基于本地團購類電商用戶消費心理的個性化推薦研究

王曉耘，高 敬

（杭州電子科技大學 管理學院，浙江 杭州 310018）

基于本地團購類電商用戶消費心理的個性化推薦研究

王曉耘，高 敬

（杭州電子科技大學 管理學院，浙江 杭州 310018）

推薦系統是當今解決電子商務“信息過載”的重要手段，其推薦方法主要是根據用戶、商品的歷史數據進行推薦。消費心理學認為消費心理支配消費行為，消費行為是消費心理的外在表現。文章基于本地團購類電商這一特定視角，從用戶消費心理出發，將用戶消費心理引入電子商務推薦中，結合用戶歷史購買記錄，利用信念網絡建立用戶消費心理網絡模型，并利用該模型進行商品推薦。實驗結果證明基于消費心理的推薦方法可行且具有一定一般性。

電子商務推薦系統；消費心理；信念網絡

一、引言

電子商務網站在提供大量商品的同時也為其用戶帶來了“信息過載”問題，用戶需要的是能滿足自己需求及興趣的富有針對性的產品。電子商務推薦系統被認為是解決當今電子商務領域“信息過載”的重要手段之一，其目的是需要將該產品推薦給對其感興趣的用戶。

隨著當今社會消費者生活水平及消費能力的提高，消費者不僅單純關注商品的使用價值，更加關注商品對其內在心理需求的滿足。消費心理學認為：消費心理支配消費行為，是一種相對穩定的心理態勢，消費行為是消費心理的外在表現[1]。本文以某本地團購電商平臺為例，通過該平臺消費者的購買歷史衡量其消費心理，進而在推薦過程考慮用戶消費心理并通過實驗證明該方法可行且有效。

二、相關研究評述

（一）網購用戶消費心理研究

近些年對于消費者網購消費心理與行為的研究逐漸增多，主要集中于特定人群在特定產品下的網購消費心理與行為。在電子商務消費環境下，消費者消費心理與行為的作用關系相對于線上消費環境呈現出一些特殊性質：高芳放[2]研究了當代大學生網購消費心理，研究表明大學生在網購中注重便利、實惠的同時也希望展現個性，網購安全意識、攀比心理相對較強；孟澤云[3]、高海霞[4]等從性別角度研究了網購用戶消費心理，認為女性消費者網購消費心理在情緒性消費等四方面較為凸顯，而男性消費者則對網購環境擔憂程度較低；茍玲[5]等分析網絡團購消費者消費心理及行為特點，認為網絡團購消費者其消費心理主要體現在求廉、求便、求新、從眾四方面。結合國內外對網購消費心理的研究現狀，本文對于本地團購電商用戶消費心理特征總結如下：

1.便捷的消費心理：表現為消費者意圖通過團購電商節省時間與勞動成本的心理訴求。

2.實惠的消費心理：具體表現為團購類電商消費者貨比三家、擇優選擇的消費心理。

3.求質的消費心理：具體表現為消費者對于團購商品質量、口碑及品牌具有一定心理訴求。

4.個性的消費心理：具體表現為消費者在線上購物時更加追求個性，不拘于大眾商品。

5.擔憂的消費心理：具體表現在消費者對于線上商家、產品及網上支付體系缺乏信任。

（二）電子商務個性化推薦研究

電子商務推薦系統由P Resnick與HR Varian于1997年提出，指利用電子商務網站向客戶提供商品信息和建議，幫助用戶決定應該購買什么產品，模擬銷售人員幫助客戶完成購買過程[6]。推薦算法是整個推薦系統中的核心部分，其很大程度上決定了推薦系統的性能及推薦效果，目前主流的推薦算法大致分為以下幾類：

1.協同過濾算法：該算法是電子商務推薦系統中應用最成功的推薦技術之一[7]，算法思想借鑒人們日常社交生活中購買商品的方式：即如果某消費者的親朋好友購買了某件商品且對該商品評價很好時，那么該消費者在很大程度上也會嘗試購買該商品。

2.基于內容的推薦：基于內容的推薦算法根據用戶歷史消費數據，建立用戶模型，針對被推薦物品進行特征提取，進而比較物品特征與用戶模型的相似性進行推薦，項目特征表示目前最常用的是TF-IDF[8]方法。基于標簽的推薦是一個新的研究方向，國內外諸多學者對標簽結構、語意等方面進行了研究探討[9-11]。

3.基于社會網絡的推薦：社會網絡是現實社會中人與人之間關系的延續與擴展，現實生活中用戶更喜歡來自朋友而非來自系統的推薦，文獻[12]證實了用戶興趣相似度和用戶信任度之間的正相關性。

三、商品屬性與用戶消費心理聯系

基于消費心理學分析網絡團購消費者的消費過程：當且僅當商品屬性符合消費者的消費心理時，該消費者才會做出購買決策。本文通過建立本地團購電商用戶其消費心理與商品屬性之間的聯系，根據信念網絡構建用戶消費心理網絡模型，得到消費者消費心理類別概率，進而根據被推薦商品屬性計算該消費者消費心理后驗概率，幫助推薦系統做出推薦決策。

（一）商品屬性與消費心理的關系

對于商品屬性的獲取，考慮到本文研究對象及本地團購電商的特殊性，所選商品屬性需與消費者消費心理相關且需適用于本地團購電商環境，本文選取的商品屬性依次為：折扣、價格、商家檔次、銷量、評價、距離、經營性質、獨特性這8個屬性，離散化處理結果如表1所示。

表1 本地團購類電商商品屬性離散化處理表

根據上文中對于本地團購電商用戶消費心理特征的總結結論，本文將本地團購電商背景下的用戶消費心理劃分為：便捷心理、實惠心理、求質心理、個性心理、擔憂心理5個維度，具體描述如表2所示。

表2 本地團購類電商用戶消費心理類型劃分表

（二）基于信念網絡的消費心理分析

信念網絡是一種模擬人類推理過程中因果關系的不確定性處理模型，目前應用較為成功。本文利用Cooper和Herskovits[13]提出K2結構算法學習本地團購電商用戶消費心理網絡結構模型，進而為消費者做出商品推薦。具體描述如下：

（1）根據用戶消費歷史，計算每對商品屬性變量Xi與Xj（i，j=1，2，3，…，8；i≠j）間的條件互信息I（Xi；Xj|D），其數值表示商品屬性變量間的依賴程度：（k=1，2，3，4，5） （1）

（2）以 I（Xi；Xj|D）為權重，結合消費心理學的經驗判斷，對商品屬性X1到X8進行排序，將D放在首位，確定K2結構算法的初始節點，得到變量序列 F={f1，f2，f3，…，f9}。

（3）由初始節點構建網絡空間，采用家族CH評分函數 CHscore（fi，θ（fi））計算后驗概率。

（4）對變量序列 F={f1，f2，f3，…，f9}中的每一個節點構建其父節點，其父節點的選取必須在該節點的前序集合中，計算：

其中j為該節點父節點的個數，D為F的實例數據，θ（fi）表示fi父節點的概率大小，BS為信念網絡結構，?ijk、Wijk分別為 fi、θ（fi）第 k 個狀態。選取使評分函數 CHscore（fi，θ（fi））最大值的信念網絡結構，得到研究對象消費心理類型概率分布。

四、方法驗證與實驗分析

（一）樣本選取與處理

本文以某本地團購電商用戶A為研究對象，根據其在該團購平臺近一年（2016年1月至2017年1月）的團購消費記錄，將其記錄按表1離散化處理后得到建立消費心理信念網絡結構的訓練集。隨機選取10例該平臺新加入的團購項目，對商品屬性離散化處理后作為測試集。為確保A用戶未接觸過測試集，將禁止A用戶使用該平臺一段時間，直至測試集項目足夠充分（30個新項目以上）。

（二）消費心理網絡結構學習

本文采取Matlab軟件的貝葉斯網絡工具箱[14]作為消費心理信念網絡的學習工具，按照上文中給出的方法進行消費心理信念網絡結構學習。首先，根據公式確定每對商品屬性變量Xi與Xj（i，j=1，2，3，…，8；i≠j）間的條件互信息 I（Xi；Xj|D），如表3所示。

表3 商品屬性條件互信息表

計算表中全部 I（Xi；Xj|D）的算數平均值 I（Xi；Xj|D）=0.102，篩選出大于 I（Xi；Xj|D）的結果并升序排列，排序結果如表4所示。

表4 商品屬性條件互信息升序表

將序號作為權重，計算各個節點的權重，得到節 點 次 序 由 高 到 低 分 別 是 X3、X1、X8、X7、X2、X4、X5、X6，權重越高的節點對其他節點影響越大。根據K2算法的輸入要求，結合消費心理學考慮各個變量之間的因果關系，因在前，果在后，將節點重新排序，加入變量D，最終得到初始變量序列F={D，X3，X1，X7，X8，X2，X5，X4，X6}。將訓練集輸入 K2算法，學習得到用戶A消費心理信念網絡結構如圖1所示，與A用戶消費心理直接相連的節點為折扣、評價、距離。由該網絡結構，得到A用戶消費心理的類別概率如表5所示。

圖1 A用戶消費心理網絡結構

表5 A用戶消費心理類別概率表

由表5可得，用戶A的消費心理表現從強到弱依次為實惠心理、求質心理、擔憂心理、便捷心理、個性心理。其實惠心理（D2）、求質心理（D3）、擔憂心理（D5）三者總和占據全部消費心理的80%以上，說明該用戶在實際消費中主要關注商品的價格、質量和網購帶來的相關隱患。

（三）基于消費心理網絡結構的新產品推薦

新產品推薦的主要思想是將離散化后的商品屬性輸入A的消費心理信念網絡，得到該用戶消費者心理的后驗概率，若后驗概率分布與表5的概率分布大致一致，則進行推薦，否則不推薦，具體步驟如下：

（1）將測試集商品屬性輸入圖1的消費心理信念網絡，得到消費者消費心理的后驗概率。

（2）由于用戶A實惠心理、求質心理、擔憂心理三者總和占據全部消費心理的80%以上，若根據測試集得到的消費心理后驗概率在該三種消費心理的結果均大于表5的結果，則進行推薦，否則不推薦，實驗結果如表6所示。

表6 測試集商品實驗結果表

（3）依據測試集的商品，對用戶A進行訪問，判斷該用戶的購買意向，與表6實驗結果進行對比，最終得到推薦效果的混淆矩陣如下：

表7 推薦效果混淆矩陣

由表7可知，通過測試集實驗結果與用戶訪問結果進行比較，推薦的精確度為90%，推薦結果較為精準。

五、實驗結果驗證

為驗證本文所提出的基于本地團購電商用戶消費心理的推薦方法是否具有一般性，從全校范圍內選擇30位志愿者進行試驗結果驗證。將30位志愿者在該平臺為期一年（2016年1月至2017年1月）的消費記錄進行整理，按照上文提出的方法進行消費心理信念網絡建模，得到每位用戶的消費心理分布，之后利用測試集數據學習某種商品下該用戶消費心理的后驗概率，判斷是否推薦該商品，并通過訪談與用戶實際的購買意愿進行比較，當推薦結果的準確率高于百分之80，認為該用戶通過檢驗，否則不通過。實驗結果顯示：參與調查的30名用戶中有28名用戶通過檢驗，總體通過率達到93.3%，認為該基于本地團購類電商消費者消費心理的推薦方法基本可行且具有一般性。

六、小結

本文基于電子商務個性化推薦，根據本地團購電商用戶消費歷史對其消費心理進行分析，結合信念網絡建立其消費心理網絡結構，得出用戶消費心理類型概率分布，進而進行產品推薦，促進了電子商務、消費心理理論的交叉融合，實驗結果表明所提出的方法可行且具有一定一般性。不足之處在于本文僅采用消費心理這一消費行為影響因素作為研究對象，若將消費者消費能力、人口統計學特征等其他因素結合融入推薦模型中，其推薦結果可能更為精準。

[1]BOLLERSLEVT.Generalizedautoregressiveconditionalheteroskedasticity[J].Journal of Econometrics，1986，31（3）：307-327.

[2]高芳放，2015.大學生網絡消費心理與行為調查[J].中國青年研究（2）：100-102，107.

[3]孟澤云，2012.基于女性網購群體消費心理的營銷策略探析[J].電子商務（6）：46-47.

[4]高海霞，劉大為，2011.淺析男性的購物特征與男性市場拓展策略[J].中國市場（48）：121-124.

[5]茍玲，周韻桐，2014.基于團購消費心理的商家營銷策略研究[J].E-Commerce Letters（3）：18-21.

[6]RESNICK P，VARIAN H R.Recommender systems[J].Communications of the Acm，1997，40（3）：56-58.

[7]黃濤，黃仁，張坤.一種改進的協同過濾推薦算法[J].計算機科學，2016，43（S1）：400-403.

[8]BEEL J，GIPP B，LANGER S，et al.Research-paper recommender systems：a literature survey[J].International Journal on Digital Libraries，2015，17（4）：1-34.

[9]CARO P D，PINI M S，SAMBO F.A Tag-Based Recommender System[M].Springer International Publishing，2016.

[10]B.THORAT P，M.GOUDAR R，BARVE S.Survey on Collaborative Filtering，Content-based Filteringand Hybrid Recommendation System[J].International Journal of Computer Applications，2015，110（4）：31-36.

[11]SEO Y，AHN J.Hybrid Contents Recommendation Service Using LBS and NFC Tagging[J].International Journal of Smart Home，2013，7（5）：251-262.

[12]BHUIYAN T.A Survey on the Relationship between Trust and Interest Similarity in Online Social Networks[J].Journal of Emerging Technologies in Web Intelligence，2010，2（4）：291-299.

[13]COOPER G F，HERSKOVITS E.A Bayesian Method for the Induction of Probabilistic Networks from Data[J].Machine Learning，1992，9（4）：309-347.

[14]蔣望東，林士敏，2007.基于貝葉斯網絡工具箱的貝葉斯學習和推理[J].信息技術（2）：5-8.

（責任編輯：C 校對：L）

F724.6

A

1004-2768（2017）06-0112-05

2017-04-05

杭州電子科技大學優秀碩士學位論文培育項目（GK160203204004/001）

王曉耘（1956-），男，浙江杭州人，杭州電子科技大學管理學院教授，研究方向：數據挖掘與商務智能；高敬（1993-），男，甘肅蘭州人，杭州電子科技大學管理學院碩士研究生，研究方向：數據挖掘與商務智能。