介绍了电子商务推荐系统的基本内涵,对电子商务推荐系统的工作流程进行了初步探讨,并从不同角度对常用的电子商务推荐技术的推荐机理与方法进行了对比研究。

与传统的商务活动相比,电子商务具有不可比拟的优势,如降低企业成本、提高效率、提高企业的竞争力、提供给用户更多的选择等。如今,电子商务的效益日益明显,通过Internet建立自己的网上商店进行商务活动的企业越来越多,但这些虚拟的商店并没有配备相应的销售人员来引导用户购物。随着电子商务网站规模的不断扩大,网上商品越来越丰富,虽然用户有了更大的选择空间,但同时也增加了用户购买所需商品的难度,用户在找到自己需要的商品之前,往往需要浏览大量的无关信息。为了解决这个问题,有效地指导用户在电子商务网站中购物,人们提出了电子商务推荐系统。

1电子商务推荐系统的涵义及其作用

电子商务推荐系统是指利用电子商务网站向客户提供商品信息和建议,帮助客户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。目前,几乎所有大型的电子商务系统,如Amazon、eBay、当当网等,都不同程度地使用了各种形式的电子商务推荐系统,电子商务推荐系统的开发和应用将会给企业带来巨大的经济效益。

电子商务推荐系统可以提高电子商务网站的销售能力,其作用主要体现在以下3个方面:

(1)实现浏览者向购买者的转变

很多电子商务网站因为设计不合理,导致用户无法快捷地找到感兴趣或想购买的商品,从而出现了浏览站点的用户经常是只看不买的现象,而电子商务推荐系统的出现可以帮助用户便捷地找到想购买的商品,从而实现了用户从浏览者向购买者的转变。

(2)实现交叉销售

电子商务推荐系统在用户购买过程中向用户推荐其他有价值的商品,用户能够从提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品,从而实现了电子商务系统的交叉销售。

(3)实现客户的有效保留

电子商务推荐系统通过分析用户的购买习惯和需求,向用户提供有价值的商品推荐。如果推荐质量很高,那么用户会再次访问该网站,并会推荐给其他人,从而进一步扩大了网站的客户群,也有效地避免了客户流失问题。

总之,电子商务推荐系统可以模拟商店销售人员向用户提供商品推荐,帮助用户找到所需商品,从而顺利完成购买过程,可以有效保留用户,提高电子商务系统的销售能力,商家也可以通过电子商务推荐系统保持与客户的联系,重建客户关系。

2电子商务推荐系统的分类

目前,电子商务推荐系统的分类方法存在多种,根据推荐的自动化和持久性程度,可以将电子商务推荐系统分为非个性化电子商务推荐系统、基于属性的电子商务推荐系统、用户相关性推荐系统和商品相关性推荐系统。

其中,非个性化电子商务推荐系统是基于其他用户对商品的综合评价,或是基于电子商务系统的销售排行,或是基于电子商务系统的编辑推荐,向当前用户提供推荐信息;基于属性的电子商务推荐系统则是根据商品的属性特征向用户产生推荐列表;用户相关性推荐系统首先搜索当前用户的最近邻居,然后根据最近邻居的购买历史或评分信息向当前用户产生推荐;商品相关性推荐系统主要根据商品之间的相关性向用户产生相应的推荐信息。

根据所采用的推荐技术可以将电子商务推荐系统分为以下几种类型:协同过滤推荐、基于内容过滤的推荐、基于关联规则的推荐、基于用户统计信息的推荐、基于效用的推荐和基于知识的推荐等。本文将在下面对这些推荐技术进行比较。

3电子商务推荐系统的工作流程

虽然电子商务推荐系统的种类很多,所采用的推荐技术也不尽相同,但各种推荐系统的工作流程基本相同,主要包括数据采集、数据预处理、形成推荐和结果显示等环节。

3.1数据采集

数据采集方式主要有两种类型:显式采集和隐式采集。其中,显式采集方式是指推荐系统需要用户显式地输入形成推荐所需要的信息,包括用户信息、用户对商品的评价等;隐式采集方式是指推荐系统根据电子商务系统在用户的购物过程中自动记录的信息形成推荐,比如用户浏览或者购买了哪些商品,以此来分析用户的行为特性,不需要用户输入任何信息。

显式方式获得的数据通常比较准确,但需要用户显式地输入信息,数据采集比较困难。隐式方式获取数据的准确性要低一些,且只能获得用户比较简单的评价,但采集数据相对比较容易。在实际的电子商务推荐系统应用中,针对用户和电子商务网站不同的需求,两种方式都有各自的应用场合。

3.2数据预处理

数据采集阶段所获得的数据往往具有不同的存储格式,而不同的推荐技术所要求的数据格式也不尽相同。因此,在形成推荐以前往往要根据不同的推荐技术对不同类型的数据进行相应的预处理,将其转化成符合所使用推荐技术要求的格式。

比较常用的存储格式包括:基于内容的文本格式和基于数值的矩阵格式。其中,基于内容的文本格式数据需要用语义分析等知识进行预处理;基于数值的矩阵格式数据,通常是用M×N的用户-商品评价矩阵R来表示,矩阵中的元素R表示第i位用户对第j个商品的评价,可以当作数值来进行处理。数据预处理包括数据清洗、会话识别和事务识别等过程。

3.3形成推荐

电子商务推荐系统完成了数据采集工作,并对数据进行预处理之后,就可以利用各种推荐方法进行推荐了。形成推荐是电子商务推荐系统工作流程中最为关键的一个步骤。

前面介绍了电子商务推荐系统的分类,不同类型的电子商务推荐系统所运用的推荐技术和方法不尽相同,下文中对各种电子商务推荐技术的推荐依据和主要算法步骤进行了比较,参见表1。

3.4结果显示

推荐结果形成后,接下来的任务是如何把推荐结果呈现给用户。不同的推荐结果显示时机和方式,往往可以起到不同的推荐效果。结果显示的途径主要包括以下几种:

(1)将电子商务网站最热销的商品或者最新加入的商品以排行榜的形式显示给用户。

(2)根据用户的查询操作和要求形成推荐,并将推荐结果按照匹配程度或者用户的感兴趣程度进行排序,以列表或超链接的形式把推荐结果显示给用户。

(3)向用户提供其他用户对用户正在浏览商品的评价信息。

(4)根据用户的兴趣爱好向当前用户推荐商品。

(5)向用户推荐与用户购物车中商品相关的商品。

(6)以电子邮件方式向用户发送其可能感兴趣的商品或者新加入系统的商品信息。

4电子商务推荐系统的推荐技术比较

下面的表1和表2分别从不同的角度对目前常用的电子商务推荐技术进行了比较。其中,表1主要从推荐依据和主要算法步骤两个方面对各种推荐技术进行了比较,表中U=u,u,u,…,u代表用户集合,I=i,i,i,…,i代表产品项目列表。

由于各种推荐技术都存在优缺点,所以在实际的应用中常采用组合推荐技术。例如,内容过滤推荐和协同过滤推荐的组合,分别用基于内容的方法和协同推荐方法,产生一个推荐预测结果,然后用某方法组合其结果。

5结束语

企业如何在虚拟的电子商务环境中吸引新用户,并确保自己可以提供足够的产品或服务留住老用户,帮助用户从电子商务网站中挑选出自己真正需要的产品或服务,已成为许多电子商务企业所要关注的主要问题,解决这些问题的重要途径就是构建完善的电子商务个性化推荐系统,而个性化推荐技术的研究是提高电子商务推荐系统推荐效果的关键因素。本文介绍了电子商务推荐系统的基本内涵,对电子商务推荐系统的工作流程进行了初步探讨,并从不同角度对常用的电子商务推荐技术的推荐机理与方法进行了对比研究。