楊單 劉啟川

摘 要：跨境電商蓬勃發(fā)展，個(gè)性化推薦策略對(duì)于跨境電商平臺(tái)運(yùn)營(yíng)至關(guān)重要。首先對(duì)于傳統(tǒng)電商平臺(tái)的個(gè)性化推薦策略進(jìn)行簡(jiǎn)單介紹，然后結(jié)合跨境電商的特殊性闡述跨境電商平臺(tái)個(gè)性化推薦策略的特點(diǎn)，分析可改進(jìn)的因素，最后結(jié)合大數(shù)據(jù)理念和技術(shù)有針對(duì)性地分別從建立區(qū)域用戶畫像庫、優(yōu)化推薦算法、提高推薦效率以及實(shí)現(xiàn)精準(zhǔn)營(yíng)銷等方面提出跨境電商平臺(tái)個(gè)性化推薦策略的優(yōu)化建議。

關(guān)鍵詞：跨境電商;個(gè)性化推薦;策略優(yōu)化;大數(shù)據(jù)

隨著近年來“供給側(cè)結(jié)構(gòu)性改革”以及“一帶一路”等戰(zhàn)略的持續(xù)推進(jìn)，我國(guó)跨境電子商務(wù)迅猛發(fā)展，它不僅突破了國(guó)家間交易壁壘，加速了國(guó)際貿(mào)易聯(lián)系，而且改變了傳統(tǒng)的國(guó)際貿(mào)易慣例，實(shí)現(xiàn)世界經(jīng)濟(jì)的轉(zhuǎn)型。在跨境電商平臺(tái)上，由于海量海外商品的涌入，造成了“信息爆炸”和“信息過載”，給消費(fèi)者在選擇目標(biāo)商品方面帶來了極大的困難，難以明確自己的需求，甚至忘記自己的需求，無法找到最合適、最愿意為之付款的商品，這就需要電商平臺(tái)為消費(fèi)者提供信息過濾，根據(jù)用戶的需求來推薦潛在目標(biāo)商品，個(gè)性化推薦功能就逐漸成為了各大電商平臺(tái)的標(biāo)配功能。而對(duì)于跨境電商平臺(tái)而言，由于跨境電商市場(chǎng)有其諸如消費(fèi)者群體的特殊性、進(jìn)出口商品政策的特殊性等行業(yè)特色，其個(gè)性化推薦功能與傳統(tǒng)電商相比較而言也相應(yīng)地會(huì)有較大區(qū)別，因此為了能夠更好地適應(yīng)當(dāng)前大數(shù)據(jù)環(huán)境下跨境電商平臺(tái)用戶對(duì)信息服務(wù)準(zhǔn)確化、智能化和個(gè)性化的需求，研究基于大數(shù)據(jù)的跨境電商個(gè)性化推薦策略優(yōu)化有較大現(xiàn)實(shí)意義。

一、傳統(tǒng)電商平臺(tái)個(gè)性化推薦策略

電商平臺(tái)的個(gè)性化推薦目的是對(duì)不同用戶根據(jù)一定規(guī)則和策略來推薦不同的商品，從而實(shí)現(xiàn)整個(gè)電商平臺(tái)的精準(zhǔn)營(yíng)銷，提高消費(fèi)者的購買轉(zhuǎn)化率，提高平臺(tái)的交易額。

（一）基于協(xié)同過濾的推薦策略

基于協(xié)同過濾的推薦策略在電商平臺(tái)中使用得比較廣泛，簡(jiǎn)單來說是利用某興趣相投、擁有共同經(jīng)驗(yàn)的群體的喜好來推薦用戶感興趣的信息，具體而言又可分為基于用戶的協(xié)同過濾和基于物品的協(xié)同過濾。

首先，基于用戶的協(xié)同過濾推薦策略?；谟脩舻膮f(xié)同過濾推薦策略在電商平臺(tái)中使用得比較早，符合人們對(duì)于“趣味相投”的認(rèn)知，即興趣相近的消費(fèi)者往往具有相同的商品喜好，當(dāng)目標(biāo)用戶需要個(gè)性化推薦時(shí)，可以先在系統(tǒng)數(shù)據(jù)中找到與該用戶有相似喜好的用戶群體，然后將這個(gè)用戶群體喜歡并經(jīng)常購買、而目標(biāo)用戶又沒有接觸過的商品推薦給目標(biāo)用戶。

基于用戶的協(xié)同過濾推薦策略更偏向社會(huì)化、大眾化，其推薦結(jié)果在新穎性方面有一定的優(yōu)勢(shì)，但是隨著用戶數(shù)目的增大，用戶相似度計(jì)算復(fù)雜度越來越高，而且其推薦結(jié)果相關(guān)性較弱，難以對(duì)推薦結(jié)果做出解釋，容易受大眾影響而推薦熱門商品。

其次，基于物品的協(xié)同過濾推薦策略。基于物品的協(xié)同過濾推薦策略是目前電商平臺(tái)使用得最多的推薦策略。無論是亞馬遜還是Netflix，其推薦策略的基礎(chǔ)都是基于物品的協(xié)同過濾策略。其核心是給目標(biāo)用戶推薦那些和他們之前喜歡的、購買過的物品相似的商品，主要通過分析消費(fèi)者的購買、收藏等行為記錄來計(jì)算商品之間的相似度。該策略基于的假設(shè)是：商品A和商品B具有很大的相似度是因?yàn)橄矚g商品A的用戶大多也喜歡商品B。

基于物品的協(xié)同過濾推薦策略更偏向于個(gè)性化，可以利用消費(fèi)者的歷史行為給推薦結(jié)果做出解釋，讓消費(fèi)者更為信服推薦的效果，但這種策略傾向于推薦與用戶已購買商品相似的商品，往往會(huì)出現(xiàn)多樣性不足、推薦新穎度較低的問題。

（二）基于內(nèi)容的推薦策略

基于內(nèi)容的推薦策略與協(xié)同過濾策略有相似之處，但是基于內(nèi)容的推薦策略關(guān)注的是物品本身的特征，不需要通過消費(fèi)者對(duì)物品的購買和評(píng)價(jià)情況，而是通過已經(jīng)被用戶購買、評(píng)價(jià)過的物品自身的特征來構(gòu)建用戶喜好特征庫，再與目標(biāo)推薦商品特征進(jìn)行匹配，從而實(shí)現(xiàn)最終推薦。比如在圖書購買的推薦策略中，系統(tǒng)會(huì)提取出用戶購買過且評(píng)價(jià)較高的圖書的共性來進(jìn)行分析，比如出版社、作者、主題、類別等，通過與其他圖書比較這些特征，從而找到相似度較高的圖書推薦給用戶。這種策略在商品及購買、評(píng)價(jià)信息較少的情況下，也可以推薦出合適的商品，但這種方法只是比較適合進(jìn)行基于文本信息的內(nèi)容提取，適用于結(jié)構(gòu)化的數(shù)據(jù)，對(duì)于非結(jié)構(gòu)化的多媒體數(shù)據(jù)適應(yīng)度較差，同時(shí)推薦范圍較窄，無法發(fā)現(xiàn)用戶外在的潛在興趣。

（三）基于規(guī)則的推薦策略

基于規(guī)則的推薦策略中所謂的規(guī)則分為兩大類別：商品之間的關(guān)聯(lián)規(guī)則和用戶之間的關(guān)聯(lián)規(guī)則，比如對(duì)于購物車來分析關(guān)聯(lián)規(guī)則，通過分析用戶放入購物車的不同種類商品之間的關(guān)聯(lián)，從而獲取用戶的購買喜好，然后基于該喜好推薦目標(biāo)商品給用戶。這種策略非常簡(jiǎn)單，易于實(shí)施，具有較強(qiáng)的通用性，缺點(diǎn)在于在交易量大的電商平臺(tái)進(jìn)行關(guān)聯(lián)規(guī)則挖掘時(shí)會(huì)涉及到海量數(shù)據(jù)的處理，耗費(fèi)時(shí)間和資源。

（四）基于搜索的推薦策略

基于搜索的推薦策略，是將推薦的過程看作是對(duì)于相關(guān)商品的檢索過程，首先提取到該用戶歷史購買過和評(píng)價(jià)過的商品信息，在搜索過程中構(gòu)造一個(gè)搜索查詢?nèi)ふ翌愃频钠渌麩豳u商品作為推薦結(jié)果推薦給目標(biāo)用戶。比如對(duì)于書籍的推薦可以通過同一個(gè)作者或者相似的主題、關(guān)鍵詞來進(jìn)行檢索。這種策略在用戶信息較少時(shí)效率較高，但涉及到有成百上千購買次數(shù)的用戶，相關(guān)檢索性能會(huì)急劇下降，而且從個(gè)性化推薦的新穎性、相關(guān)度方面來衡量效果也較差。

二、跨境電商平臺(tái)個(gè)性化推薦策略的影響

（一）相關(guān)政策影響

與國(guó)內(nèi)的電商平臺(tái)交易不同，對(duì)于進(jìn)出口商品的交易，國(guó)家有相關(guān)專門政策來進(jìn)行管理，隨著跨境電商呈爆發(fā)增長(zhǎng)態(tài)勢(shì)，國(guó)家相繼出臺(tái)了一系列支持和規(guī)范跨境電商的政策，比如2012年，國(guó)家開放了第一批進(jìn)口跨境電商試點(diǎn)城市;2013年出臺(tái)了支持跨境電商出口的政策;2014年進(jìn)口跨境電商開始合法化，有明確的稅收政策;2015年，國(guó)家規(guī)范了進(jìn)口稅收政策并降低了部分進(jìn)口商品的關(guān)稅;2016年4月8日起對(duì)進(jìn)口跨境電商零售產(chǎn)品實(shí)行了新的稅制政策——《關(guān)于跨境電子商務(wù)零售進(jìn)口稅收政策的通知》（簡(jiǎn)稱“四八新政”）。

具體到對(duì)于跨境電商個(gè)人用戶影響比較大的是交易限額的設(shè)置，自2019年1月1日起跨境電子商務(wù)零售進(jìn)口單筆交易限額由原來的2000元上升至5000元人民幣，年度交易限額由原來的20000元上升至人民幣26000元。這對(duì)于跨境電商的個(gè)性化推薦策略就提出了新的原則和要求，給目標(biāo)用戶推薦的商品除了按照以往傳統(tǒng)電商要求的興趣度來排序以外，還必須要考慮到用戶的單筆交易額度和年度交易額度，否則會(huì)出現(xiàn)推薦了用戶確實(shí)感興趣卻又無法購買的商品，最終導(dǎo)致用戶期望值和推薦結(jié)果之間的誤差，降低用戶對(duì)跨境電商平臺(tái)的滿意度和信任度。另外，國(guó)家對(duì)于各種類別的跨境商品的稅率是不一樣的，不同的稅率也會(huì)影響用戶對(duì)于相關(guān)類別商品的需求，這個(gè)在推薦策略的時(shí)候也是需要重點(diǎn)考慮的。

（二）用戶群體差異性的影響

跨境電商的用戶群體來自于全球各個(gè)不同的國(guó)家和地區(qū)，消費(fèi)群體范圍廣而且存在不確定性，每個(gè)國(guó)家和地區(qū)的文化傳統(tǒng)和消費(fèi)習(xí)慣的不同也會(huì)導(dǎo)致即使對(duì)于同一類別的商品，人們的喜好程度、對(duì)品質(zhì)、價(jià)格、物流方式等等要求都會(huì)有所區(qū)別，在跨境電商平臺(tái)進(jìn)行個(gè)性化推薦時(shí)，完全基于商品和大眾用戶的推薦策略就不太合適。比如在跨境電商平臺(tái)上購買一臺(tái)同型號(hào)的電視機(jī)，歐洲等發(fā)達(dá)國(guó)家的消費(fèi)者可能更關(guān)注的是服務(wù)體驗(yàn)，比如下單方便、送貨快捷、送貨到家、上門安裝等，對(duì)價(jià)格可能不太敏感;而東南亞地區(qū)的消費(fèi)者可能更關(guān)心的是性價(jià)比，促銷、折扣等對(duì)他們的吸引力度更大，至于是不是晚幾天收到貨、能不能送到家等方面是可以忍受的。因此在推薦策略方面差異性也很大。

這就要求必須在快速獲取用戶的海量行為日志的前提下，有針對(duì)性地分析用戶所在國(guó)家和地區(qū)的整體數(shù)據(jù)，對(duì)不同區(qū)域的用戶群體構(gòu)建起消費(fèi)模型體系，基于大數(shù)據(jù)描繪出精準(zhǔn)的用戶畫像，最終基于這個(gè)模型和畫像來進(jìn)行精準(zhǔn)營(yíng)銷，給目標(biāo)用戶推薦合適的目標(biāo)商品。

（三）物流時(shí)效性的影響

相比于國(guó)內(nèi)傳統(tǒng)電商的高效物流體系可以實(shí)現(xiàn)從下單到收到商品的“隔日達(dá)”甚至“當(dāng)日達(dá)”，跨境電商由于受到保稅倉距離的影響，物流時(shí)效性方面會(huì)大為遜色?？缇畴娚痰奈锪鳂I(yè)務(wù)是通過國(guó)內(nèi)的保稅倉庫來進(jìn)行發(fā)貨，而當(dāng)前擁有保稅倉庫的國(guó)內(nèi)的7個(gè)跨境電商試點(diǎn)城市、35個(gè)跨境電商綜合試驗(yàn)區(qū)數(shù)量上雖然比前幾年有了很大的提升，但也無法遍布全國(guó)所有城市，所以當(dāng)消費(fèi)者選擇購買的商品所在的保稅倉庫離消費(fèi)者地理位置上非常遠(yuǎn)時(shí)，就需要等待較長(zhǎng)的時(shí)間才能收到貨物，有可能是3-7天，也有可能更長(zhǎng)時(shí)間，這對(duì)于用戶的購買體驗(yàn)會(huì)有較大影響。

因此相對(duì)于興趣度和購買意愿，跨境電商平臺(tái)用戶也有可能會(huì)傾向于購買那些不見得是最滿意但是所在保稅倉庫更近的商品。這就要求在跨境電商平臺(tái)給用戶進(jìn)行推薦時(shí)要充分考慮用戶和商品的距離，從而提升用戶體驗(yàn)，提高推薦的準(zhǔn)確度。

（四）更高促銷敏感度影響

由于前面提到的國(guó)家政策對(duì)于個(gè)人用戶在跨境電商平臺(tái)上購物的限額政策，消費(fèi)者希望能夠用有限的額度買到更多、更好、更劃算的商品，因此對(duì)于平臺(tái)上的促銷活動(dòng)會(huì)特別敏感，比如在雙十一、818等大型促銷活動(dòng)中，一旦出現(xiàn)感興趣的目標(biāo)商品，感覺價(jià)位合適，就有可能花掉大部分甚至全部的購買額度來進(jìn)行消費(fèi)。

因此，在跨境電商個(gè)性化推薦策略中，對(duì)于促銷情境的識(shí)別非常重要，應(yīng)當(dāng)根據(jù)促銷力度來提升目標(biāo)用戶喜好商品的推薦優(yōu)先級(jí)，以確保目標(biāo)用戶能夠在有限的額度消費(fèi)中購買到價(jià)格最低、最劃算的目標(biāo)商品，這會(huì)極大提升用戶的消費(fèi)體驗(yàn)。

（五）相關(guān)風(fēng)險(xiǎn)控制的影響

由于跨境電商采用點(diǎn)對(duì)點(diǎn)交易，跳過了中間環(huán)節(jié)，商品的稅率要比傳統(tǒng)貿(mào)易商品低，因此在平臺(tái)上會(huì)產(chǎn)生很多靠賺取中間差價(jià)的“代購用戶”，低價(jià)囤積商品再高價(jià)賣給其他消費(fèi)者，但是國(guó)家相關(guān)法規(guī)明確規(guī)定禁止二次銷售跨境電商商品，如果出現(xiàn)這種行為相關(guān)跨境電商平臺(tái)和企業(yè)要承擔(dān)相應(yīng)的連帶責(zé)任。跨境電商平臺(tái)的這類風(fēng)險(xiǎn)是國(guó)內(nèi)傳統(tǒng)電商平臺(tái)所沒有的，因此在推薦策略方面也要能夠通過大數(shù)據(jù)分析準(zhǔn)確獲取有這類代購傾向的用戶信息，及時(shí)予以提醒，杜絕相關(guān)風(fēng)險(xiǎn)。

三、跨境電商個(gè)性化推薦策略優(yōu)化建議

（一）針對(duì)用戶人群進(jìn)行精準(zhǔn)分類建模，構(gòu)建區(qū)域用戶畫像庫

基于前面分析，跨境電商平臺(tái)的用戶群體特征與傳統(tǒng)電商平臺(tái)用戶有顯著區(qū)別，來自于全球不同國(guó)家和地區(qū)的消費(fèi)者的需求有很大差異性，由于未考慮到這個(gè)因素，傳統(tǒng)電商平臺(tái)的個(gè)性化推薦策略不適用于跨境電商平臺(tái)。因此，首先就要采用深度學(xué)習(xí)算法、分布式數(shù)據(jù)處理平臺(tái)等大數(shù)據(jù)技術(shù)和工具對(duì)于跨境電商平臺(tái)中的用戶相關(guān)信息、行為日志、交易記錄等海量數(shù)據(jù)進(jìn)行挖掘和分析，再結(jié)合消費(fèi)者所屬的國(guó)家和地區(qū)特點(diǎn)，建立不同國(guó)家和地區(qū)的用戶群體的消費(fèi)模型體系，從用戶的消費(fèi)偏好、客戶滿意度、客戶忠誠(chéng)度、消費(fèi)購買力、區(qū)域消費(fèi)習(xí)慣等維度構(gòu)建起區(qū)域用戶畫像庫，最終基于這個(gè)模型體系和區(qū)域用戶畫像庫再結(jié)合具體商品特征才能對(duì)用戶進(jìn)行精準(zhǔn)個(gè)性化推薦。

（二）優(yōu)化“用戶-情境因素-商品屬性”的個(gè)性化推薦算法

傳統(tǒng)電商的個(gè)性化推薦策略中，廣泛采用的是基于用戶的協(xié)同過濾算法或者基于物品的協(xié)同過濾算法，不管是從用戶畫像庫中找商品還是從商品畫像庫中找用戶，主要研究的都是“用戶-商品”的關(guān)聯(lián)關(guān)系。但是如前面所分析，跨境電商有其特殊性，受到各種商品和用戶之外的很多其它因素影響，比如受政策影響、受物流時(shí)效性影響，用戶有著更高的促銷敏感度，還要對(duì)相關(guān)代購之類的風(fēng)險(xiǎn)進(jìn)行控制，這就要求在個(gè)性化推薦策略中，也要把這些特殊的“情境因素”以適當(dāng)?shù)姆绞娇紤]進(jìn)去。

另外，傳統(tǒng)的協(xié)同過濾算法僅僅是基于用戶-商品評(píng)分來進(jìn)行推薦，這種方式?jīng)]有對(duì)于目標(biāo)消費(fèi)者在某一個(gè)商品的喜好和在某類商品的喜好進(jìn)行區(qū)分，忽略了對(duì)于商品屬性偏好的具體細(xì)節(jié)。比如，對(duì)于同一款運(yùn)動(dòng)服，有些用戶可能是因?yàn)橄矚g這個(gè)品牌購買，有些用戶可能是因?yàn)橄矚g這個(gè)顏色購買，有些用戶可能是因?yàn)橥笟獾墓δ苜徺I，而有些用戶可能純粹是因?yàn)榇悦餍嵌徺I，最終他們都購買了這款運(yùn)動(dòng)服而且給出了較高評(píng)價(jià)，為了更好地進(jìn)行精準(zhǔn)的個(gè)性化推薦，就要求不能僅僅針對(duì)用戶評(píng)分，而要結(jié)合商品的具體屬性來進(jìn)行關(guān)聯(lián)推薦?？缇畴娚唐脚_(tái)上商品種類繁多，又涉及到各個(gè)不同國(guó)家和地區(qū)的用戶群體，用戶對(duì)于商品偏好的區(qū)域化特征明顯，所以對(duì)于跨境電商平臺(tái)商品屬性的個(gè)性化推薦需求就顯得更加緊迫。

因此，要對(duì)之前基于“用戶-商品”的傳統(tǒng)個(gè)性化推薦算法進(jìn)行優(yōu)化，再結(jié)合跨境電商產(chǎn)生的海量數(shù)據(jù)的背景形成基于“用戶-情境因素-商品屬性”的個(gè)性化推薦算法，具體的關(guān)鍵環(huán)節(jié)有對(duì)情境因素進(jìn)行識(shí)別分類、權(quán)重排序，根據(jù)商品屬性進(jìn)行用戶相似度計(jì)算等。如圖1所示。

（三）基于海量數(shù)據(jù)集提升個(gè)性化推薦策略執(zhí)行效率

受經(jīng)濟(jì)全球化影響，與傳統(tǒng)電商平臺(tái)相比，跨境電商平臺(tái)一般都規(guī)模較大，像考拉海購、小紅書、天貓國(guó)際等，動(dòng)輒上億客戶，每天產(chǎn)生數(shù)以百萬計(jì)的交易記錄。這些海量數(shù)據(jù)給個(gè)性化推薦提供了機(jī)會(huì)，但是與此同時(shí)要從對(duì)這些龐大的數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)對(duì)于用戶推薦的快速響應(yīng)，一般要求達(dá)到秒級(jí)響應(yīng)，這又給個(gè)性化推薦策略提出了挑戰(zhàn)。

如何提高對(duì)于海量數(shù)據(jù)集的處理效率，業(yè)界采用的方法有很多，可以通過采用分布式計(jì)算平臺(tái)、增加計(jì)算資源、提高算法效率等方式來解決，其中比較行之有效的一種方法是在個(gè)性化推薦算法中進(jìn)行離線計(jì)算能力的擴(kuò)展。這里可以借鑒亞馬遜的做法，主要的原則是：把大數(shù)據(jù)集轉(zhuǎn)換成小數(shù)據(jù)集、把在線不可控的海量數(shù)據(jù)轉(zhuǎn)換成在線可控的少量數(shù)據(jù)。具體而言，對(duì)于商品畫像庫和用戶畫像庫的生成，可以使用離線處理方式，然后結(jié)合用戶的在線數(shù)據(jù)使用個(gè)性化推薦算法來建立用戶和商品之間的關(guān)聯(lián)，最后對(duì)于目標(biāo)用戶生成最優(yōu)推薦商品列表完成個(gè)性化推薦流程。

（四）結(jié)合跨境電商特點(diǎn)進(jìn)行大數(shù)據(jù)精準(zhǔn)營(yíng)銷

在跨境電商平臺(tái)中，結(jié)合前面所述，以上個(gè)性化推薦策略優(yōu)化后的有效運(yùn)行，可以精準(zhǔn)定位到平臺(tái)中目標(biāo)客戶，這是進(jìn)行精準(zhǔn)營(yíng)銷的最重要一步。再進(jìn)一步地結(jié)合跨境電商的特點(diǎn)，利用大數(shù)據(jù)技術(shù)對(duì)于客戶需求進(jìn)行精準(zhǔn)分析，對(duì)各種營(yíng)銷推廣渠道進(jìn)行效果分析，然后針對(duì)不同需求和特點(diǎn)的用戶群體進(jìn)行不同類別的針對(duì)性營(yíng)銷推廣，對(duì)不同類別的消費(fèi)者采用不同的定價(jià)策略，實(shí)現(xiàn)真正意義上的精準(zhǔn)營(yíng)銷。

四、結(jié)論

由于跨境電商平臺(tái)在用戶群體、政策約束、物流體系等方面的特殊性，跨境電商平臺(tái)的個(gè)性化推薦策略也會(huì)跟傳統(tǒng)電商的推薦策略有很大的不同，本文提出可以結(jié)合大數(shù)據(jù)理念和技術(shù)，根據(jù)跨境電商平臺(tái)的特點(diǎn)，對(duì)于個(gè)性化推薦策略進(jìn)行優(yōu)化，分別從區(qū)分用戶群體構(gòu)建區(qū)域用戶畫像庫、優(yōu)化考慮多種因素的個(gè)性化推薦算法、提升大數(shù)據(jù)環(huán)境下的推薦效率、實(shí)現(xiàn)大數(shù)據(jù)精準(zhǔn)營(yíng)銷等幾個(gè)方面進(jìn)行了建議。優(yōu)化后的個(gè)性化推薦策略的實(shí)施，可以有效提升跨境電商平臺(tái)用戶的購物體驗(yàn)，提高跨境電商平臺(tái)的銷售效益，最終實(shí)現(xiàn)雙贏。