大數據電商個性化推薦系統分析

導語：大數據電商個性化推薦系統分析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：現階段，大數據技術被廣泛應用到多個行業，尤其是大數據帶來的個性化推薦服務系統，在電子商務行業得到了普及并且取得了卓越成績。本文針對大數據背景下電子商務個性化推薦服務系統實施基礎工作進行了具體闡述，以期促進電子商務服務個性化與智能化的發展實踐。

關鍵詞：大數據;電子商務;個性化推薦

當前，電子商務在各個行業領域的廣泛應用，針對“基于大數據的個性化信息推薦的服務模式”也受到了學者的高度關注。電子商務類網站除了可以為用戶提供商品與服務，并且也增加了消費者在大量信息中快速、精準搜索到符合其要求的產品信息難度。在大數據技術應用中個性化信息推薦功能可以隨時、主動向用戶推薦其所需求的商品和服務，不僅充分滿足了用戶對個性化消費需求，還在電子商務網站增加其消費者粘性、提升其服務品質以及市場競爭力等方面有著積極推進作用。

相關基礎理論

大數據的定義。大數據，表示在新處理方法下可以使其決策能力、洞察外界環境變化能力和流程優化能力的大批量、高增長率等方面表現更佳，大數據在對大批量信息的獲取以及對這些數據進行重新分配中提高其應用效率，大數據的具體分類如表1所示。大數據的特征。大數據的特征可以總結為“4V”，具體為Volume、Variety、Value、Velocity。 Volume用來解釋數據規模較大，現有的數據規模級用PB來表示，而PB這一數據單位將會給其它更大的“單位”所取代，在這里面非結構化的數據會占有非常大的比例。Variety表述數據類型豐富，從閱讀的題目、圖片到消費歷史再到網絡日志等，都可以劃分到大數據內容范疇之內。Value用來解釋價值密度，比如視頻在連續的監控中有價值的數據寥寥無幾。Velocity用來解釋操作效率，針對數據的操作環節這一過程非常迅速，中間的計算環節所需時間非常少，大數據和傳統數據的明顯區別在于：大數據可以通過傳統手段對數據進行保存、分析與整理。電子商務個性化推薦服務的黎超（廣東白云學院社會與公共管理學院廣州510450）基金項目：2012年廣東省哲學社會科學“十二五”規劃項目“生命周期視角下的廣東中小企業發展研究”（項目編號GD12XYJ02）中圖分類號：F713文獻標識碼：A內容摘要：現階段，大數據技術被廣泛應用到多個行業，尤其是大數據帶來的個性化推薦服務系統，在電子商務行業得到了普及并且取得了卓越成績。本文針對大數據背景下電子商務個性化推薦服務系統實施基礎工作進行了具體闡述，以期促進電子商務服務個性化與智能化的發展實踐。關鍵詞：大數據電子商務個性化推薦定義。電子商務個性化推薦系統即針對各種消費群體的不同需求為其提供針對性服務，或者電商企業主動結合消費者上網習性的異同為其提供專業的服務，為消費者創建一個高品質的購物平臺。個性化內容推薦系統構建在消費者對內容的應用習慣上，滿足消費者對個性化內容需求的服務。研究消費的信息應用偏好可以精確地為消費者提供信息服務，推進個性化信息內容服務業務的展開。電子商務個性化推薦服務的特征。電子商務個性化推薦服務系統是圍繞消費者需求來展開的，其主要特征如下：一是服務內容針對性顯著。個性化推薦服務針對性較為顯著，能夠滿足各種消費者的不同需求，同時還可以與消費者實施信息內容交換操作，也就是消費者可以主動為信息提供方提出自身需求，同時還可以對其所接受的服務展開評分操作。上述信息內容交換模式對信息提供方不斷更新以及改進其服務形式有著積極推進作用，使其所提供的服務更大程度滿足消費者的個性化需求。二是服務內容多樣化。客戶群體還可以結合自身需要設定信息內容服務形式與信息內容獲取時間，電商企業可以結合消費群體這種自定義模式為其呈現出相對應的信息內容服務?？蛻羧后w在信息內容接收模式上主要包括E-mail、音頻或者視頻等。除此之外，個性化信息內容服務使得消費者僅僅通過網絡就可以隨時隨地享受個性化服務。三是服務具有主動性與時效性。個性化信息內容服務可以主動為客戶群體提供服務，為客戶群體實時推送最新資訊，保證為客戶群體所推送的資訊有著非常強的時效性。四是服務的智能性。個性化信息內容服務具備較為顯著的智能性特點，其可以根據消費群體的瀏覽軌跡實時刷新，為客戶群體傳送最新的個性化內容，并且為客戶群體推送的內容都是滿足客戶群體消費需求的。五是電子商務個性化推薦服務的意義。對于客戶群體來講，電子商務個性化推薦可以提高消費者對所需產品的瀏覽效率，為消費者節省大量時間；關于內容提供對象來講，電子商務個性化推薦系統可以保持消費者粘性和規模，利用節約時間來保證消費者的訪問量，讓消費者在短時間內獲取更多產品內容，進而保證產品的銷售業績。隨著大數據的應用，電子商務個性化推薦服務系統越來越成熟，不僅提高了電子商務類企業的市場效益，并且也豐富了其信息內容服務模式，為其服務模式有效開展提供發展平臺。

主要技術應用

（一）協同過濾方法。協同過濾主要應用于識別某個既定客戶可能感興趣的商品，其分析依據主要是根據其他消費群體對這些產品的感興趣程度。協同過濾方法可以利用對既定消費群體所感興趣的產品進行研究來辨認某個消費者的所感興趣的商品。在電子商務領域該方法受到了技術人員的高度認可，基于某個客戶群體的同類消費群體傾向的商品來分析和預測該消費群體可能感興趣的商品。該技術是建立在內容這一前提條件下的，其和直接分析手段有著明顯區分，系統過濾技術可以在大規模的客戶群體中找出和既定客戶群體有著相同偏好的消費者客戶，并且將這類相同客戶群體對某個產品的評論進行整理并剖析，可以直接剖析出這一消費者客戶的購物傾向，并且對該消費者客戶關于某個產品的感興趣程度進行精準推測。當今，越來越多的電子商務公司利用該方法來提高其銷售平臺的服務水平與服務質量，該方法優勢與不足如表2所示。（二）客戶群體建模技術。成立高質量的消費者模型對于提升個性化信息內容推薦效率有著不容忽視的作用，為了保證該模型的實用性，可以在消費者感興趣的信息資料中提煉出相關屬性，通過建模方法并對消費者傾向的產品進行管理。電子商務個性化推薦內容服務是在互聯網環境中開展的，該模型和簡單的描述性模型有著明顯區分，其有著附帶相關數據結構模式的功能。該模型的更新數據服務功能建立在消費者對產品的查找上，如此一來便可以為消費者提供定向、高效率服務。該模型的刷新主要包括兩種模式：其一為直接刷新，利用消費者對系統給出的推送產品進行回饋刷新模型，對消費者購物行為產生直接影響的內容實時刷新，通常會消耗大量的時間，因此很難實施；其二為間接刷新，利用對消費者瀏覽方式的跟蹤并挖掘Web日志數據來完成。

服務模式構建

（一）電子商務信息內容服務模式。信息內容服務模式主要針對信息內容服務提供方、信息內容接收方、信息內容服務模式以及信息服務內容之間的關系展開分析和說明的。針對電子商務服務模式，在線購物平臺是其信息內容提供方，而在線消費者是其信息內容接收方，平臺為在線消費者推送的內容為信息內容服務模式，為消費群體提供的信息類型為信息服務內容。所以，電子商務個性化推薦服務主要是關于電子商務服務形式的四要素及其之間聯系展開描述，也就是在線銷售平臺將對數據展開大批量挖掘與操作，探尋出潛在的消費者信息，利用網頁或者電子郵箱的形式傳送給消費者，從而實現其推送服務的個性化發展需求。數據在構成服務內容上作為基本成分，并且也是企業提供服務的重要內容，隨著數據大小、存儲模式和組織模式等特點的變化，電子商務企業所提供的服務內容也在跟著變化。由之前的被動服務向著主動與被動相整合的方向發展。被動服務通常指的是消費者主動到電商平臺搜索自己所需產品，基于消費者視角來分析有著非常強的針對性，然而對于平臺商家來講，明顯忽略了消費者的潛在消費需求。添加主動服務形式，可以利用和某個既定消費者有著相似需求的消費者數據找出其潛在的內容需求，為消費者瀏覽購買產品提供便捷，同時還提高了平臺產品的銷售額。從之前的個性化內容檢索結果推送服務轉化成個性化推薦服務，前者是將所有內容進行整理供消費者閱讀，利用查找產品詳情自主比較進而選取符合自己所需產品；而后者是對消費者之前的數據進行篩選并分析，利用高效的計算方法為消費者推薦滿足其需求的產品，消費者可以快速找到滿足其需求的產品。（二）電子商務個性化內容推薦服務模式構建思路。個性化推薦服務的宗旨為消費者呈現有價值的產品信息內容，進而提高平臺的成交額。滿足消費者應用的同時也提高其對平臺產品的認識是個性化推薦服務的主要內容，該服務的目的是為將這些沒有被消費者發現的產品或者服務內容信息主動發送到消費者手中，從而刺激消費者的購買欲望，最終實現成交的目的?？蛻羧后w的興趣各不相同，加強電商企業個性化推薦系統對產品的覆蓋率，進而保證所推薦的產品讓被推薦客戶所認可，為被推薦客戶帶來更高品質的客戶群體體驗，完成個性化推薦。讓被推薦方主動對產品或者服務信息進行回饋，保留最有效的數據信息，從而在未來的推薦功能上對其進行改進，并對被推薦方的個人資料與數據進行完善，達到精準、良性循環的目的。結合上述分析，本文繪制了電商個性化推薦系統組織圖，并且針對其個性化內容服務形式進行詳細分析，如圖1所示。（三）電子商務個性化信息內容推薦服務模式分析。定期內容推薦。平臺購物用戶群體通過自主向平臺商家提供商品需求，平臺會定期向客戶群體發送相應內容的形式來完成個性化推薦服務。定期內容推薦主要是借助數據挖掘技術和RSS技術，在對用戶群體信息挖掘方面主要涉及到數據挖掘技術，在向用戶群體推送信息方面主要涉及到RSS技術。以上信息內容推薦服務在圖書網站平臺會常常用到，因為一些用戶群體屬于平臺固定群體，這一群體可以結合自身需求將信息內容精準地傳送給信息內容提供人員，此外電商平臺也可以精準地分析這一群體的信息內容需求。用戶群體在對消費需求的數據方面基本不發生任何變化，電商平臺可以定期、按時對產品內容進行更新，歸納出滿足客戶群體需求的產品資訊。其它的B2C與C2C模式的電商企業可以向客戶群體執行定期內容推送服務，在新的用戶群體注冊環節根據問卷調查，準確了解每一個用戶對產品類型、產品品牌等方面的需求，按照用戶的需求偏好通過站內私信、電子郵箱等向消費者群體推送產品最新動態的方法。熱點資訊推薦。熱點資訊推薦具體指的是電商平臺把當前銷量第一的商品和最新上架的商品及時發送到用戶端的一種服務形式，這種推薦模式屬于主動推薦，購物網站結合現實狀況及時刷新客戶群體的瀏覽內容，并整理出最熱點的產品資訊將其發送給客戶群體。熱點內容發送利用數據挖掘技術與協同過濾方法探尋出當前最熱門的產品資訊，利用客戶群體在網絡中常用的界面彈出窗口以及懸浮窗口網頁等發送到目標客戶群體。購物平臺利用客戶群體在線瀏覽內容與點擊過程中的瀏覽記錄，以此向用戶發送信息。通常熱點資訊推送是建立在用戶多次點擊瀏覽上的。通過熱點資訊形式推薦滿足客戶群體需求并且銷量也非常高的前N種商品，在很大程度上提升了電商平臺的銷售額。因為一般情況下新上架商品非常不容易被消費者所發現，利用熱點資訊推薦形式對新上架商品的推送有著非常重要的意義。興趣愛好挖掘推薦。電子商務平臺可以有效運用數據挖掘技術，對用戶存儲大量數據如消費歷史、瀏覽記錄、消費偏好等進行深入數據分析，從而得出用戶個性化消費需求。根據用戶興趣愛好特征展開的推薦模式，對平臺信息處理水平有著更高的要求，只有精準、高效的信息處理水平才可以探尋出各種隱藏的用戶信息，致力于提高用戶體驗水平。興趣愛好挖掘推薦主要是依據用戶對個性化界面中所涉及到的產品信息展開瀏覽，點擊進入偏好產品，獲取推薦信息，并且在這一過程中商品屬性與相關比重全部被存儲到產品信息庫，在用戶進行瀏覽或者支付過程中，用戶偏好功能就可以關于用戶信息展開個性化整理，從而將這些整理好的信息存儲到相應的存儲庫中。偏好挖掘推薦的過程主要是消費者內容模型構建版塊可以構建消費者個性化的內容版塊，個性化過濾模塊可以根據用戶模型中的標準對商品信息進行篩選，具體推薦流程如圖2所示。這個過程主要由下述環節構成：其一，愛好屬性板塊借助對用戶群體日常瀏覽軌跡來對其消費需求展開分析；其二，用戶群體興趣愛好庫把興趣愛好功能板塊整理出的數據保存，并借助不斷獲取新的興趣偏好數據來隨時更新用戶群體興趣偏好數據庫；其三，用戶群體模。

作者:黎超 單位:廣東白云學院社會與公共管理學院