基于大數據的跨境電商平臺個性化推薦策略優化

楊單 劉啟川

摘 要：跨境電商蓬勃發展，個性化推薦策略對于跨境電商平臺運營至關重要。首先對于傳統電商平臺的個性化推薦策略進行簡單介紹，然后結合跨境電商的特殊性闡述跨境電商平臺個性化推薦策略的特點，分析可改進的因素，最后結合大數據理念和技術有針對性地分別從建立區域用戶畫像庫、優化推薦算法、提高推薦效率以及實現精準營銷等方面提出跨境電商平臺個性化推薦策略的優化建議。

關鍵詞：跨境電商;個性化推薦;策略優化;大數據

隨著近年來“供給側結構性改革”以及“一帶一路”等戰略的持續推進，我國跨境電子商務迅猛發展，它不僅突破了國家間交易壁壘，加速了國際貿易聯系，而且改變了傳統的國際貿易慣例，實現世界經濟的轉型。在跨境電商平臺上，由于海量海外商品的涌入，造成了“信息爆炸”和“信息過載”，給消費者在選擇目標商品方面帶來了極大的困難，難以明確自己的需求，甚至忘記自己的需求，無法找到最合適、最愿意為之付款的商品，這就需要電商平臺為消費者提供信息過濾，根據用戶的需求來推薦潛在目標商品，個性化推薦功能就逐漸成為了各大電商平臺的標配功能。而對于跨境電商平臺而言，由于跨境電商市場有其諸如消費者群體的特殊性、進出口商品政策的特殊性等行業特色，其個性化推薦功能與傳統電商相比較而言也相應地會有較大區別，因此為了能夠更好地適應當前大數據環境下跨境電商平臺用戶對信息服務準確化、智能化和個性化的需求，研究基于大數據的跨境電商個性化推薦策略優化有較大現實意義。

一、傳統電商平臺個性化推薦策略

電商平臺的個性化推薦目的是對不同用戶根據一定規則和策略來推薦不同的商品，從而實現整個電商平臺的精準營銷，提高消費者的購買轉化率，提高平臺的交易額。

（一）基于協同過濾的推薦策略

基于協同過濾的推薦策略在電商平臺中使用得比較廣泛，簡單來說是利用某興趣相投、擁有共同經驗的群體的喜好來推薦用戶感興趣的信息，具體而言又可分為基于用戶的協同過濾和基于物品的協同過濾。

首先，基于用戶的協同過濾推薦策略?；谟脩舻膮f同過濾推薦策略在電商平臺中使用得比較早，符合人們對于“趣味相投”的認知，即興趣相近的消費者往往具有相同的商品喜好，當目標用戶需要個性化推薦時，可以先在系統數據中找到與該用戶有相似喜好的用戶群體，然后將這個用戶群體喜歡并經常購買、而目標用戶又沒有接觸過的商品推薦給目標用戶。

基于用戶的協同過濾推薦策略更偏向社會化、大眾化，其推薦結果在新穎性方面有一定的優勢，但是隨著用戶數目的增大，用戶相似度計算復雜度越來越高，而且其推薦結果相關性較弱，難以對推薦結果做出解釋，容易受大眾影響而推薦熱門商品。

其次，基于物品的協同過濾推薦策略?；谖锲返膮f同過濾推薦策略是目前電商平臺使用得最多的推薦策略。無論是亞馬遜還是Netflix，其推薦策略的基礎都是基于物品的協同過濾策略。其核心是給目標用戶推薦那些和他們之前喜歡的、購買過的物品相似的商品，主要通過分析消費者的購買、收藏等行為記錄來計算商品之間的相似度。該策略基于的假設是：商品A和商品B具有很大的相似度是因為喜歡商品A的用戶大多也喜歡商品B。

基于物品的協同過濾推薦策略更偏向于個性化，可以利用消費者的歷史行為給推薦結果做出解釋，讓消費者更為信服推薦的效果，但這種策略傾向于推薦與用戶已購買商品相似的商品，往往會出現多樣性不足、推薦新穎度較低的問題。

（二）基于內容的推薦策略

基于內容的推薦策略與協同過濾策略有相似之處，但是基于內容的推薦策略關注的是物品本身的特征，不需要通過消費者對物品的購買和評價情況，而是通過已經被用戶購買、評價過的物品自身的特征來構建用戶喜好特征庫，再與目標推薦商品特征進行匹配，從而實現最終推薦。比如在圖書購買的推薦策略中，系統會提取出用戶購買過且評價較高的圖書的共性來進行分析，比如出版社、作者、主題、類別等，通過與其他圖書比較這些特征，從而找到相似度較高的圖書推薦給用戶。這種策略在商品及購買、評價信息較少的情況下，也可以推薦出合適的商品，但這種方法只是比較適合進行基于文本信息的內容提取，適用于結構化的數據，對于非結構化的多媒體數據適應度較差，同時推薦范圍較窄，無法發現用戶外在的潛在興趣。

（三）基于規則的推薦策略

基于規則的推薦策略中所謂的規則分為兩大類別：商品之間的關聯規則和用戶之間的關聯規則，比如對于購物車來分析關聯規則，通過分析用戶放入購物車的不同種類商品之間的關聯，從而獲取用戶的購買喜好，然后基于該喜好推薦目標商品給用戶。這種策略非常簡單，易于實施，具有較強的通用性，缺點在于在交易量大的電商平臺進行關聯規則挖掘時會涉及到海量數據的處理，耗費時間和資源。

（四）基于搜索的推薦策略

基于搜索的推薦策略，是將推薦的過程看作是對于相關商品的檢索過程，首先提取到該用戶歷史購買過和評價過的商品信息，在搜索過程中構造一個搜索查詢去尋找類似的其他熱賣商品作為推薦結果推薦給目標用戶。比如對于書籍的推薦可以通過同一個作者或者相似的主題、關鍵詞來進行檢索。這種策略在用戶信息較少時效率較高，但涉及到有成百上千購買次數的用戶，相關檢索性能會急劇下降，而且從個性化推薦的新穎性、相關度方面來衡量效果也較差。

二、跨境電商平臺個性化推薦策略的影響

（一）相關政策影響

與國內的電商平臺交易不同，對于進出口商品的交易，國家有相關專門政策來進行管理，隨著跨境電商呈爆發增長態勢，國家相繼出臺了一系列支持和規范跨境電商的政策，比如2012年，國家開放了第一批進口跨境電商試點城市;2013年出臺了支持跨境電商出口的政策;2014年進口跨境電商開始合法化，有明確的稅收政策;2015年，國家規范了進口稅收政策并降低了部分進口商品的關稅;2016年4月8日起對進口跨境電商零售產品實行了新的稅制政策——《關于跨境電子商務零售進口稅收政策的通知》（簡稱“四八新政”）。

具體到對于跨境電商個人用戶影響比較大的是交易限額的設置，自2019年1月1日起跨境電子商務零售進口單筆交易限額由原來的2000元上升至5000元人民幣，年度交易限額由原來的20000元上升至人民幣26000元。這對于跨境電商的個性化推薦策略就提出了新的原則和要求，給目標用戶推薦的商品除了按照以往傳統電商要求的興趣度來排序以外，還必須要考慮到用戶的單筆交易額度和年度交易額度，否則會出現推薦了用戶確實感興趣卻又無法購買的商品，最終導致用戶期望值和推薦結果之間的誤差，降低用戶對跨境電商平臺的滿意度和信任度。另外，國家對于各種類別的跨境商品的稅率是不一樣的，不同的稅率也會影響用戶對于相關類別商品的需求，這個在推薦策略的時候也是需要重點考慮的。

（二）用戶群體差異性的影響

跨境電商的用戶群體來自于全球各個不同的國家和地區，消費群體范圍廣而且存在不確定性，每個國家和地區的文化傳統和消費習慣的不同也會導致即使對于同一類別的商品，人們的喜好程度、對品質、價格、物流方式等等要求都會有所區別，在跨境電商平臺進行個性化推薦時，完全基于商品和大眾用戶的推薦策略就不太合適。比如在跨境電商平臺上購買一臺同型號的電視機，歐洲等發達國家的消費者可能更關注的是服務體驗，比如下單方便、送貨快捷、送貨到家、上門安裝等，對價格可能不太敏感;而東南亞地區的消費者可能更關心的是性價比，促銷、折扣等對他們的吸引力度更大，至于是不是晚幾天收到貨、能不能送到家等方面是可以忍受的。因此在推薦策略方面差異性也很大。

這就要求必須在快速獲取用戶的海量行為日志的前提下，有針對性地分析用戶所在國家和地區的整體數據，對不同區域的用戶群體構建起消費模型體系，基于大數據描繪出精準的用戶畫像，最終基于這個模型和畫像來進行精準營銷，給目標用戶推薦合適的目標商品。

（三）物流時效性的影響

相比于國內傳統電商的高效物流體系可以實現從下單到收到商品的“隔日達”甚至“當日達”，跨境電商由于受到保稅倉距離的影響，物流時效性方面會大為遜色?？缇畴娚痰奈锪鳂I務是通過國內的保稅倉庫來進行發貨，而當前擁有保稅倉庫的國內的7個跨境電商試點城市、35個跨境電商綜合試驗區數量上雖然比前幾年有了很大的提升，但也無法遍布全國所有城市，所以當消費者選擇購買的商品所在的保稅倉庫離消費者地理位置上非常遠時，就需要等待較長的時間才能收到貨物，有可能是3-7天，也有可能更長時間，這對于用戶的購買體驗會有較大影響。

因此相對于興趣度和購買意愿，跨境電商平臺用戶也有可能會傾向于購買那些不見得是最滿意但是所在保稅倉庫更近的商品。這就要求在跨境電商平臺給用戶進行推薦時要充分考慮用戶和商品的距離，從而提升用戶體驗，提高推薦的準確度。

（四）更高促銷敏感度影響

由于前面提到的國家政策對于個人用戶在跨境電商平臺上購物的限額政策，消費者希望能夠用有限的額度買到更多、更好、更劃算的商品，因此對于平臺上的促銷活動會特別敏感，比如在雙十一、818等大型促銷活動中，一旦出現感興趣的目標商品，感覺價位合適，就有可能花掉大部分甚至全部的購買額度來進行消費。

因此，在跨境電商個性化推薦策略中，對于促銷情境的識別非常重要，應當根據促銷力度來提升目標用戶喜好商品的推薦優先級，以確保目標用戶能夠在有限的額度消費中購買到價格最低、最劃算的目標商品，這會極大提升用戶的消費體驗。

（五）相關風險控制的影響

由于跨境電商采用點對點交易，跳過了中間環節，商品的稅率要比傳統貿易商品低，因此在平臺上會產生很多靠賺取中間差價的“代購用戶”，低價囤積商品再高價賣給其他消費者，但是國家相關法規明確規定禁止二次銷售跨境電商商品，如果出現這種行為相關跨境電商平臺和企業要承擔相應的連帶責任?？缇畴娚唐脚_的這類風險是國內傳統電商平臺所沒有的，因此在推薦策略方面也要能夠通過大數據分析準確獲取有這類代購傾向的用戶信息，及時予以提醒，杜絕相關風險。

三、跨境電商個性化推薦策略優化建議

（一）針對用戶人群進行精準分類建模，構建區域用戶畫像庫

基于前面分析，跨境電商平臺的用戶群體特征與傳統電商平臺用戶有顯著區別，來自于全球不同國家和地區的消費者的需求有很大差異性，由于未考慮到這個因素，傳統電商平臺的個性化推薦策略不適用于跨境電商平臺。因此，首先就要采用深度學習算法、分布式數據處理平臺等大數據技術和工具對于跨境電商平臺中的用戶相關信息、行為日志、交易記錄等海量數據進行挖掘和分析，再結合消費者所屬的國家和地區特點，建立不同國家和地區的用戶群體的消費模型體系，從用戶的消費偏好、客戶滿意度、客戶忠誠度、消費購買力、區域消費習慣等維度構建起區域用戶畫像庫，最終基于這個模型體系和區域用戶畫像庫再結合具體商品特征才能對用戶進行精準個性化推薦。

（二）優化“用戶-情境因素-商品屬性”的個性化推薦算法

傳統電商的個性化推薦策略中，廣泛采用的是基于用戶的協同過濾算法或者基于物品的協同過濾算法，不管是從用戶畫像庫中找商品還是從商品畫像庫中找用戶，主要研究的都是“用戶-商品”的關聯關系。但是如前面所分析，跨境電商有其特殊性，受到各種商品和用戶之外的很多其它因素影響，比如受政策影響、受物流時效性影響，用戶有著更高的促銷敏感度，還要對相關代購之類的風險進行控制，這就要求在個性化推薦策略中，也要把這些特殊的“情境因素”以適當的方式考慮進去。

另外，傳統的協同過濾算法僅僅是基于用戶-商品評分來進行推薦，這種方式沒有對于目標消費者在某一個商品的喜好和在某類商品的喜好進行區分，忽略了對于商品屬性偏好的具體細節。比如，對于同一款運動服，有些用戶可能是因為喜歡這個品牌購買，有些用戶可能是因為喜歡這個顏色購買，有些用戶可能是因為透氣的功能購買，而有些用戶可能純粹是因為代言明星而購買，最終他們都購買了這款運動服而且給出了較高評價，為了更好地進行精準的個性化推薦，就要求不能僅僅針對用戶評分，而要結合商品的具體屬性來進行關聯推薦?？缇畴娚唐脚_上商品種類繁多，又涉及到各個不同國家和地區的用戶群體，用戶對于商品偏好的區域化特征明顯，所以對于跨境電商平臺商品屬性的個性化推薦需求就顯得更加緊迫。

因此，要對之前基于“用戶-商品”的傳統個性化推薦算法進行優化，再結合跨境電商產生的海量數據的背景形成基于“用戶-情境因素-商品屬性”的個性化推薦算法，具體的關鍵環節有對情境因素進行識別分類、權重排序，根據商品屬性進行用戶相似度計算等。如圖1所示。

（三）基于海量數據集提升個性化推薦策略執行效率

受經濟全球化影響，與傳統電商平臺相比，跨境電商平臺一般都規模較大，像考拉海購、小紅書、天貓國際等，動輒上億客戶，每天產生數以百萬計的交易記錄。這些海量數據給個性化推薦提供了機會，但是與此同時要從對這些龐大的數據進行分析，實現對于用戶推薦的快速響應，一般要求達到秒級響應，這又給個性化推薦策略提出了挑戰。

如何提高對于海量數據集的處理效率，業界采用的方法有很多，可以通過采用分布式計算平臺、增加計算資源、提高算法效率等方式來解決，其中比較行之有效的一種方法是在個性化推薦算法中進行離線計算能力的擴展。這里可以借鑒亞馬遜的做法，主要的原則是：把大數據集轉換成小數據集、把在線不可控的海量數據轉換成在線可控的少量數據。具體而言，對于商品畫像庫和用戶畫像庫的生成，可以使用離線處理方式，然后結合用戶的在線數據使用個性化推薦算法來建立用戶和商品之間的關聯，最后對于目標用戶生成最優推薦商品列表完成個性化推薦流程。

（四）結合跨境電商特點進行大數據精準營銷

在跨境電商平臺中，結合前面所述，以上個性化推薦策略優化后的有效運行，可以精準定位到平臺中目標客戶，這是進行精準營銷的最重要一步。再進一步地結合跨境電商的特點，利用大數據技術對于客戶需求進行精準分析，對各種營銷推廣渠道進行效果分析，然后針對不同需求和特點的用戶群體進行不同類別的針對性營銷推廣，對不同類別的消費者采用不同的定價策略，實現真正意義上的精準營銷。

四、結論

由于跨境電商平臺在用戶群體、政策約束、物流體系等方面的特殊性，跨境電商平臺的個性化推薦策略也會跟傳統電商的推薦策略有很大的不同，本文提出可以結合大數據理念和技術，根據跨境電商平臺的特點，對于個性化推薦策略進行優化，分別從區分用戶群體構建區域用戶畫像庫、優化考慮多種因素的個性化推薦算法、提升大數據環境下的推薦效率、實現大數據精準營銷等幾個方面進行了建議。優化后的個性化推薦策略的實施，可以有效提升跨境電商平臺用戶的購物體驗，提高跨境電商平臺的銷售效益，最終實現雙贏。