電子商務個性化推薦研究現狀及展望

摘要：電子商務個性化推薦極大提升了用戶購物體驗，引起了學界的廣泛關注。計算機領域的學者首先對個性化推薦的算法、模型進行了研究，隨后營銷和信息系統領域的學者們也從消費者行為視角來探討電子商務個性化推薦。本文將從用戶接受和消費者的影響兩個方面來闡述電子商務個性化推薦的研究現狀及展望，以期為后續相關研究提供理論支持和幫助。

關鍵詞：電子商務；個性化推薦；用戶接受；用戶評價

引言

近幾年，電子商務網站迅猛發展，雖然給用戶帶來購物上的便利，但同時也讓用戶面臨信息超載從而導致選擇困難。因此，個性化推薦系統應運而生。電商網站中的個性化推薦系統可以根據當前消費者瀏覽、購買和評價等信息的輸入，利用系統數據庫中商品的屬性信息以及相似消費者的歷史數據，通過系統算法比對過濾，為當前消費者提出推薦建議[1]。

有關電子商務個性化推薦的研究大致分為兩個方向：一是計算機領域學者致力于提升個性化推薦系統的推薦質量；二是營銷和信息系統領域的學者們以管理和消費者行為視角來探討電子商務個性化推薦。本文將在第二個方向下進行闡述，具體結構如下：首先介紹了個性化推薦的定義和類型，接著梳理了消費者行為視角的電子商務個性化推薦國內外文獻，總結研究現狀，最后提出展望。

1、個性化推薦的定義和類型

推薦系統是一種信息過濾和決策支持的工具，可以根據用戶的客觀行為或明確的偏好，主動向目標用戶提供個性化信息、感興趣的項目和決策支持，個性化推薦由推薦系統產生，是為用戶展示感興趣的信息、商品或服務的過程。其應用領域廣泛，包括電影、音樂、書籍、文獻、在線學習、電子商務等，以電子商務領域的應用最廣泛突出。

個性化推薦過程包括數據輸入、推薦算法和推薦結果輸出。根據推薦算法的不同，將個性化推薦分為基于協同過濾的推薦、基于內容的推薦和混合推薦。

1.1 基于協同過濾的推薦

基于協同過濾的推薦依賴于許多消費者對產品的評價（例如，購買歷史記錄或評價）以及人口統計學和其他特征的數據庫，以預測目標消費者對一些尚未體驗過的產品的評價。基于協同過濾的推薦可以通過找出與當前用戶相似興趣的用戶，將該用戶感興趣的東西推薦給當前用戶，因此個性化程度較高、推薦的產品多樣、覆蓋的范圍比較廣。但是，由于其依賴于用戶的評價信息和行為數據，因此當用戶數據稀疏不足時，可能存在推薦算法表現差和無法將新產品和新用戶進行匹配的問題。

1.2 基于內容的推薦

基于內容的推薦系統利用用戶的個人偏好來提出建議，其可以根據用戶的搜索、評價或者相關行為數據來構建用戶信息庫，過程簡單透明，推薦的結果容易被用戶理解和接受，同時也解決了新產品的問題，但其無法解決用戶的冷啟動問題。此外，由于其可以分析的內容有限，所以導致推薦的個性化程度較低，且有的商品特征屬性抽取比較困難，很難做出精確的匹配。

1.3 混合推薦

混合推薦結合了兩種或兩種以上的推薦技術，以此獲得更好的性能，同時減少任何單個推薦技術的缺點。這類推薦兼具兩類算法的優點，但推薦過程比較復雜，運算量相對來說比較大。最常見的混合推薦是協同過濾與其他信息過濾技術相結合的模式。

2、基于消費者行為視角的電子商務個性化推薦研究現狀

2.1 電子商務個性化推薦系統的用戶接受相關研究

國內外學者對電子商務個性化推薦系統的用戶接受大多以推薦系統受意愿為研究對象，以信息技術接受模型（TAM）、技術接受和使用整合模型（UTAUT）等為理論框架構建推薦系統接受模型。通過對國內外相關研究成果的梳理，發現影響用戶接受個性化推薦系統的因素大致可以分為個體因素、系統因素和社會因素。

個體因素包括消費者知識、消費者特征和消費者對推薦系統的熟悉度。Sherrie（2006）實證研究用戶的感知個性化和熟悉度影響對推薦系統的認知信任和情感信任進而影響用戶接受推薦系統意愿[2]；馬慶國（2009）得出用戶的積極情緒能直接提高對推薦系統的接受意愿[3]；Victoria（2013）認為隨著消費者產品知識水平的提高，推薦系統的推薦質量對消費者滿意度的影響會變小[4]；王偉軍等（2017）實證結果顯示：具有創新性的用戶更愿意采納個性化推薦系統，隱私關注度負向影響用戶采納意愿[5]。

系統因素包括推薦系統類型、推薦系統質量和推薦信息質量。Baier（2010）認為展示有序，內容易被理解的信息更容易被消費者接受[6]；楊一翁等（2016）認為清晰的展示界面、透明且主動的推薦原因解釋以及推薦系統的反饋和互動可以增強用戶對推薦系統的感知有用性和感知易用性，最終影響用戶采納意向[1]；Nilashi（2016）實證得出推薦信息的準確性、新穎性和多樣性會影響消費者對個性化推薦的信任[7]。

社會因素主要指主觀規范。劉蓓琳（2009）認為主觀規范對用戶接受電子商務個性化推薦技術產生重要影響，其中包括社會規范和個人規范[8]；Jaewon（2011）指出個性化推薦增加了用戶與其他人建立連接的程度，這種積極的連接程度影響用戶對推薦系統的信任和使用意愿[9]。

2.2 電子商務個性化推薦對消費者的影響研究

2.2.1 對消費者購物體驗的影響研究

消費者在網絡購物時傾向于使用兩階段過程來達成他們的決策：首先，消費者常篩選大量可用產品，并確定考慮集；隨后，他們在產品的重要屬性上進行相對比較，并做出購買決策。陳明亮（2009）從消費者的購買決策過程和購買決策結果兩方面構建了個性化推薦影響力模型，解釋了個性化推薦影響消費者產品選擇、決策質量和決策自信的機理[10]。但是當消費者意識到他們的自由被個性化推薦減少或威脅時，他們很可能會產生心理上的抗拒。

2.2.2 對消費者購買意愿的影響研究

個性化推薦是電子商務網站和消費者之間的關鍵接觸點，更大的消費者參與度將會導致更高的購買產品意愿，且若個性化推薦與消費者自身期望契合度越高，越容易產生額外購買。Senecal（2004）對比其他推薦方式發現個性化推薦系統是最有影響力的推薦源頭，此外，消費者更愿意購買推薦的體驗產品而不是搜索產品[11]。此外，信息編排、推薦質量、呈現方式等對消費者的購買意愿都產生不同程度的影響。

3、研究展望

本文系統梳理了國內外有關消費者行為視角的個性化推薦相關文獻，通過回顧整理發現：過去對推薦系統接受和用戶評價的研究重點在系統層面，大都集中于用戶對推薦系統的認知和態度，忽略了用戶對推薦信息層面的感知；而由于消費者網絡購買過程的復雜性，個性化推薦影響消費者決策方面的研究在當前及未來很長一段時間內都會處于研究的熱點和前沿，還需后續的不斷探索。因此，本文提出以下展望：

（1）研究者可以從信息層面來研究消費者對推薦信息的感知和采納；

（2）研究者可以嘗試運用實驗法來模擬消費者購買行為來驗證個性化推薦對消費者購買決策各個階段的影響。

參考文獻：

[1] 楊一翁，孫國輝，王毅.消費者愿意采納推薦嗎？——基于信息系統成功-技術接受模型[J].中央財經大學學報，2016（7）：109-117

[2] Komiak S Y X，BenbasatI.The effects of personalization and familiarity on trust and adoption of recommendation agents[J].MIS Quarterly，2006，30（4）：941-960.

[3] 馬慶國，王凱，舒良超.積極情緒對用戶信息技術采納意向影響的實驗研究——以電子商務推薦系統為例[J].科學學研究，2009， 27（10）：1557-1563.

[4] Yoon V Y，Hostler R E，GuoZ.Assessing the moderating effect of consumer product knowledge and online shopping experience on using recommendation agents for customer loyalty[J].Decision Support Systems， 2013， 55（4）：883-893.

[5] 王偉軍，王陽，王玉珠.移動商務用戶個性化推薦采納行為影響因素的實證研究[J].系統管理學報，2017（5）：816-823.

[6] Baier D， Eva Stüber. Acceptance of recommendations to buy in online retailing[J]. Journal of Retailing and Consumer Services， 2010，17（3）：0-180.

[7] NilashiM， JannachD， Ibrahim O B.Recommendation quality， transparency， and website quality for trustbuilding in recommendation agents[J]. Electronic Commerce Research & Applications， 2016（19）：70-84.

[8] 劉蓓琳.電子商務用戶個性化推薦技術接受影響因素研究[D].北京：中國礦業大學，2009.

[9] Choi J， Lee H J， Kim Y C.The Influence of Social Presence on Customer Intention to Reuse Online Recommender Systems：The Roles of Personalization and Product Type[J]. International Journal of Electronic Commerce， 2011，16（1）：129-154.

[10] 陳明亮， 蔡日梅. 電子商務中產品推薦代理對消費者購買決策的影響[J]. 浙江大學學報（人文社會科學版）， 2009， 39（05）：138-148.

[11] SenecalS，NantelJ.The influence of online product recommendations on consumersonline choices[J]. Journal of Retailing，2004，80（2）：159-169.

作者簡介：

曹琦，江蘇科技大學碩士研究生，研究方向：企業管理。