基于个性化推荐技术的电子商务发展研究
来源:用户上传
作者:项露芬
摘 要：在电子商务全面发展、全面进步的今天，信息超频现象变得越发频繁，该问题致使很多用户无法有效掌握与获得自己需要的商品。为应对这一现象，个性化推荐就此出现，该技术能够为用户提供合理、可行、需求的商品。该技术以定性分析形式，检索商务网站信息，利用协同过滤、内容过滤、关联规则、信息检索等办法，分析应用层优缺点，比较关联指标，能够为电子商务的推进提供支持。文章对此技术在电子商务中的应用进行了研究。
关键词：电子商务;个性化技术;分析对比;协同过滤
在电子商务迅猛发展的背景下，社会发生了翻天覆地的变化，实现了实体投资的有效控制，解决了传统店面自身的陈列空间问题。购物者在这一技术的支持下，获得了近乎无限大的可用于赏析商品的平台。当然因平台过于庞大，顾客做不到在短时间内从计算机屏幕完成对所有商品的浏览，且缺少促销人员的引导，所以用户遇到了信息超载问题。所谓的信息超载就是由于网站提供了过多的商品信息，所以用户无法第一时间获得自己需要的产品，该问题会导致用户失去购物兴趣。对电子商务来说，这是需要着重考虑的问题，只有为用户提供适用的商品，才能够提高销售能力。
1 电子商务推荐
面对科技的发展，互联网渐渐成为人们生活当中必不可少的一种技术。互联网凭借着众多优势极大地便利了人们的生活。当然正因互联网有着庞大的信息资源渠道与传播能力，所以才会促进电子商务的发展。电子商务发展过程中遇到了很多问题，其中，信息超载是一种对电子商务行业进步最为致命的要素。為处理该问题，就需要运用推荐系统。推荐系统能够充分地处理信息超载情况[1]，是一种能够让电子商务网站完成一对一营销的有效技术。该技术能够大规模、自动化地为电子商务发展提供出路。网站将推荐系统视作虚拟店员，为客户提供产品购买建议与产品详细信息，提高了消费者商品选择能力与效率。在推荐系统的支持下，网站能够充分适应消费者需求，满足消费者个性化需要，为用户提供更好的消费体验。推荐系统主要有如下3点作用。
1.1 推荐系统能够将网站浏览者变成购买者
推荐系统凭借着强大的分析能力、推荐能力，让很多原本没有商品购买意愿的用户对网站商品产生兴趣。为用户挖掘和提供需求的商品，培养出忠诚的客户[2]。
1.2 提高网站的交叉销售水平
在现代商业中，交叉销售是非常普遍的现象。交叉销售能够有效引导用户发现与购买自己有需求的商品，处理与解决有需求却购买不到商品的客户需要。
1.3 能够拉近企业与顾客之间的关系，培养客户忠诚度
对于企业发展来说，培养客户忠诚度是最为基本的一项操作和商业策略[3]。互联网用户购买商品时，如果没有找到自己想要的商品，只需轻点鼠标就能够浏览其他商家的网站。推荐系统可以在一定程度上缓解这一局面。在推荐系统的帮助下，客户顺利地找到了自己需求的产品类型，可以有效培养客户归属度、忠诚度，提高网站与客户黏性。
现如今绝大多数大型网站，甚至可以说几乎所有我们了解、熟知的购物网站都已经应用了推荐系统。在推荐系统的支持下，极大地提高了电子商务网站的整体业务能力[4]。
2 推荐技术
2.1 协同过滤
协同过滤能够按照目标用户条件，为用户提供有着偏好相似、爱好相同的其他客户对待信息的观点。以此为依据，判定信息对于目标用户的价值，最终在得到肯定回复后，将信息推荐给用户，减少信息超载带来的负面影响、负面作用。协同过滤最大的优点在于不需要推荐项目内容，所以能够在做到新异推荐的同时，将过滤对象充分扩展到所有资源当中。该技术如今是商务推荐中最成功、使用最广泛的算法。
该算法构建用户—项目评分矩阵，利用统计技术获知与目标用户爱好相同、品味相似、搜索相似的用户。随后根据这些相似用户对于商品评分、商品喜好情况预测商品评分数值，并将最高评分的商品反馈给目标用户。该技术运用了相似爱好原理。数据搜集得越多，那么推荐质量就越好。
协同过滤技术在商品数量增多时，技术难度变得越来越大，所以需要考虑稀疏性问题。
2.2 内容过滤
内容过滤这项技术和信息检索相同之处众多，当然二者也有不同，比如内容过滤能够很好地满足用户对于信息的长期需求。内容过滤能够为所有的用户建立独立的用户描述，将用户喜欢的、讨厌的内容明确分类，并且还能够将用户喜爱的内容进行比较。比如音乐、电影、Web页面、商品等。将相似度更高的内容推荐给用户，保障了推荐的可测量性。除此之外推荐结果的解释质量也比较出众。用户描述能够在该系统中从用户喜欢项目、喜欢内容中不断分析、学习。当然也会用问卷反馈、查询用户语句的方式得到。内容过滤系统包括WebMate，CiteSeer，LIBRA。当然内容过滤同样存在缺点。
首先，内容分析非常有限。内容分析、内容过滤对于对象的结构性有很高要求。所以大多被用文本资源的处理与过滤。在面对音乐、视频、图像这类有着复杂结构的条件时，就无法保障内容质量特征、有效推荐相应信息。事实上，即便是面对文本资源，内容过滤也只能做到对其内容信息的反应，并不能有效辨别文本资源质量特性。
其次，无法提供新异推荐。这是因为内容过滤有着过度专门化问题，难以有效、充分挖掘用户感兴趣的主题商品。
2.3 关联规则
关联规则技术是数据挖掘中最为关键的一种技术，零售领域对于该技术已经使用了多年。该技术应用用户交易数据的关联规则以及用户近期的购买行为为用户提供商品推荐，大多被用在交叉销售当中。目前，比较典型的规则为购物篮分析。也就是说根据用户的购物篮商品关系进行判断，如用户购物篮频频出现同类商品，那么电子商务网站就会为用户提供和用户近期付款、订单相关或类似的商品。此外，关联规则还能够帮助网站主动调整商品网页陈列位置，目前比较常见关联规则推荐系统为E-VZpro。 关联规则技术同样存在缺点，即以被购买商品关联确定商品关联性，正因如此，该技术整体个性化程度不足。此外，面对稀疏、高维情况会出现弱规则。根据经验以及实验可以看出，关联规则在推荐能力上弱于协同过滤。并且关联规则属于推荐系统，该系统缺点在于质量差，并且做不到动态更新。在规则数量越来越多以后，系统管理难度会不断加剧。
2.4 信息检索
从用户角度和商品分类角度进行划分与浏览。商品的分类浏览实际上就是主题分类信息查找，这种做法能够顺利地获知商品信息，便利了网站商品管理，与人们的认知事物习惯十分地契合。当然分类浏览缺点是比较突出的。电子商务网站对于信息检索的运用需要从下述几点考虑。
2.4.1 很多商品难以合理分类
面对科技的进步与发展，社会中出现了各种各样的学科，交叉学科数量变多，出现了许多难以明确分类的产品。用户逐层浏览无法做到明确分类商品。
2.4.2 欠缺统一商品分类手段
事实上，电子商务网站并没有和图书分类一样明确、统一的分类规则。在分类商品、名称的时候存有很大争议。
2.4.3 分类浏览耗时多
在浏览前，用户需要先了解与掌握商品分类情况，随后逐步寻找自己需要的商品。以关键字查询方式搜寻产品的优点是非常突出的，这种做法没有特定局限领域，并且查找速度很快、效率较高。当然關键词查询的问题也比较显著。这种做法的准确率不高，在用户提交请求的时候，系统往往会回馈非常多的结果。此时，用户需要进一步浏览与查找，甚至需要多次查找才能够找到自己需要的内容，个性化水平不高。客户如果给出的关键词相同，那么返回来的查询结果将会一成不变，无法为客户提供新的发现。
3 结语
信息化时代，为迎合时代追求，且考虑到电子商务需要，企业就需要考虑推荐技术，利用大数据技术、人工智能技术为用户提供个性化推荐，使商品与服务更能契合用户需求。这不仅是电子商务时代背景下的企业价值链起点，也是创造更大经济利润、经济效益的源头。当前电子商务网站大多使用协同过滤、内容过滤、关联规则、信息检索等4种技术。以上技术因各有优势与不足，所以在搭设电子商务网站的时候，有必要配合使用，获得最佳的服务。
[参考文献]
[1]丁昭巧.多Agent技术下电子商务用户感知和个性化推荐模型探究[J].商业经济研究，2018（3）：98-102.
[2]孙雨生，张晨，朱礼军，等.国内电子商务个性化推荐研究进展：架构与实践[J].现代情报，2017（5）：151-156.
[3]郭燕萍.基于LBS的O2O电子商务个性化推荐方法研究[J].农业网络信息，2016（12）：52-54.
[4]裴英梅.电子商务个性化推荐模型及技术研究[J].科技视界，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
转载注明来源:https://www.xzbu.com/8/view-15019916.htm
