個性化網頁推薦系統在電子商務中的設計與應用

郭志萍

（晉中職業技術學院，山西 晉中 030600）

個性化推薦可以有效解決信息過量的問題，畢竟當前大數據的發展也越來越迅速，個性化推薦也在利用大數據獲取用戶日常的瀏覽和搜索喜好，從而發掘用戶潛在的消費方向，在電商平臺為消費者推薦更適合其意向的產品信息。

1 什么是個性化網頁推薦系統

個性化推薦系統是依靠消費者的搜索和瀏覽軌跡來預測用戶的關注點和購買欲望，同時向用戶推薦一些符合用戶興趣的產品或者信息。可以說個性化推薦系統是建立在海量數據基礎上的只能系統，不管是新聞還是娛樂，個性化推薦系統總會根據用戶的需求進行推薦，尤其是電子商務方面，更能夠加強用戶的針對性，為用戶解決信息搜索和篩選的難題，從而為用戶推薦更想要的產品，滿足用戶的網購需求。

我國的個性化推薦系統早在2000年就開始研發，在不斷完善后已經應用到了互聯網行業各方面的領域，像是搜索引擎、電子商務等都在利用個性化推薦系統來豐富用戶的體驗，減少用戶的搜索時間。而隨著大數據的發展和進步，個性化推薦系統會變得越來越便捷且快速，可以讓用戶更全面且更快速地搜索到自己想要的東西，大大加快了網絡的發展速度以及用戶的生活效率，對電商行業的發展是非常有幫助的。

當前個性化網頁推薦系統的發展大力推動了我國電商行業的進步，可以讓用戶快速搜索到更有價值和更加感興趣的產品，大大豐富了消費者的網購體驗。

2 個性化推薦系統的優勢

個性化推薦系統是最適合電商平臺發展的服務系統，也是針對于網絡營銷的重要方法。一個精確的個性化推薦系統可以有效防止用戶流失、抓住用戶的購買欲望、方便用戶的篩選方式、加強平臺和各商家的經濟利益，對于用戶、商家、平臺三方面來說都是非常有好處的，因此個性化推薦系統在電子商務的發展過程中也具有如下優勢：

（1）加強用戶購買欲望。畢竟大部分用戶在瀏覽電商網站或者其他網站時并沒有抱著購買的目標，大多數可能有意向但并不會去直接購買。而個性化推薦系統不僅僅能針對用戶的需求進行推薦，還能讓用戶感覺到自己需要對產品進行購買，從而引發購買欲望，帶動經濟效益。即使不是電商網站，在用戶搜索時利用個性化定制也可以推送相關廣告，讓用戶從廣告中獲取所想要得到信息和商品鏈接，進而激發用戶的購物沖動。

（2）加強交叉銷售。個性化推薦系統可以根據算法看到顧客和商品直接的必然聯系，從而將客戶和相關商品進行一定的捆綁，同時還能推薦相關的產品組合，達到一種捆綁銷售的目的，這對于商家之間的交叉發展都是非常有好處的。

（3）加強客戶滿意度。由于當前客戶所要面對的信息量暴增，很多用戶無法對自己意向的商品進行精確選擇，而個性化推薦系統可以對用戶意向的商品進行推薦，加強用戶的購物和搜索體驗，提升客戶的滿意度以及留存率，讓整個平臺獲得最好的發展。

（4）優化網站服務。利用標簽或者Web日志的形勢對用戶的意向進行分析，針對用戶形成個性化定制的推薦，可以有效讓用戶及時收獲到其感興趣的信息，同時信息也能根據用戶需求進行變換，讓用戶獲得一種新鮮感和存在感，讓用戶獲得最好的服務，從而加強對于電商平臺的信任和依賴。

（5）促進商家發展。畢竟互聯網以及電商平臺的信息數量之龐大，因此很多電商商家很容易被埋沒到大量數據當中。而個性化推薦系統可以極大的縮小用戶的理想范圍，讓用戶在小范圍內加強對商家的篩選，也給了那些小商家們一些機會，讓商家能夠獲得更多的發展機會和發展前景，從而促進了電商市場的繁榮。

3 常見個性化推薦系統的算法

個性化推薦系統之間也會依靠不同的推薦方法來給用戶推薦其想要的產品，同時也是因為其算法的差異而導致的，目前大部分推薦系統都會基于以下推薦方式進行相關算法的定制：

（1）基于規則關聯推薦。相關性的規則關聯是數據領域最重要的組成部分，而基于規則關聯的算法本質就是利用統計得來的數據規則作為前提條件，同時針對用戶的歷史瀏覽或者購買行為進行推薦。這個算法主要是相對來說非常容易實現和應用，并且當前的研究已經非常成熟了，幾乎大部分軟件都支持該算法的使用。不過隨著信息爆炸式的發展，規則的發掘相對來說需要更多的時間，同時準確性也大大降低，并不適用電商平臺于相對長遠的發展。

（2）基于內容的推薦。基于內容的推薦算法最早來自于信息搜索方面的發展，其目的是利用用戶興趣的相似性進行信息過濾，讓用戶獲得最適合自己的信息。其算法首先就是要對項目內容進行分析，同時對用戶感興趣、瀏覽過甚至評價過的產品進行模型或標簽建立，根據相關模型或者關鍵詞、標簽進行推薦。相對來說該算法更加簡單直接，同時結果也便于解釋。不過該算法特征提取能力是有局限性的，僅僅適用于產品特別具有關鍵特征的地方，如果產品無法讓關鍵詞進行描述時則很難利用該算法推薦了。

4 當前個性化網頁推薦系統的問題和解決提議

雖然當前個性化網頁推薦系統已經相對比較完善，但在用戶的使用過程當中依然會出現一些不利于用戶體驗的問題，這些問題的存在不僅不利于電商行業的發展，甚至會給用戶帶來極大的不便：

（1）推薦不精確。由于當前大多數電商平臺的個性化推薦系統都是以標簽的形勢在給用戶進行推薦，大多數都會利用用戶的瀏覽歷史甚至輸入法關鍵詞進行信息獲取并進行反饋，因此電商平臺很容易出現給用戶推薦的產品并不符合用戶意愿，無法精準定位用戶的喜好，僅僅是對用戶的瀏覽標簽進行推薦，讓用戶感到個性化推薦并沒有什么用處。因此電商平臺應當進一步優化算法，研究并設計新的算法來加強個性化推薦系統的精確性，確保能夠更準確地像用戶推薦其需要的產品。

（2）隱私問題。由于大多數電商平臺的標簽還會以用戶的性別、地區、購買習慣甚至年齡進行制定，加上瀏覽歷史和輸入法等軟件的協助，就很容易讓用戶感覺自己的行動軌跡和個人信息受到了監視和泄露，大部分消費者無法接受這樣的情況，覺得電商平臺的行為侵犯了個人隱私，雖然增強了用戶的個性化定制，但也因此降低了用戶對于電商平臺的信任，對于電商平臺的長期發展是非常不利的。因此電商平臺應當加強對于用戶隱私的保護，盡量控制對用戶記錄的獲取，并且制定好相關聲明，加強用戶的信任，讓用戶不再感受到隱私受到侵犯。

（3）商品質量問題。由于部分電商平臺的門檻相對較低，因此很容易出現一些不法商家在電商平臺兜售劣質產品，而這些產品由于沒有經過平臺的審查，加上推薦機制的問題，部分產品很容易利用刷單等方式透過個性化推薦系統推送給消費者，必然會對消費者造成極大的影響，也會讓電商平臺造成極大的用戶流失以及口碑損失。因此電商平臺應當加強產品上架審核的制度，要確保商家的上架商品符合國家的質量標準，加強商品審核，只有審核通過的商品才可以上架并進入個性化推薦系統。而且還要嚴厲打擊刷單行為，并且優化推薦機制，一定要給用戶推薦最優質且最有保障的產品，從而讓用戶在購物時感到放心。

（4）數據稀疏性。現在推薦系統規模越來越大，用戶和商品數目動輒百千萬計，而且用戶之間選擇的重疊非常少，因此導致數據產生很大的稀疏性，導致當前大多數算法的效果無法得到應有的展現。解決這個問題的辦法很多，例如可以通過擴散的算法，從原來的一階關聯（兩個用戶有多少相似打分或者共同購買的商品）到二階甚至更高階的關聯（假設關聯性或者說相似性本身是可以傳播的），也可以添加一些默認的打分，從而提高相似性的分辨率，一般而言，數據規模越大就越稀疏?，F在認為能夠處理稀疏數據的算法（如擴散、迭代尋優、轉移相似性等）對于電商行業的發展會更有價值。

5 結束語

總的來說當前電商平臺的發展離不開個性化推薦系統的進步和發展，同時也離不開大數據的應用。個性化系統的發展和應用對于網絡用戶購物體驗的提升是非常有效的，可以讓用戶在選擇方面提供更加豐富的選項，從而減少了用戶由于搜索所浪費的時間，同時也加速了電商企業的發展。雖然個性化推薦系統當前依然面臨著不少問題，不過當前信息技術的發展迅速，相信個性化網頁推薦系統會變得越來越完善，讓用戶的購物體驗越來越便捷，讓電子商務部行業的發展變得越來越迅速。