電子商務個性化推薦研究

摘要：近年來，科技的不斷進步也推動了網絡規模的擴大，伴隨著網絡規模的擴大電子商務的地位越發的凸顯出來，并成了當前工作中相當重要的一種模式。然而，電子商務的發展并不簡單。作為一個虛擬的交易平臺如何留住顧客以及吸引顧客是一大難題，對這一問題的研究是目前電子商務平臺的首要問題。文章從電子商務個性化推薦這一點上進行研究，對上述問題進行探討。

關鍵詞：電子商務；個性化推薦；技術應用

在電子商務的推薦技術組成中，個性化的推薦技術是其中較為重要的組成部分。這一部分在某種意義上來說決定了推薦系統的性能優劣程度。個性化的系統在電子商務的運行過程中，能夠起到記錄用戶瀏覽歷史并對其進行分析的作用。這能夠使電子商務的個性推薦系統對用戶日常的愛好進行挖掘，并預測用戶感興趣的商品，從而進行推薦。這樣，在使得企業的產品銷售量得到增加同時還能夠使用戶的在購買的過程中得到良好的體驗。在此基礎上對于電子商務個性化推薦系統的研究具有重要的意義。

一、概括電子商務個性化推薦系統

通過對電子商務系統的不斷完善與發展，目前對于商品信息的表現越來越復雜化多樣化，對于用戶的需求的滿足也越發的艱巨。在這一背景下，對用戶進行精準的營銷成了當前相當重要的一個熱點，受到廣大商家的追捧。進而提升了電子商務系統的開發程度。最開始的電子商務推薦系統，其主要任務就是收集用戶的信息并主動向主系統進行反饋，在進一步將系統消息發送到用戶的郵箱中，進行信息的互動。伴隨近年來電子商務推薦系統的不斷發展，其更加具有人性化的特點。在用戶購買過程中提出建議幫助用戶做出決策。成功的電子商務個性推薦系統對于電子商務網站以及用戶來說提供了以下幾個方面的優勢：1.在用戶挑選商品的過程中為用戶提供參考，縮短用戶在商品選擇上所耗費的時間。提高用戶的挑選效率，增強用戶購買體驗。2.用戶在獲得推薦完成購買這一過程中，通過自身所獲得的良好體驗進而增強對網站的信賴感。進而帶動新用戶的產生，提高網站流量。3.良好的個性化推薦能夠增強用戶的購買欲望，挖掘潛在客戶。4.電子商務個性化推薦系統在為用戶推薦產品的過程中，從側面來說也拓展了用戶的視野，能夠幫助用戶挖掘新的興趣點。

二、電子商務個性化推薦信息的形成

電子商務個性化的推薦系統，其推薦信息的形成必須以推薦庫的建立為前提。再者就是對于用戶使用模式的建立，最終生產出推薦信息。1.推薦庫的產生：通過透明爬蟲程序在網頁的爬取進而產生網頁文本，再將網頁內容進行清洗，并且對正文內容進行操作。對信息進行分析后存于推薦文庫中。2.建立用戶模型，從用戶端進行資料的收集，在對這方面的資料收集過程中，包含了用戶的瀏覽習慣。根據這些資料可從模型庫中進行信息的比對，進而向用戶推薦他所感興趣的熱點信息。3.推薦信息的產生是經由推薦系統與其他信息進行交互所產生的。

三、電子商務個性化推薦系統在現實中的應用

在電子商務推薦系統中，電子商務個性化推薦系統作為其核心技術，在商品的推薦上所使用的主要技術方面體現為協同過濾技術以及知識推薦技術等。

協同過濾技術作為電子商務個性化推薦中使用最為廣泛的技術。這種技術依靠鄰居用戶所得到的目標資料，進而進行用戶推薦，這種推薦方式的個性化相當高。在電子商務的各種個性化推薦技術中，協同過濾由興趣相近用戶作為出發點進行用戶推薦。這種推薦方式的優點是，只要維護好用戶興趣的數據庫，對用戶的愛好進行定期分析，與相同愛好群體進行交互，就可以相對簡單地進行精準的用戶推薦。況且，在使用這一技術的過程中，所推薦的用戶在產品的偏愛上與其他商品也有著一定的聯系。正因如此，對用戶的購買情況進行首要分析相當必要，其次是對各商品間的近似度進行調查分析。通過所得出的分析結果進行推薦。這兩種不同的推薦策略，前者是將客戶與客戶的關系作為運行的核心，后者是將商品間的聯系作為運行核心。雖然核心不同，但只要是分析得當，都能夠獲得近似的推薦效果。在協同過濾的推薦方法中，進行跨類型的推薦同時還不需要領域內的知識限制，就能同他人進行經驗上的共享。具有相當良好的適應性特點，伴隨著時間上的推移，電子商務系統在不斷地進步和發展，推薦系統所推薦的商品質量也會不斷地提高。隱式反饋的實現在減少用戶量反饋量的同時，也推動著電子商務系電子個性化學習系統的發展速度。然而，悉數問題以及新用戶等因素的干擾，協同過濾技術還存在著一些歷史遺留性的缺陷問題。

電子商務個性化推薦技術中對于規則推薦技術的應用，是從關聯規則的推薦技術，這一基礎上采取資料并實施的。這種技術將實際交易中所產生的數據信息作為其傳遞的數據來源。并將此數據作為商品信息間的溝通橋梁。

四、電子商務個性化推薦系統技術在未來的發展趨勢分析

在電子商務的個性化推薦過程中，其所使用的技術存在著一定的不足之處。因此，在實際的使用過程中需要對這些推薦技術進行分析。由于當前用戶興趣資料的自動化程度相對較低，以及相當一部分用戶在對于商品評價的方面較為消極。

受這些因素的影響，推薦技術在未來的發展過程中，不能僅僅局限于對用戶信息的采集，還需要更加深入的對用戶領是瀏覽信息這一方面進行技術層次上的挖掘。只有這樣，信息收集技術在自動化程度上的進程才能得到推動，并且能夠更上一層次的發展。由于推薦算法速度和實時性能的不斷加強，電子商務個性化推薦技術的算法還需要進一步加強以及改進。

參考文獻：

[1]李小龍.基于MapReduce的電子商務個性化推薦研究[D].北京交通大學，2014.

[2]王輝.基于混合機制的電子商務個性化推薦研究[D].大連海事大學，2009.

作者簡介：

尹明（1972- ），男，本科，副教授，研究方向：電子商務專業教學和研究。