亞馬遜“預測式購物”對圖書館個性化信息服務的啟示

The Enlightenment of Amazon's Anticipatory Shopping for the Individualized Information Service of Our Libraries

Li Bingming

Abstract With the rapid development of information technology and the continuous improvement of intelligent penetration, the personalized information service and information resources push which based on the anticipatory analysis of the reader behavior become important means of innovative service of libraryis. Meanwhile Amazon analyzes the users shopping behavior data, forecasts its merchandise preference, ships ahead of time, reduces the waiting time for the users. So this paper proposes to establish the personal library for the readers, carry out the reader behavior analysis research, develop the diversified channels of personalized information push and predictable literature resource distribution mechanism.

Keywords Library. Amazon. Anticipatory shopping. Individualized information service. Big data.

1　亞馬遜“預測式購物”內涵

1.1　“預測式購物”概述

2013年12月，全球著名電子商務網站亞馬遜（Amazon）公司獲得了一項名為“預測式購物”的新專利，這項新技術也稱為“預測式發貨”或者預期遞達，英文全稱為anticipatory shipping，可以通過對用戶數據的分析，在他們還沒有下單購物前，提前發出包裹。根據這一項技術，亞馬遜將根據某一個網民的購物歷史、購物意愿、搜索歷史、購物車內容等數據，對其商品偏好進行分析，如果系統判定某一個用戶極有可能購買新到的一種商品，亞馬遜將會自動發貨，將這一商品配送到距離該用戶最近的一個物流倉庫中，其后只要該用戶在網站上下出訂單，本已在離家不遠的商品，將以最快的速度送到該用戶的手中 [1]。

1.2　對“預測式購物”內涵的認識

盡管亞馬遜“預測式購物”新技術在提出以后吸引了業界的大量關注，但這種基于用戶行為分析模型的預測化營銷模式早已被廣泛應用，如早在2007年，沃爾瑪就通過對消費者的購物行為等用戶數據進行分析，創造了“啤酒與尿布”的經典商業案例 [2]；Facebook正在利用稱作Deep Learning的新的人工智能技術來理解用戶的心情或者猜測將要發生的事件，甚至僅僅基于那些并未有明確暗示的帖子，此外還能用于在照片中尋找特定物體，做出關于用戶未來可能行為的復雜預測 [3]。

同為基于用戶行為分析模型的預測化營銷模式，而亞馬遜“預測式購物”的創新之處在于通過復雜的算法來研究、分析其積累的龐大用戶數據得出用戶可能購買的商品后進行預測性送貨，并在用戶確認訂單后實現最短時間內將商品送達，縮短用戶等待商品的時間，提高用戶購買商品的成功率。

無論是沃爾瑪、Facebook還是亞馬遜，這種預測都是基于用戶行為信息分析而做出的。電商通過對用戶在網站上發生的包括購買前、購買后的所有行為信息，比如搜索、瀏覽、評價、購買、退貨、加入購物車、取出購物車、心愿單、收藏夾和使用優惠券等，甚至包括在與其合作的第三方網站上的相關行為，比如評論、商品價格比對、微博、觀看相關產品評測以及好友之間的互動數據進行深度分析和理解，捕獲潛在客戶的購買心理和購買意向，從而制定對客戶的貼心服務以及個性化的信息推薦。

2　基于亞馬遜“預測式購物”的圖書館個性化信息服務平臺搭建

亞馬遜的“預測式購物”商品配送機制對于傳統的圖書館來說是一種值得借鑒的做法。雖然圖書館只是一個對讀者提供信息服務的公益機構，在其服務的過程中不能得到盈利的回報，而且也無法承擔起較高的物流配送成本，但亞馬遜“預測式購物”這種基于大數據的用戶行為分析則是圖書館界需要學習和鉆研的地方。圖書館應借鑒這種基于用戶行為分析模型的預測化營銷模式，通過對讀者的行為信息進行采集、存儲和組織，其后對這些海量數據進行分析和挖掘，準確捕獲和定位讀者的閱讀習慣、潛在的閱讀心理與傾向以及未來的信息需求，在圖書館智能化服務平臺上建立每位讀者的“心愿書架”，制定對讀者的貼心服務和個性化信息服務。

2.1　構建圖書館智能化服務平臺

2.1.1　圖書館智能化服務平臺的構建

圖書館智能化服務平臺應由數據采集模塊、數據傳輸模塊、大數據中心和應用服務模塊等四部分組成。數據采集模塊就是利用數據采集設備對讀者在圖書館發生的所有行為進行全面的搜集，比如對讀者進出館的時間和次數、借還記錄、閱覽記錄、上網日志、網站評論、服務調查、意見反饋、參考咨詢、圖書預約以及圖書超期記錄等等，數據傳輸模塊借助于通信設備和網絡，將數據采集模塊采集到的數據安全、高效、準確地傳輸到大數據中心 [4]，大數據中心包含圖書館原有的信息資源，并且負責將這些海量的讀者行為數據進行存儲、組織和歸類，并將這些讀者行為信息與具有讀者明確屬性的讀者進行整合，為應用服務模塊提供個性化信息服務提供數據支撐。

2.1.2　圖書館智能化服務平臺的功能

隨著大數據時代的到來，一方面是傳統的、單一的、粗獷式的信息服務模式已很難滿足讀者個性化信息服務的需求；另一方面是隨著讀者群數量和讀者行為的數據量急劇增長，傳統的數據存儲架構和管理模式已嚴重滯后，無法完成多維度、全方位的數據采集、存儲、組織和分析，從而無法從復雜、大量的數據中篩選、過濾出可準確預測讀者感興趣的內容，以及個性化信息服務的需求等傾向性信息，圖書館由于缺乏有效數據的支持也就無法針對讀者完成最基本的、最有效的個性化信息服務的推送。因此，圖書館智能化服務平臺應具備以下幾個功能。

第一，保證數據采集、傳輸、處理和分析等整個過程得到安全、高效、準確的管理，并將采集到的讀者行為數據進行標準化處理，確保數據具有較強的系統性、完整性和價值性，為準確預測讀者未來閱讀傾向和提供個性化信息服務提供扎實可靠的保障。

第二，對讀者進行多維度的分析，以讀者的專業、閱讀習慣、閱讀手段等相關屬性建立分析維度，把所有的文獻信息資源進行整理、篩選、歸類，使之與讀者的多維數據建立起操作性較強的關聯庫，以保證每一位讀者接收到的個性化信息推送與其屬性相關。

第三，建立讀者行為分析體系，對讀者構成、閱讀習慣、閱讀手段、內容偏好、讀者信用等數據進行全面的分析，挖掘讀者之間的關系并對其進行管理和相應的分析，建立“讀者—資源—渠道”的讀者行為分析體系。

2.2　貼近讀者，完善個性化信息推送服務措施

2.2.1　建立讀者的“個人圖書館”

為每個讀者建立“個人圖書館”，允許讀者管理自己的書籍以及與他人進行數據共享、交互和評論，并在個人圖書館內設置“心愿書架”，允許讀者創建自己的多個心愿書單，通過“心愿書架”全面搜集讀者感興趣的、急需的，以及讀者推薦的書籍目錄，并通過“心愿書架”為讀者及時推送新書上架的信息。

2.2.2　分析研究讀者行為，實時捕獲讀者的閱讀需求

通過對讀者使用圖書館過程中產生的行為數據，比如借還記錄、訪問內容、上網日志和搜索關鍵詞等行為數據，并結合讀者相關屬性進行讀者行為分析研究，實時捕獲讀者的閱讀需求，并進行細化、分類的個性化信息服務。如讀者在檢索文獻時出現選擇關鍵詞的困境，可以通過智能化服務平臺推送相關的關鍵詞給讀者選擇；讀者在進行跨學科課題研究時，及時將相關學科、交叉學科的文獻經過系統的分析、判定準確地提供給讀者；在文獻借閱流通環節加強管理，對于一些已經外借而又有讀者預約的文獻，可與正在持有閱讀該文獻的讀者進行協商“約還”，避免文獻沒有被有效地利用而滯留在某一讀者的手中，造成文獻信息資源的浪費。

2.2.3　制定多元化的信息推送渠道

在目前的信息技術環境下，讀者接收個性化信息推送的渠道是多元化的，讀者自身的閱讀習慣、所處的閱讀環境以及擁有的閱讀終端在一定程度上決定采取的信息推送渠道，同時也決定了個性化信息推送的成功率和有效性。現實生活中有些讀者本身擁有電腦而且使用電腦比較方便，可能更傾向于接受圖書館采取電子郵件的形式進行推送，有些讀者喜歡閱讀手機上的短信以及使用微信等方式，則可建立圖書館微信公眾號，以私信的形式進行信息推送。此外，讀者QQ群也是一種信息推送的有效形式，以專業、興趣和研究方向等相關信息為導向組建不同的QQ群，有目的、有計劃、有針對性地進行信息推送。誠然，要完成如此多元的個性化信息推送，圖書館的運營和服務成本會比較高，但對于提升讀者的服務價值性、閱讀收益率和讀者的滿意度等起到關鍵性的作用。面對過高的成本，可以通過統一規劃圖書館智能服務平臺，保證數據管理平臺架構層次合理、高效，降低在數據采集、存儲、組織和分析過程中的成本來維護整個智能服務體系的正常運營。

2.2.4　在所推薦的信息資源旁設置“不喜歡”按鈕

通過在所推薦的信息資源旁邊設置“不喜歡”按鈕的形式，可以收集讀者對所推薦信息資源的喜好，同時設置反饋信息欄，拓寬讀者反饋信息的渠道，以補充數據采集模塊采集到的主體性數據源，糾正預測讀者行為數據的偏離性和互補性，提高預測讀者閱讀習慣、閱讀傾向和未來閱讀需求的準備判定。

2.2.5　制定可預測化的文獻資源配送機制

隨著無線射頻技術（RFID）的快速發展，自助圖書館成為圖書館文獻管理智能化的手段，效仿亞馬遜“預測式購物”的商品配送機制開展人性化、智能化、可預測的文獻資源配送的創新服務將成為可能，這種配送機制對于已經配備自助借還書系統的圖書館無疑是一項技術創新，特別是讀者相對較為分散的公共圖書館尤其重要。深圳市圖書館在全市布點40個自助圖書館，利用自主研發的“城市街區24小時自助圖書館系統”進行技術創新和服務創新，開創了一種全新的、充分滿足讀者需求的服務方式 [5]。福州大學城利用自助圖書館構建共享互借的網絡 [6]。依靠自助圖書館系統，圖書館不但可以完成申辦新證、自助借書、自助還書、預約服務、查詢服務等常規業務工作，還可以通過對所在街區、社區自助圖書館的借還記錄、瀏覽記錄、預約服務等數據進行深入的分析和挖掘，并結合所在區域讀者群的相關屬性，準確地預測該區域讀者的個性化需求，有針對性進行自助圖書館文獻資源配送，最大限度地滿足讀者的信息服務需求。

3　結語

當前，隨著信息技術的快速發展和智能化普及率的不斷提高，圖書館智能化建設正進入快速發展的時期，借助智能化服務平臺“預測”讀者的個性化需求已成為圖書館個性化信息服務的重要工具和內容，而開展“預測式”個性化信息服務則是改進圖書館信息服務工作的有效措施，也是在新的信息環境下提高圖書館文獻資源利用率和服務質量的重要手段。因此，圖書館應實時捕獲讀者的閱讀需求，以讀者為中心，以滿足讀者需求為驅動，通過分析和挖掘讀者潛在的信息需求，主動為讀者量身定制各種可“預測”的個性化信息資源與推送服務機制。