精选大数据背景下信息推荐服务对消费者行为的影响研究初稿大数据营销.docx

精选大数据背景下信息推荐服务对消费者行为的影响研究初稿大数据营销.docx

《精选大数据背景下信息推荐服务对消费者行为的影响研究初稿大数据营销.docx》由会员分享，可在线阅读，更多相关《精选大数据背景下信息推荐服务对消费者行为的影响研究初稿大数据营销.docx（25页珍藏版）》请在冰豆网上搜索。

精选大数据背景下信息推荐服务对消费者行为的影响研究初稿大数据营销

大数据背景下信息推荐服务对消费者行为的影响研究,初稿_大数据营销

华南农业大学珠江学院毕业设计

大数据背景下信息推荐服务对

消费者行为的影响研究

陈凯锋

指导教师：

杨知玲（讲师）系：

信息工程系年级专业：

15级信息管理与信息系统提交日期：

20XX年4月11日答辩日期：

20XX年5月10日答辩委员会主席（签名）：

评阅人（签名）：

年月日摘要随着大数据时代的来临，网络购物的发展急剧迅猛，大量数据的引入为消费者提供了无数商品信息的同时，也造成了信息过载等问题。

商家们因此推出相应的信息推荐服务，希望能改善消费者网络购物的体验并达到提高销售额的最终目的。

而这种服务究竟在什么方面会对消费者行为产生影响，又会有什么程度的影响正是本文研究的主题。

首先，本文选取了国内外的若干文献，对个性化信息推荐系统，大数据环境下消费者行为和两者的交互关系进行了归纳综述，并以此为基础把信息推荐服务对消费者行为的影响因素总结为信息输入方式、信息编排、推荐强度、信息完整性、网站形象、用户信任六个要素。

其次，本文将上述六个要素与消费者行为结合在一起设计出相关概念模型，并通过数据分析法对模型进行验证。

验证的结果显示网站形象，用户信任对消费者是否接受推荐服务有着显著的影响，是最重要的先决影响因素。

而信息编排和信息完整性则是会显著影响消费者使用信息推荐服务时的体验。

而推荐强度和推荐方式对消费者有着较为复杂的影响，这两个要素的变化会对消费者行为产生直接影响。

最后，本文根据研究结论，向购物网站提出了与结论相对应的改善策略。

接着也对研究的局限性和对未来的展望做了一定的总结。

关键词：

信息推荐服务；推荐系统；消费者行为；电子商务

AbstractWiththeadventofbigdataera，thedevelopmentofonlineshoppingisveryfast.Theuseoflargeamountsofdatahasprovidedconsumerswithinnumerablecommodityinformation,butalsocausedproblemssuchasinformationoverload.Therefore，businessesintroducedinformationrecommendationservicesinthehopeofimprovingtheconsumeronlineshoppingexperienceandachievingtheultimategoalofincreasingsales.Andwhatkindofinfluencethisservicewillhaveonconsumerbehavioristhesubjectofthisarticle.First,thisarticleselectsseveraldomesticandforeignliteraturestoreviewthepersonalizedinformationrecommendationsystem,thebehaviorofconsumersinthecontextofbigdata,andtheirinteractions.Basedonthis,wesummarizedthefactorsthatinfluencetheinformationrecommendationserviceonconsumerbehaviorintosixelements,includinginformationinputmethod,informationlayout,recommendationstrength,informationintegrity,websiteimage,andusertrust.Theresultoftheverificationshowsthatthewebsiteimageandusertrusthaveasignificantinfluenceonwhethertheconsumeracceptstherecommendationservice,anditisthemostimportantprerequisitefactor.Informationalarrangementandinformationintegritycansignificantlyaffecttheexperienceofconsumerswhenusinginformationrecommendationservices.Andthestrengthofrecommendationandthemethodofrecommendationhaveamorecompleximpactonconsumers.Changesinthesetwofactorswillhaveadirectimpactonconsumerbehavior.Finally,basedontheresearchconclusions,thispaperproposesacorrespondingimprovementstrategytotheshoppingsite.Thenwealsomadesomeconclusionsaboutthelimitationsoftheresearchandtheoutlookforthefuture.Keywords:

Informationrecommendationservice;recommendedsystem;ConsumerBehavior;E-commerce目录1绪论11.1研究背景11.2研究的目的和意义11.2.1研究的目的11.2.2研究的意义21.3国内外研究现状22信息推荐服务及消费者行为理论的概述32.1信息推荐服务的概述32.1.1信息推荐系统的定义与特点32.1.2个性化推荐服务的作用42.1.3个性化推荐服务的方式52.2消费者行为的概述62.2.1消费者行为的定义62.2.2消费者行为模式62.2.3大数据背景下消费者行为特点82.3信息推荐服务对消费者行为的影响概述92.3.1推荐服务对消费者行为的过程影响概述92.3.2推荐服务对消费者行为的结果影响概述92.3.3推荐服务对消费者行为的影响维度103消费者行为模型设计123.1消费者行为模型构建123.1.1模型构建思路123.1.2构建模型123.2变量定义与研究假设133.3变量的测量153.4消费者行为问卷调查173.4.1问卷设计173.4.2数据回收174消费者行为问卷调查结果分析185改善信息推荐服务的对策215.1研究结论215.2对策分析215.3研究不足与研究展望236研究不足与研究展望186.1不足之处236.2研究展望23参考文献24致谢261绪论1.1研究背景随着互联网信息技术的不断发展，网络消费市场进一步扩大，在线消费已成为现今社会的主要消费方式之一。

第40次《中国互联网络发展状况统计报告》显示，到20XX年6月为止，中国网民数量已超过全球网民总数的五分之一，达到了7.51亿人。

互联网普及率也超过了全球水平，达到了54.3%。

包括网络购物，网上外卖，在线旅游服务等不同领域的网络交易应用的使用人数也在持续上涨。

20XX年的双十一天猫销售额以1682亿元，再创新高，这充分展现了中国网络消费巨大力量和网络零售市场的无限潜力。

在这样的环境下，云计算、大数据技术的快速渗透给消费者带来了更为繁杂的信息选择和处理，过多的非必要信息展现在消费者面前，反而成为了威胁消费者购物体验的严重阻碍。

而解决信息过载问题的方法随之诞生并发展，那就是信息推荐服务。

各大电子商务平台所推出的信息推荐服务，通过多种方式，为消费者个性化、全方位、高频率地提供商品推荐信息，营造一个更好的网络购物氛围，提高消费者选购效率和购物体验，从而达成提高销售额的根本目的。

信息推荐服务实际上是电商运用大数据技术，对用户的行为偏好和行为轨迹进行分析和预测，从而为消费者购物过程进行引导的过程[1]。

大数据环境下消费者行为逐渐发生转变，消费者对于传统销售的宣传和口碑的依赖程度在下降，他们可以通过如微博、贴吧、微信等更广泛的平台获取商品信息，因此新时代的消费者拥有更加自由化，个性化的行为模式，对于信息推荐服务的引导变得没有那么容易简单的接受[6]。

可见对于信息推荐服务和消费者双方的交互影响因素必然是未来信息推荐服务发展的关键。

1.2研究的目的和意义1.2.1研究的目的本文主要是想通过把消费者行为的影响因素作为切入角度来研究大数据环境下的电子商务信息推荐系统，通过影响因素把消费者和推荐服务联系起来探讨，从而找到提高商家信息推荐系统效率的方法，达成消费者和商家的双赢。

本文以过去研究者的成果为基础探讨电子商务信息推荐系统对消费者行为的影响因素，分别总结出几个典型的正反面因素，并进行相应的验证讨论。

本文希望通过问卷调查的方式来进行实证研究，从而提出对信息推荐服务的改进对策，进而能对消费者行为和决策作出积极引导的同时避免消费者产生抗拒心理，帮助企业提高销量，获得更多利润。

1.2.2研究的意义现今，信息推荐服务已对电子商务网站给消费者提供产品和服务的模式造成了巨大影响，基于大数据的信息推荐服务一直是研究的热点和重点。

而目前的大部分研究，都是独立于信息推荐服务本身的，或是研究改进其算法或是对其问题和理论进行深入挖掘，但是把信息推荐服务与消费者行为的联系起来的研究并不多见。

我的这次研究正是把重点放在推荐服务与消费者的交互的角度，通过对影响因素的探讨，得出对改进推荐服务有利的结论，这具有重要的理论意义和实际意义。

理论意义方面，过去已有的研究多着眼于对技术的优化和推荐系统带来的趋势的研究，而本文着力于把推荐服务的结果与用户需求进行联系分析，通过对用户的行为和需求进行总结，来提出改进推荐系统的服务方式的途径。

因此，本文希望从两个角度，即通过从消费者行为影响因素和推荐服务与消费者交互出发，总结设计出相关影响因素，从而能给以后的相关研究带来一定的帮助。

实际意义方面，改进信息推荐服务有助于提高商家对消费者的个性化定制能力，带给消费者真正舒适消费购物体验，不但帮助消费者从繁杂的信息中解脱出来，更带给商家更多的客流量，更好的顾客忠诚度，最终换得销售额与口碑的双丰收。

1.3国内外研究现状1.3.1国内研究现状1.3.2国外研究现状从上世纪九十年代开始，对推荐系统和推荐服务的研究有了初步的定论。

Resnick（1997）等认为个性化推荐是指购物网站利用自身网络功能为消费者提供购买建议，从而在不需要销售人员的情况下给予消费者导购服务，最终有效地实现购买行为[2]。

Schafer等（2001）指出推荐系统是一种对目前网络个性化消费十分必要的决策支持系统，它能通过一定方式，或参照消费者历史行为作出影响消费决策的信息推荐[3]。

朱岩等（2009）研究表明，个性化推荐系统是基于某种战略，通过对消费者个人的需要和其特点分析，从而进行产品推荐，为顾客决策提供支持[4]。

综上，我们知道目前对于信息推荐系统的定义已比较成熟，其本质在于通过对用户特点和偏好的分析再结合网站自身目的和战略方向，完成对用户的推荐与引导。

对于目前的消费者，他们处于大数据时代，其消费者行为也有着相应的变化。

黄郕若（2016）总结出目前的消费者有自身的特点，他们更加重视商品的个性和创新，容易受外部环境的影响，对网购环境有较高的要求[5]。

张城森等（2016）认为在大数据环境下消费者行为更容易受外部介绍的影响，消费者的品牌依赖度逐渐下降，消费者选择更加个性化[6]。

贝圣劼（2016）同样认为大数据时代消费者行为会更加理性，容易受评价影响并且不再依赖品牌[7]。

那么信息推荐服务对于消费者又有怎么样的影响呢，对于这个问题，也有一部分学者进行了研究。

Maes（1994）认为，推荐系统可以缓解信息过载、使搜寻更加简单化，保证决策的质量[8]。

Ansari等（2000）认为推荐系统是一种辅助工具，能给消费者作出购买决策的过程提供帮助[9]。

Grabner等（2003）指出对于个性化推荐系统来说消费者对企业信任的研究十分重要，顾客信任对顾客与企业进行互动和再交易有积极影响[10]。

Hostler（2005）研究认为，使用了推荐系统，能极度缩短消费者商品搜索和购物时间[11]。

Kuflik等（2007）研究发现，推荐系统能够缩短消费者与网购平台交流互动的时间，提升网购效率[12]。

蔡日梅（2008）研究了购买决策是如何被电子商务推荐代理所影响的，并将认知价值和信任作为中间变量建立出相应模型[13]。

刘建国等（2009）认为信息过载问题会在电子商务发展中逐渐加重，而个性化推荐正是有效解决此问题的关键技术之一[14]。

杨一翁等（2016）认为购物网站特性、推荐系统特性和推荐信息特性影响推荐系统对消费者的营销效果[15]。

胡静（2016）从推荐系统和消费者的交互角度对电子商务推荐系统对消费者购买决策的影响进行了实证研究，证明了个性化、信息编排、信任等因素对购买决策具有显著的影响作用[16]。

付晓悦（2016）认为个性化推荐系统中，信任是一个显著影响购买意愿的因素。

而网站信息编排与形象是影响信任的主要内部要素[17]。

2信息推荐服务及消费者行为理论的基本理论概述2.1信息推荐服务的概述2.1.1信息推荐系统的定义与特点从九十年代推荐系统的雏形诞生到现今各大电子商务平台（淘宝，亚马逊，京东等）纷纷推出个性化信息推荐服务，信息推荐系统已得到了非常广泛的运用。

而对于信息推荐系统的定义，学者并没有非常统一的说法。

Resnick（1997）等认为个性化推荐是指购物网站利用网络特性代替销售人员为消费者提供购买建议，促使购买行为完成的过程[2]。

Schafer等（2001）认为推荐系统是一种决策支持系统，是根据客户的历史偏好给出个性化建议的虚拟店员[3]。

朱岩等（2009）认为信息推荐系统给予的是以消费者个性特征与个人需求为基准的推荐商品的服务。

张红（2013）认为个性化推荐系统是为了提高消费者的购买决策速度而通过各种手段向消费者推荐商品的一种机器人[18]。

综上所述，我们发现各学者所认为的个性化信息推荐系统就是一种通过一定方式给予消费者相应的建议与推荐从而促进消费者购买行为的工具。

根据这点，我们可以归纳出信息推荐服务的三个特点：

（1）信息推荐服务主要根据消费者历史浏览或历史购买行为来作出推荐商品的选择。

个性化信息推荐服务是在以捕捉消费者行为的基础上完成的，对消费者行为的信息采集与分类越精确，网购平台给出的推荐信息就越详尽。

（2）个性化推荐服务通过某种特定方式把信息传递给消费者。

推荐信息系统在完成对消费者特点的分析之后，会采用一些方式给消费者提供推荐信息，通过不同角度刺激消费者做出有利于网站浏览量提升的行为，从而达成提高销量的目的。

（3）信息推荐系统可以减少消费者购物时的思考时间，让消费者的购买决策变得更加快速而有效率。

信息推荐系统通过一系列根据消费者历史购买习惯而产出的个性化信息给消费者直观的外部刺激，从而节约了消费者在搜索与选择商品时所用的时间。

2.1.2个性化推荐服务的作用在电子商务不断发展的时代，所有商家都在寻找网络信息高效化的销售方式，而个性化信息推荐服务正是在这个大数据时代能够脱颖而出的佼佼者。

它一方面为信息过载提供了解决的手段，一方面又为消费者带来了系统的服务，进而提高产品的销量。

本文总结出以下的几点作用：

（1）增加非计划性购买，把网站浏览者中的潜在客户转换成消费者。

大部分浏览购物网站的人最初总是偏向于随意浏览，他们没有明确的购买目标，再加上网络商品信息过多，也使用户无法找到自己真正的目标商品[19]。

邱聪聪认为，顾客刚开始只是浏览网站而并没有购买计划，或者浏览者的购买需求被信息过载所吞噬的时候，推荐系统给出的精准而快速的推荐信息会带给浏览者极大的兴趣并使他们将购买需求转变为购买行动[20]。

R.EricHostler等人认为推荐服务对于影响顾客的冲动购买决策中扮演着重要角色[21]。

（2）提高交叉销售量，促进销售。

推荐系统通过分析消费者搜索历史，购物车信息和购买历史来提供一系列高度相关的产品推荐信息，来促进销售[16]。

推荐系统同样能将互补商品信息提供给消费者来增加消费者的计划外购物[17]。

（3）提高销售效率，降低销售成本。

一般销售产品所需要的宣传广告主要依靠不同的卖点来吸引消费者的目光，这就要求针对不同消费者，不同产品都需要有相对应的设计，这需要消耗大量成本。

而推荐系统却可以对网上的每一位浏览者的需求进行及时而又目的性的回应，它不但能够对消费者的个性化信息进行分析处理，提出相应的购买建议，达成促销的目的，而且作为一个系统，他的自动化模式也能给商家免去各种人力财力的开销。

带给商家低成本实现所有产品的针对性宣传与促销的方式，真正实现了一对一销售服务[20]。

（4）增加顾客对网站的信任，提高忠诚度。

个性化推荐服务带给用户高效便捷的购物体验，让用户在信息过载的网络时代，更容易找到自己中意的商品。

付晓悦认为这种推荐服务带给用户人性化的亲切导购体验，能增加用户的认同感与归属感，维护客户与购物网站的关系[17]。

如果消费者在选购商品时得到一系列逞心如意的个性化信息推荐，从而经历一次满意的购物体验，消费者以后会在相同网站购买商品的概率必然会大大增加[19]。

邱聪聪认为，推荐系统甚至可以把有相似购物意愿的人联系在一起，形成独特的个性化网络社区来分享各自的购物体验，从而使消费者与网站本身的联系更加密切，从而提高顾客的忠诚度[20]。

2.1.3个性化推荐服务的方式个性化推荐服务发展至今，其体系已经比较完善，通常购物网站的个性化推荐系统运作包括三个阶段，即用户数据收集输入，系统内部信息分析，推荐信息的输出。

客户数据的收集主要依靠对消费者过往搜索浏览的记录和购买历史的分析获取。

而对消费者的信息推荐和引导方式就比较丰富了。

如最初的用户销量排行榜，“其他人还浏览过……”这种文字引导，又或是通过底部下拉条的图鉴式推荐，购物网站不仅把推荐系统的重点放在对用户的个性化分析上，而且对于向用户提供的信息推送方式也极为看重。

刘旭东将信息推荐的推送方式归纳为以新商品推送，促销活动推送为主的广告推荐，评分推荐和电子邮件推荐[22]。

张雪琳认为，个性化网络推荐系统的推荐方式包括相似浏览、购买推荐、电子邮件、文本注释、用户评分等级、最佳排名和定制搜索结果等[23]。

张苗苗等人认为，个性化推荐的方式包括网站平台推送、邮件推送、弹窗广告、专用的软件及其捆绑[24]。

不同的购物网站会采取不同的方式推送其推荐信息，不同推荐信息也有利于增加顾客的新鲜感，其丰富多样的特点本身也能吸引顾客接纳推荐的信息。

综上本文将推荐服务的推送方式归纳为以下几种：

（1）网站页面信息引导。

购物网站页面信息丰富，从用户进入网站浏览页面开始，各种商品推荐的信息就会不断向用户袭来。

包括侧边栏的商品排行信息，页面底部的关联产品推荐，搜索产品时的引导推荐和购物历史订单界面或购物车界面的相应推荐信息等。

（2）弹窗广告。

通常在浏览任何网站时或在视频网站视频暂停页面时会出现在界面上的，根据用户过去浏览、消费历史而产生的关联商品信息广告。

（3）社交平台信息引导。

过去多为电子邮件推送为主，而现今随着微博，贴吧，微信，QQ等社交平台的不断发展，在这些平台上也有着相应的个性化推荐内容，这些平台的推荐信息也会根据用户所处环境和过往购物历史产生的信息来定制。

2.2消费者行为的概述2.2.1消费者行为的定义消费者行为没有统一的定义，不同学者在不同角度给出相应的解释。

科特勒认为消费者行为是指个体、群体及组织所参与的选择、购买、使用和处理产品、服务、思维和体验从而满足他们需求和欲望的过程[25]。

Sheth和Banwari认为消费者行为即主体对某项商品或服务的购买付款过程中的心理和实际行动的总和[25]。

胡静指出消费者行为是消费者为了满足自身的需要而进行购买商品或服务时的决策以及行动过程[16]。

综上所述，本文认为消费者行为是指主体从对某项产品或服务产生需求到完成购物决策并付款的完整过程，在这过程中的一切要素都包含在消费者行为中。

2.2.2消费者行为模式通过文献查找，我们知道国外研究人员已经有了多种消费者行为模式的体系，我们选取其中几个作为参考。

（1）消费者行为的一般模式人的行为具有一个一般模式，称作S-O-R模式，即“刺激-个体生理、心理-反应”模式[26]。

通过这个模式我们知道消费者行为也有类似的过程。

刺激会引起消费者拥有对某事物的需求和欲望，从而带动一系列心理方面的变化，最终导致购买行为的产生。

这个刺激既可以是来自外部环境，也可以由消费者本人生理或心理变化中产生，最终转变为引起购物行为发生的消费欲望。

这就是一个完整的消费者行为的一般模式。

内外部因素刺激消费者心理变化过程购买行为

图2.1消费者行为的一般模

（2）菲利浦科特勒购买行为模式营销刺激产品与服务价格渠道传播其他刺激经济技术政治文化顾客心理动机感知学习记忆消费者特征社会文化个人购买决策过程问题识别信息搜寻方案评估购买决策购买行为购买决策产品选择品牌选择经销商选择购买量购买时间支付方式根据菲利浦科特勒的理论我们了解到其购买行为模式分为四个部分：

图2.2消费者行为模型[25]科特勒的模型显示通过丰富的外界刺激，顾客心理就会有一系列的过程转变，从而引出相对应的购买行为，因此消费者个人的特征对购买行为的产生与否起着非常重要的中转作用。

（3）霍华德-谢思模式霍华德-谢思模式主要通过各种因素的角度切入，对消费者购买行为进行过程解析。

主要包括四个因素：

由外部环境组成的因素称为外部因素，由购买产品相关刺激与关联信息组成的刺激或投入因素，由消费者自身要素组成的内在因素，由购买过程中心理和实际行为变化组成的反应或产出因素[16]。

该模式把重点放在消费者行为产生结果之前的一系列因素的剖析，这体现出消费者在决定购买一件商品之前的对商品的认知过程至关重要，消费者行为的大部分是由对产品认知的过程来引导的。

文化个性时间压力财务状况外在因素刺激或投入因素产品实质刺激产品符号刺激社会刺激质量价格特性可用性服务推销员广告媒体对产品特征的传递家庭相关群体社会阶层内在因素（心理活动过程）感知结构学习结构反应或产出因素了解态度购买打算购买

图