電子商務推薦系統的應用

[摘 要] 本文簡要的介紹了電子商務推薦系統的概念及其作用，詳細地論述電子商務推薦系統所采用的推薦技術及其實現。

[關鍵詞] 電子商務 推薦系統 推薦技術

隨著互聯網的廣泛普及，電子商務獲得迅猛發展。與傳統商業模式不同，電子商務交易雙方是不謀面的，商家不能直觀地了解客戶，能獲得的只是大量的相關數據(如用戶注冊信息、歷史購買記錄等)。這樣通過對數據的分析來盡可能地揣摩客戶，在適當的時間向適當的客戶推薦適當的商品或服務就顯得尤為重要，電子商務推薦系統正是針對這一需求應運而生的。

一、電子商務推薦系統簡介

電子商務推薦系統是一個基于網上購物環境、以商品為推薦對象的個性化推薦系統，為用戶推薦符合興趣愛好的商品。其定義為：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。

電子商務推薦系統使得電子商務網站主動適應每個客戶的特定需求，為每個客戶創建適應該客戶個性化需求的電子商店，從而為每個客戶提供完全不同的個性化購物環境，為電子商務系統實現“一對一營銷”的個性化服務提供了可能。

電子商務推薦系統和銷售系統、決策支持系統既相似又有不同。銷售系統是幫助銷售人員如何把產品銷售出去；決策支持系統是幫助生產者決定什么時候生產什么產品，其目的是為企業生產者服務；推薦系統是幫助用戶對購買什么產品做出決策，是面向用戶的系統。

二、電子商務推薦系統的作用

電子商務推薦系統的最大優勢在于它能夠根據客戶的興趣、愛好、習慣，以及各個客戶之間的相關性主動為客戶做出推薦。推薦的形式包括向客戶推薦商品，提供個性化的商品信息、及其他客戶的喜惡等，并且給出的推薦也是實時更新的。即當系統中的產品庫和客戶的興趣等資料發生改變時，給出的推薦信息也會自動改變。廣義而言，推薦系統使得網站更具個性化(網站會調整某些信息以迎合不同的客戶)。總的來說，電子商務推薦系統的作用主要表現在三個方面:①將電子商務網站的瀏覽者轉變為購買者。有時客戶只是看看網站的內容而沒有購買的意思，推薦系統可以幫客戶找到他們感興趣的、愿意買的商品。②提高電子商務網站的交叉銷售能力。基于用戶已經購買的商品，推薦客戶購買一些相關的商品。③提高客戶對電子商務網站的忠誠度。推薦系統可以提供符合客戶個性化需求的購物信息，因此能夠吸引老客戶訪問網站。

三、電子商務推薦技術

目前，電子商務推薦系統所采用的推薦技術大致可以分為三類：信息檢索、內容過濾、協同過濾。

1.信息檢索：響應用戶提交的搜索請求，返回相應的查詢結果。網絡搜索引擎如yahoo，google等采用的都是這種技術。信息檢索技術一般對文本內容建立全文索引或摘要索引，對非文本內容如圖片、視頻等根據一些特征進行索引。信息檢索技術容易實現，檢索速度快，但其不足在于：①提交一個查詢往往返回數以千計的結果，有些是相關的，但大多數并不相關，用戶需要花費時間和精力去挑選；②只能回答用戶詢問的問題，不能主動、增量的向用戶提供知識。

2.內容過濾：基于商品信息，包括商品的屬性及商品之間的相關性和客戶的喜惡來向其推薦。基于商品屬性主要是基于產品的屬性特征模型推薦。例如，對在購物車以往記錄中或有多張打折CD的客戶就可以向其推薦一些打折CD。基于商品間的關聯性是根據客戶感興趣的產品推薦相關的產品。例如，服裝的搭配，商品的系列或配套件。內容過濾技術分析商品的屬性及其相關性可以脫機進行，所以推薦響應時間快，其弊端在于不能為用戶發現新的感興趣的商品，只能發現和用戶已有興趣相似的商品；不能為新客戶形成合適的推薦，因為客戶還沒有購物經歷，基于內容過濾的推薦系統得不到參考輸入。

3．協同過濾：基于協同過濾技術的電子商務推薦系統并不分析商品之間的相似性，而是學習目標用戶和歷史用戶之間購買行為的相似性，從而根據相似歷史用戶的購買行為生成推薦結果。協同過濾技術不需要商品特征的描述，它學習的是用戶購買行為之間的相似性，而不依賴商品的特征，因此它可以推薦從表面特征上看上去不同但實際上有很大相關性的商品。所以其優點是:①能為用戶發現新的感興趣的商品；②不需要考慮商品的特征，任何形式的商品都可以推薦。缺點是:①用戶對商品的評價非常稀疏，這樣基于用戶的評價所得到的用戶間的相似性可能不準確(即稀疏性問題)；②隨著用戶和商品的增多，系統的性能會越來越低(即可擴展性問題)；③如果從來沒有用戶對某一商品加以評價，則這個商品就不可能被推薦(即最初評價問題)。

四、電子商務推薦系統的實現

電子商務推薦系統的實現過程主要包括推薦輸入、推薦分析、推薦輸出三部分。

1．推薦輸入是為推薦分析提供的數據準備，主要的輸入形式有：①隱式瀏覽輸入：如客戶的瀏覽行為在客戶不知道的情況下被記錄作為推薦系統的輸入；②顯式瀏覽輸入：客戶的瀏覽行為是有目的向推薦系統提供自己的愛好，如對商品的評價等；③關鍵詞和項目屬性輸入：客戶輸入關鍵詞或項目的有關屬性以得到推薦系統的有價值推薦；④客戶購買歷史：客戶過去的購買記錄。

2．推薦分析是推薦系統的核心部分，所采用的推薦技術決定著推薦系統的性能優劣。在實際應用中，電子商務推薦系統一般采用多種推薦技術的組合，盡量利用各種推薦技術的優點而避免其缺點，提高推薦系統的性能和推薦質量。比如，為了克服協同過濾的稀疏性問題，可以利用用戶瀏覽過的商品預期用戶對其他商品的評價，這樣可以增加商品評價的密度，再進行協同過濾，從而提高協同過濾的性能。

3．推薦輸出是推薦系統基于推薦輸入的數據進行有效的推薦分析之后，以適當的形式將推薦結果展示給用戶，主要的輸出形式有:①建議，典型的如Top－N，能夠根據客戶的喜好向客戶推薦最可能吸引客戶的N件產品；②預測，系統對給定項目的總體評分；③個體評分，輸出其他客戶對商品的個體評分；④評論，輸出其他客戶對商品的文本評價。

五、結束語

電子商務領域中，通過推薦系統實現個性化服務一方面有助于電子商務網站內容和結構自適應性的實現，另一方面在幫助用戶快速定位感興趣的商品的同時也為企業實現了增值。電子商務推薦系統作為有利的分析工具和促銷手段，已成為電子商務網站的競爭工具，必將獲得廣泛的應用和發展。

參考文獻:

[1]周惠宏等:推薦技術在電子商務中的運用綜述[J].計算機應用研究，2004，(1)

[2]許敏:電子商務中推薦系統存在的問題及其對策研究[J].計算機科學，2001，28(4)

[3]余力劉魯:我國電子商務推薦策略的比較分析[J].系統工程理論與實踐，2004，(8)