真實(shí)環(huán)境，網(wǎng)上購(gòu)物體驗(yàn)以人機(jī)界面的形式代替了直接作用于感官的實(shí)體環(huán)境體驗(yàn)[7]。

關(guān)于顧客體驗(yàn)維度的研究已較為成熟，如Holbrook等學(xué)者將體驗(yàn)劃分為功利體驗(yàn)和享樂體驗(yàn)[8]。Efthymios Constantinides等將網(wǎng)站體驗(yàn)因素分為功利、心理和內(nèi)容等因素，包括網(wǎng)站的易用性、互動(dòng)性、信任、審美性和營(yíng)銷組合[9]。賀愛忠等將在線購(gòu)物體驗(yàn)分為感官體驗(yàn)、情感體驗(yàn)、思考體驗(yàn)、行動(dòng)體驗(yàn)和關(guān)聯(lián)體驗(yàn)[10]。朱洪軍等將體驗(yàn)分為功利體驗(yàn)、社會(huì)體驗(yàn)和情感體驗(yàn)[11]。本文根據(jù)以上學(xué)者對(duì)顧客網(wǎng)上購(gòu)物體驗(yàn)的維度劃分并結(jié)合本文的實(shí)際研究情況，將顧客網(wǎng)上購(gòu)物體驗(yàn)劃分為功利體驗(yàn)、情感體驗(yàn)和關(guān)聯(lián)體驗(yàn)。

功利體驗(yàn)是指顧客在購(gòu)物過程中對(duì)質(zhì)量、性能、價(jià)格、服務(wù)等的實(shí)際感受和認(rèn)知，包括對(duì)提供的花色、品種、價(jià)格以及服務(wù)的總體評(píng)價(jià)。Menon，Kalyani 和Laurette Dube認(rèn)為情感體驗(yàn)是顧客對(duì)產(chǎn)品和服務(wù)的屬性與顧客對(duì)自己最終獲得的消費(fèi)價(jià)值的情感反應(yīng)[12]?？梢杂酶吲d、舒適、生氣等詞匯來描述顧客的情感體驗(yàn)。關(guān)聯(lián)體驗(yàn)是通過特定的顧客體驗(yàn)解決方案，使之成為特定的體驗(yàn)消費(fèi)群體，滿足顧客自我改造、個(gè)人渴望和社會(huì)認(rèn)同，營(yíng)銷者可以通過增強(qiáng)顧客的關(guān)聯(lián)體驗(yàn)來保持與客戶的長(zhǎng)期關(guān)系[13]。

(三)理論模型

Aljukhadar M等研究得出推薦系統(tǒng)性能的4個(gè)方面，同時(shí)指出當(dāng)推薦系統(tǒng)具備這4個(gè)性能時(shí)能夠?qū)︻櫩腕w驗(yàn)產(chǎn)生重要影響。但是推薦系統(tǒng)的4個(gè)性能與顧客體驗(yàn)各維度之間的關(guān)系尚未得到實(shí)證的檢驗(yàn)。本文將顧客網(wǎng)上購(gòu)物體驗(yàn)分為功利體驗(yàn)、情感體驗(yàn)、關(guān)聯(lián)體驗(yàn)3個(gè)模塊，應(yīng)用Aljukhadar M等學(xué)者的理論，用人性化、智能性、可信賴性及資源豐富性來衡量推薦系統(tǒng)的性能，研究推薦系統(tǒng)的這些性能對(duì)顧客網(wǎng)上購(gòu)物體驗(yàn)產(chǎn)生的影響。研究的理論模型如圖1。

圖1 研究理論模型

(四)研究假設(shè)

Bharati 和Chaudhury認(rèn)為決策支持系統(tǒng)的信息質(zhì)量和系統(tǒng)性能能夠直接對(duì)顧客的滿意體驗(yàn)產(chǎn)生積極的影響[4]。而推薦系統(tǒng)作為信息決策系統(tǒng)的一種，也同樣對(duì)顧客體驗(yàn)有著重要作用。

人性化的推薦系統(tǒng)被認(rèn)為能提供更優(yōu)質(zhì)的服務(wù)，從而使消費(fèi)者獲得更多的滿意體驗(yàn)。網(wǎng)店的資源豐富性與消費(fèi)者對(duì)網(wǎng)上商店的態(tài)度正相關(guān)[14]。Francisco等學(xué)者的研究表明智能化的推薦系統(tǒng)能帶來精確的推薦，從而為顧客創(chuàng)造滿意的購(gòu)物體驗(yàn)[15]。推薦系統(tǒng)能幫助消費(fèi)者減少?zèng)Q策努力并改善決策質(zhì)量，大大提高了顧客的滿意度[16]。而顧客的功利體驗(yàn)在推薦系統(tǒng)的使用過程中可體現(xiàn)為：花費(fèi)更少的時(shí)間、用更低的價(jià)格購(gòu)買更稱心的商品，由此認(rèn)為推薦系統(tǒng)對(duì)顧客的功利體驗(yàn)產(chǎn)生正向影響。個(gè)性化推薦系統(tǒng)能夠?yàn)轭櫩蛣?chuàng)造個(gè)性化的社會(huì)聯(lián)系，進(jìn)而增強(qiáng)顧客的關(guān)聯(lián)體驗(yàn)[17]。McKnight認(rèn)為個(gè)性化的推薦系統(tǒng)能夠使顧客感受到被理解的相似偏好以及親密感，從而能夠使顧客在人機(jī)交互情境下獲得不一樣的情感體驗(yàn)[18]。

由此可以看出推薦系統(tǒng)的人性化、資源豐富性、可信賴性以及智能性都會(huì)對(duì)顧客體驗(yàn)產(chǎn)生積極的影響，同時(shí)，推薦系統(tǒng)的存在使得顧客能夠獲得更好的功利體驗(yàn)、情感體驗(yàn)以及關(guān)聯(lián)體驗(yàn)。但是推薦系統(tǒng)的4個(gè)性能與顧客體驗(yàn)的3個(gè)維度之間的關(guān)系尚未得到實(shí)證的檢驗(yàn)?；谝陨戏治?，提出如下假設(shè)：

假設(shè)1：推薦系統(tǒng)的人性化程度與顧客體驗(yàn)呈正相關(guān)。并延伸出以下假設(shè)：H1a：推薦系統(tǒng)的人性化程度與功利體驗(yàn)呈正相關(guān)；H1b：推薦系統(tǒng)的人性化程度與情感體驗(yàn)呈正相關(guān)；H1c：推薦系統(tǒng)的人性化程度與關(guān)聯(lián)體驗(yàn)呈正相關(guān)。

假設(shè)2：推薦系統(tǒng)的資源豐富性與顧客體驗(yàn)呈正相關(guān)。并延伸出以下假設(shè)：H2a：推薦系統(tǒng)的資源豐富性與功利體驗(yàn)呈正相關(guān)；H2b：推薦系統(tǒng)的資源豐富性與情感體驗(yàn)呈正相關(guān)；H2c：推薦系統(tǒng)的資源豐富性與關(guān)聯(lián)體驗(yàn)呈正相關(guān)。

假設(shè)3：推薦系統(tǒng)的可信賴程度與顧客體驗(yàn)呈正相關(guān)。并延伸出以下假設(shè)： H3a：推薦系統(tǒng)的可信賴程度與功利體驗(yàn)呈正相關(guān)；H3b：推薦系統(tǒng)的可信賴程度與情感體驗(yàn)呈正相關(guān)；H3c：推薦系統(tǒng)的可信賴程度與關(guān)聯(lián)體驗(yàn)呈正相關(guān)。

假設(shè)4：推薦系統(tǒng)的智能性與顧客體驗(yàn)呈正相關(guān)。并延伸出以下假設(shè)：H4a：推薦系統(tǒng)的智能性與功利體驗(yàn)呈正相關(guān)；H4b：推薦系統(tǒng)的智能性與情感體驗(yàn)呈正相關(guān)；H4c：推薦系統(tǒng)的智能性與關(guān)聯(lián)體驗(yàn)呈正相關(guān)。

二、數(shù)據(jù)收集與樣本描述

(一)問卷設(shè)計(jì)與數(shù)據(jù)收集

通過實(shí)證數(shù)據(jù)驗(yàn)證衡量推薦系統(tǒng)性能4個(gè)指標(biāo)的合理性。問卷的主要題項(xiàng)是基于Aljukhadar M等研究得出的量表所提出。顧客體驗(yàn)的測(cè)量及量表設(shè)計(jì)是在Suresh、Schmitt、楊曉東等學(xué)者的相關(guān)研究基礎(chǔ)上進(jìn)行修改而成。

(二)樣本描述

本次調(diào)研共發(fā)放問卷300份，回收率100%，有效問卷278份，有效率達(dá)92.7%。問卷對(duì)象多為大學(xué)生、公司白領(lǐng)等網(wǎng)購(gòu)頻率較高并對(duì)新鮮事物有較高敏感度的人群。

根據(jù)統(tǒng)計(jì)結(jié)果，樣本基本符合實(shí)際情況且能滿足本研究的要求。受訪者中男女比例分別為49.3%和50.7%。20～29歲和30～39歲為問卷調(diào)查的主要人群，約占總數(shù)的80%，此年齡段的人群是網(wǎng)購(gòu)的主力。在學(xué)歷方面，初中及初中以下的人群所占比例較低，66%的受訪者學(xué)歷為本科和研究生，這部分人群參與網(wǎng)購(gòu)較多且能對(duì)新事物產(chǎn)生正確判斷及獨(dú)到見解。受訪人群大部分有豐富的網(wǎng)購(gòu)經(jīng)驗(yàn)，對(duì)網(wǎng)上購(gòu)物的流程較為熟悉，且超半數(shù)受訪者每月網(wǎng)購(gòu)次數(shù)在1～3次，這是符合客觀現(xiàn)實(shí)的。

三、數(shù)據(jù)分析

運(yùn)用SPSS 18.0統(tǒng)計(jì)軟件，在因子分析過程中，推薦系統(tǒng)性能量表和顧客體驗(yàn)量表分別提取4個(gè)和3個(gè)公因子，累計(jì)解釋方差率分別為59.960%和63.757%，能夠較好地解釋總體方差，如表1所示。2個(gè)量表的所有因子KMO值均在0.8以上，Bartlett球形檢驗(yàn)的顯著性概率都為0.000，說明該組數(shù)據(jù)有很高的相關(guān)性。總體來說，問卷設(shè)計(jì)達(dá)到了研究要求的結(jié)構(gòu)效度。

表1 效度分析

(一)因子分析

1.推薦系統(tǒng)性能的因子分析。從表2可以看出，推薦系統(tǒng)性能因子分析的KMO值為0.843，大于0.8，非常適合使用因子分析法；量表的Bartlett球形檢驗(yàn)的卡方統(tǒng)計(jì)值的顯著性概率為0.000，小于0.01，說明應(yīng)拒絕變量獨(dú)立的假設(shè)，即變量間有較強(qiáng)的相關(guān)性，因子分析法適用。

表2 推薦系統(tǒng)性能因子分析的KMO 和 Bartlett’s Test

由表3可得出，用最大方差法旋轉(zhuǎn)后得到4個(gè)公因子，方差解釋量達(dá)到59.960%，與原量表構(gòu)造的維度一致。根據(jù)因子載荷矩陣，以因子數(shù)值大于0.5為標(biāo)準(zhǔn)，刪除題項(xiàng)“商品的可感知性”，其他所有題項(xiàng)與原量表基本保持一致。

2.顧客網(wǎng)上購(gòu)物體驗(yàn)的因子分析。從表4可以看出，顧客體驗(yàn)因子分析的KMO值為0.845，且Bartlett球形檢驗(yàn)的卡方統(tǒng)計(jì)值的顯著性概率為0.000，由以上兩個(gè)結(jié)果可以看出顧客網(wǎng)上購(gòu)物體驗(yàn)量表非常適合使用因子分析法。

由表5可以看出，可將顧客網(wǎng)上購(gòu)物體驗(yàn)劃分為3個(gè)維度，結(jié)果涵蓋了原量表的所有題項(xiàng)。該結(jié)果與原始變量構(gòu)造的維度一致。

3.量表的信度分析。對(duì)推薦系統(tǒng)性能和顧客網(wǎng)上購(gòu)物體驗(yàn)各自產(chǎn)生的公因子進(jìn)行內(nèi)部一致性檢驗(yàn)，2個(gè)量表的每個(gè)公因子信度系數(shù)均大于0.7，說明提取的公因子具有較高的可靠性，內(nèi)部結(jié)構(gòu)良好。且推薦系統(tǒng)性能量表的總體Cronbach’s α值為0.921，顧客網(wǎng)上購(gòu)物體驗(yàn)量表的總體Cronbach’s α值為0.837，表示該測(cè)驗(yàn)的信度甚佳，適合做研究分析。

表3 推薦系統(tǒng)性能因子分析表

(二)推薦系統(tǒng)性能因子與顧客網(wǎng)上購(gòu)物體驗(yàn)因子之間的關(guān)系分析

1.相關(guān)分析。在各個(gè)推薦系統(tǒng)性能因子與顧客網(wǎng)上購(gòu)物體驗(yàn)因子之間的相關(guān)關(guān)系方面，在0.05的顯著水平上，資源豐富性、可信賴性、智能性、人性化與功利體驗(yàn)呈正相關(guān)關(guān)系；可信賴性、人性化、資源豐富性與情感體驗(yàn)呈正相關(guān)關(guān)系；可信賴性、人性化、智能性與關(guān)聯(lián)體驗(yàn)呈正相關(guān)關(guān)系，這些均印證了本文的相關(guān)假設(shè)。但資源豐富性與關(guān)聯(lián)體驗(yàn)沒有顯著的相關(guān)關(guān)系，這一點(diǎn)與本文的研究假設(shè)相反，在下一步的回歸分析中將進(jìn)一步分析論證。具體相關(guān)關(guān)系見表6。

注：*、**分別表示在5%和10%水平上顯著(雙尾)。

2.回歸分析。使用SPSS對(duì)推薦系統(tǒng)性能的4個(gè)因子進(jìn)行了逐步回歸，自變量為人性化、資源豐富性、可信賴性和智能性，因變量為顧客網(wǎng)上購(gòu)物體驗(yàn)的功利體驗(yàn)、情感體驗(yàn)和關(guān)聯(lián)體驗(yàn)。

(1) 推薦系統(tǒng)性能與顧客網(wǎng)上購(gòu)物功利體驗(yàn)的回歸關(guān)系驗(yàn)證。逐步回歸中推薦系統(tǒng)性能4個(gè)因子變量都在0.01的水平上顯著，調(diào)整后的判定系數(shù)R2能夠解釋功利體驗(yàn)因子33.9%的變異量，每個(gè)模型的F統(tǒng)計(jì)值和T值的顯著性概率均小于0.01，回歸效果是明顯的。推薦系統(tǒng)性能因子進(jìn)入模型的順序分別是：資源豐富性、可信賴性、智能性、人性化。這些反映了推薦系統(tǒng)性能因子對(duì)顧客功利體驗(yàn)貢獻(xiàn)的大小。同時(shí)，我們可以看出，所有因子的容許度均為1，VIF值小于5，說明回歸方程不存在多重共線問題(見表7)。從回歸系數(shù)的分析得到如下回歸方程：

功利體驗(yàn)=0.474資源豐富性+0.292可信賴性+0.152智能性+0.137人性化

表7 推薦系統(tǒng)性能各因子與顧客網(wǎng)上購(gòu)物功利體驗(yàn)回歸分析結(jié)果

(2) 推薦系統(tǒng)性能與顧客網(wǎng)上購(gòu)物情感體驗(yàn)的回歸關(guān)系驗(yàn)證。逐步回歸的過程中，推薦系統(tǒng)性能的可信賴性、人性化、資源豐富性、智能性四個(gè)因子先后進(jìn)入模型。從表8的數(shù)據(jù)可以看出，調(diào)整后的判定系數(shù)為0.319，即回歸方程可解釋總體變異的31.9%。解釋變差的F統(tǒng)計(jì)值為27.534，其顯著性概率Sig=0.000<0.001。T值顯著性概率均小于0.01。所有因子的容許度均為1，VIF值小于5，回歸方程不存在多重共線問題。模型回歸效果達(dá)到顯著水平。得到回歸方程如下：

情感體驗(yàn)=0.264可信賴性+0.243人性化+0.199資源豐富性+0.189智能性

表8 推薦系統(tǒng)性能各因子與顧客網(wǎng)上購(gòu)物情感體驗(yàn)回歸分析結(jié)果

(3) 推薦系統(tǒng)性能與顧客網(wǎng)上購(gòu)物關(guān)聯(lián)體驗(yàn)的回歸關(guān)系驗(yàn)證。在逐步回歸的過程中，推薦系統(tǒng)性能的人性化、可信賴性、智能性三個(gè)因子先后進(jìn)入了模型，資源豐富性因子未進(jìn)入。由表9的數(shù)據(jù)看出，調(diào)整后的判定系數(shù)為0.459，能夠解釋總體變異的45.9%，F(xiàn)統(tǒng)計(jì)值為42.241，顯著性概率為0.000，T統(tǒng)計(jì)值的顯著性概率也小于0.01。所有因子的容許度均為1，VIF值小于5，回歸方程不存在多重共線問題。模型回歸效果良好。得到回歸方程如下：

關(guān)聯(lián)體驗(yàn)=0.201人性化+0.196可信賴性+0.172智能性

由表10可看出，本研究假設(shè)基本得到支持，有一項(xiàng)假設(shè)不成立。假設(shè)檢驗(yàn)結(jié)果如表12。資源豐富性因素對(duì)于顧客關(guān)聯(lián)體驗(yàn)在本研究中沒有表現(xiàn)出顯著的影響關(guān)系，可能是因?yàn)橘Y源豐富性與其他因素相比，不含有商家與顧客明顯的互動(dòng)性因素，也不含有任何社會(huì)性因素，更多的被視為推薦系統(tǒng)應(yīng)該具有的基本功能，無法滿足顧客的自我改造、個(gè)人渴望和社會(huì)認(rèn)同感。

表9 推薦系統(tǒng)性能各因子與顧客網(wǎng)上購(gòu)物關(guān)聯(lián)體驗(yàn)回歸分析結(jié)果

表10 推薦系統(tǒng)性能與顧客網(wǎng)上購(gòu)物體驗(yàn)的關(guān)系描述

四、結(jié)論

基于以上分析，可以驗(yàn)證：顧客網(wǎng)上購(gòu)物體驗(yàn)的維度可以用功利性體驗(yàn)、情感體驗(yàn)和關(guān)聯(lián)體驗(yàn)來描述；推薦系統(tǒng)的性能可以分為人性化、智能性、可信賴性以及資源豐富性四個(gè)維度；推薦系統(tǒng)性能的4個(gè)維度對(duì)顧客網(wǎng)上購(gòu)物的功利性體驗(yàn)均能產(chǎn)生積極影響，情感體驗(yàn)受到智能化、人性化、資源豐富性和可信賴性等因素的積極影響，而關(guān)聯(lián)體驗(yàn)受到除資源豐富性以外的人性化、可信賴性以及智能性三個(gè)因素的顯著影響。

表11 假設(shè)檢驗(yàn)結(jié)果

推薦系統(tǒng)的人性化因素對(duì)顧客網(wǎng)上購(gòu)物的功利體驗(yàn)、情感體驗(yàn)和關(guān)聯(lián)體驗(yàn)均有顯著影響，特別是情感體驗(yàn)和關(guān)聯(lián)體驗(yàn)。推薦系統(tǒng)應(yīng)突出與顧客進(jìn)行交流，提高顧客對(duì)于購(gòu)物環(huán)境的感知友好性；系統(tǒng)的導(dǎo)航路線應(yīng)該本著簡(jiǎn)單合理、方便易用、一目了然的原則，突出系統(tǒng)的易用性。

推薦系統(tǒng)的資源豐富性因素對(duì)顧客網(wǎng)上購(gòu)物的功利體驗(yàn)和情感體驗(yàn)?zāi)軌虍a(chǎn)生積極的影響。營(yíng)銷者可以拓寬推薦渠道，使消費(fèi)者能夠輕松及時(shí)獲取信息；可根據(jù)消費(fèi)者的購(gòu)買和瀏覽歷史提高推薦的針對(duì)性，并適當(dāng)增加推薦產(chǎn)品種類和信息的豐富性。

推薦系統(tǒng)的可信賴因素對(duì)顧客網(wǎng)上購(gòu)物的功利體驗(yàn)、情感體驗(yàn)和關(guān)聯(lián)體驗(yàn)都產(chǎn)生積極的顯著影響。營(yíng)銷者必須對(duì)負(fù)面口碑進(jìn)行有效管理，提升網(wǎng)站自身形象；必須提供真實(shí)客觀的產(chǎn)品信息和有效的推薦鏈接，使顧客感到網(wǎng)站的可靠性；系統(tǒng)應(yīng)該提供更加專業(yè)的購(gòu)物指導(dǎo)或與專業(yè)人士交流的機(jī)會(huì)，提高顧客的決策質(zhì)量和感知價(jià)值；并對(duì)買家評(píng)論進(jìn)行總結(jié)歸納，提取真實(shí)有用的信息，提高顧客評(píng)價(jià)的參考價(jià)值。

推薦系統(tǒng)的智能性因素對(duì)顧客網(wǎng)上購(gòu)物的功利體驗(yàn)、情感體驗(yàn)和關(guān)聯(lián)體驗(yàn)有積極的影響。將“人”的推薦和基于某種算法的“系統(tǒng)”推薦相結(jié)合，并且能夠設(shè)置搜索產(chǎn)品的相關(guān)信息，最大程度提高推薦的準(zhǔn)確性和可靠性，盡可能滿足顧客的偏好，促進(jìn)顧客對(duì)商家形成關(guān)系承諾。

良好的推薦系統(tǒng)性能不僅能夠提高顧客的決策質(zhì)量，而且能夠使顧客購(gòu)物選擇變得容易，從而為顧客帶來良好的購(gòu)物體驗(yàn)。因此，網(wǎng)絡(luò)商家可以從人性化、資源豐富性、可信賴性以及智能性幾個(gè)角度出發(fā)，從整體上把握推薦系統(tǒng)性能的構(gòu)成維度，了解自己系統(tǒng)存在的缺陷以及可控的性能因子，將這些因子做為切入點(diǎn)進(jìn)行推薦系統(tǒng)性能的管理。