电子商务企业个性化推荐分析研究.docx

电子商务企业个性化推荐分析研究.docx

《电子商务企业个性化推荐分析研究.docx》由会员分享，可在线阅读，更多相关《电子商务企业个性化推荐分析研究.docx（14页珍藏版）》请在冰豆网上搜索。

电子商务企业个性化推荐分析研究

电子商务企业个性化推荐分析研究

[文档副标题]

学校：

西安电子科技大学

学院：

经管院

学生：

马化腾

摘要：

电子商务个性化推荐系统在电子商务过程中应用知识发现技术,针对不同的用户,对产品和服务作出个性化推荐。

随着互联网的蓬勃发展,电子商务的虚拟购物环境既为企业提供了新的发展机遇,也给用户提出了如何处理Web商品信息过载问题的挑战,推荐系统作为个性化服务的一种方式,能够向用户推荐其感兴趣的项目,辅助用户作出决策,成为用户网上购物的有力助手。

在电子商务领域，随着商品信息不断增加，如果电子商务网站需要获得更高的效益，则必须更好的满足用户的需求。

个性化推荐系统能很好的完成这一任务。

使用户更容易找到自己感兴趣的商品。

个性化推荐系统可以提高用户的忠诚度及满意度，为企业创造更多的价值。

本文在对电子商务中的数据仓库、个性化推荐系统以及消费者心理进行深入研究的基础上，重点评述了电子商务个性化推荐领域中的研究热点问题,并分析了目前国内电子商务个性化推荐理论研究和应用现状,最后提出了电子商务个性化推荐领域所面临的挑战。

随着社交媒体的广泛应用,在电子商务行为中,消费者很大程度上的购买决策除了会受到消费者自身心理影响外还会受到他人因素的影响,尤其是好友的影响。

本文提及了社交媒体网络下,用户评论和销量对于推荐模型的影响,建立了基于社交媒体中好友的评论的个性化推荐模型。

通过从国内的社交网络中采集相关数刁尾,对模型的效果进行了验证。

关键词：

电子商务；消费者心理；个性化推荐；好友影响；推荐模型

目录

第一章绪论.......................................................................................................................3

1.1研究背景.......................................................................................................................3

1.1.1电子商务................................................................................................................3

1.1.2个性化推荐............................................................................................................5

1.1.3消费者心理研究.......................................................................................................5

第二章个性化推荐系统与消费者心理...............................................................................6

2.1数据仓库与个性化推荐系统.....................................................................................6

2.1.1电子商务中的数据仓库..................................................................................6

2.1.2点击流数据仓库.............................................................................................6

2.1.3个性化推荐系统...............................................................................................7

2.1.4本章小结...........................................................................................................7

第三章：

基于好友影响的个性化推荐模型..........................................................................7

3.1研究对象选取...........................................................................................................7

3.2模型的总体设计.......................................................................................................8

3.3模型构建及假设.......................................................................................................9

3.4数据获取及验证.......................................................................................................10

3.5个性化推荐系统的研究结论...................................................................................10

3.5.1.模型验证..................................................................................................................10

3.5.2模型分析及结果........................................................................................................11

3.5.3本章小结.................................................................................................................11

第四章：

结论与展望..................................................................................................................11

4.1建议总结.............................................................................................................................11

参考文献.....................................................................................................................................12

第一章绪论

1.1研究背景

1.1.1电子商务

电子商务（EC,ElectronicCommerce）通常是指是在全球各地广泛的商业贸易活动中，在因特网开放的网络环境下，基于浏览器/服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业运营模式。

电子商务网站的建设比较容易，但如何让电子商务网站发挥更高的效益则是困难的事情。

为此，网站的经营者必须使其能更多地吸引客户，并能提高客户忠诚度，带来经济效益。

在Internet环境下，客户的时间和空间是不受限制的，在不需要资金的投入的前提下就能够了解许多企业的产品，能够很容易地掌握供应商、供应商的竞争对手及所有服务商的产品和服务信息，从而能够以最低的价格购买到合适的产品。

因而，电子商务业务的竞争就比传统的业务竞争更加激烈。

为了获得更多的成功，电子商务必须能够适应不断变化的市场需求。

如何吸引客户，提高客户的忠诚度便成为了企业竞争制胜的关键。

中国于1993年开始引入电子商务,并且我国政府在国内大力推广电子商务。

1996年9

月,中国银行完成了中国第一笔网上交易,同年同月招商银行开始实现网上交易,并成为国内最为完善的网上支付系统。

1998年是我国的电子商务年,但政府的推动并没有带来国内电子商务的快速发展,电子商务在中国开始由概念向实践的转变的契机是2（X）3年蔓延的非典疫情况,由于疫情带来了电子商务的快速普及,从而使人们真正体会到了电子商务所带来的好处。

同时互联网在中国的快速发展为电子商务的发展创造了有利条件。

2（X）8年底中国互联网络信息中心发布的《第19次中国互联网络发展状况统计报告》显示,截至2（X）8年12月31日,中国上网用户总数达到5.87亿人。

国务院新闻办公室副主任蔡名照在上海召开的第二届中美互联网论坛上发布统计数据表明,2008年6月底,我国网络购物用户人数达到6329万,半年内增加了36.4%。

据商务部预计,未来10年,将有70%的贸易额通过电子商务完成,电子商务将成为主流商业经济模式。

电子商务根据参与对象的不同可分为BZB的电子商务、BZC的电子商务和CZC的电子商务。

B是指business即企业;C是指consumer即个人。

BZB的电子商务是指企业与企业间所进行的电子商务,BZC的电子商务是指企业与个人之间所进行的电子商务,而CZC的电子是指个人与个人之间所进行的的电子商务。

我国电子商务刚开始发展时主要是BZC模式,近几年CZC模式和BZB模式的电子商务。

我国电子商务刚开始发展时主要是BZC模式,近几年CZC模式和BZB模式的电子商务

在中国也取得了良好的发展。

但在我国目前的电子商务交易中,目前BZB的电子商务仍占据最大的市场份额.根据艾瑞咨询公司发布的统计数据,2（X）5年,我国的BZB电子商务市场

交易规模达到了6500亿元,2006年中国BZB电子商务市场交易规模达到了1.28万亿元,2007

年中国BZB电子商务市场交易规模达到了2.12万亿元,2008年中国BZB电子商务市场交易

规模达到了2.%万亿元,增长幅度惊人;预计2011年我国BZB电子商务交易规模可达到6.32

万亿元。

根据艾瑞咨询公司发布的统计数据,2（X）2一012年中国BZB电子商务交易规模如图

1一1所示（单位:

亿元）

我国的BZC的电子商务在2（X场年以后也得到了快速发展。

目前,BZC的电子商务已经

在中国形成了一定的市场规模。

根据艾瑞咨询公司发布的统计数据,2加5年中国BZc的电子商务市场交易规模达到20亿元,2（X巧年中国BZC的电子商务市场交易规模达到28亿元,2007年中国BZc的电子商务市场交易规模达到43亿元,2（X）8年中国BZC的电子商务市场

交易规模达到80亿元。

预计2011年我国BZC的电子商务交易规模可达到422亿元。

我国CZC的电子商务虽然在电子商务市场中的所占的交易份额比较低,但最近几年一直保持高速增长。

据不完全统计,中国CZC电子商务市场2008年第1季度总体市场交易规模达到205.4亿元人民币,较2007年第4季度增长34.6%。

其中在线商品数为13603万件,较2（X）7年第4季度环比增长19%,同比增长52%。

根据艾瑞咨询公司发布的统计数据,2005年中国CZC电子商务市场交易规模达到137亿元,2（X）6年中国CZC电子商务市场交易规模达到230亿元,2（X）7年中国CZC电子商务市场交易规模达到518亿元,2008年中国CZc电子商务市场规交易模达到1014亿元。

预计2011年我国BZC电子商务交易规模可达到3638亿元。

根据艾瑞咨询公司发布的统计数据,2（X）2一012年中国BZC的电子商务和CZC电子商务

市场交易规模如图1一所示弹位:

亿动。

1.1.2个性化推荐

电子商务给传统的商务交易带来了革命性的变化，从而要求“以产品为中心”向“面向客户”、“以客户为中心”的新的商业模式的转变，要求电子商务网站按客户群划分产品，围绕客户进行服务，为客户提供所需要的商品或信息，所以给予顾客提供个性化的服务成必然趋势。

在这种背景下，推荐系统（RecommenderSystem）[1]应运而生，电子商务推荐系统就是根据客户的爱好、习惯，模仿销售人员推荐信息、商品等的程序。

目前很多大型电子商务网站都不同程度使用了推荐系统[2]。

在电子商务的虚拟环境下，商家能够在网上提供的商品种类和数量非常多，但用户很难在海量数据中方便快捷地发现自己感兴趣的商品，用户既不愿意花太多时间寻找商品，也不可能像在物理环境下检查商品的质量。

因此，用户很需要电子商务网站提供一种具有辅助推荐功能的程序来帮助其选购商品，并能针对每一位用户的兴趣爱好自动地推荐。

个性化推荐技术是电子商务推荐系统中最核心、最关键的技术，很大程度上决定了推荐系统性能的优劣。

1.1.3消费者心理研究

个性化推荐最根本的目的是让商家得到最大利润的同时让用户购买到最合适的产品。

究其本质，就是使商家了解和掌握用户的消费心理。

因此在个性化推荐的研究中，极有必要了解和掌握用户的消费心理。

消费者心理学是心理学的一种，虽然在20世纪20年就已经有对消费者心理的研究，但它是在20世纪60年代才发展起来的。

1960年美国心理协会是在《消费者心理》杂志的资助下成立的。

此后消费者心理才开始被大家广泛的重视。

研究消费者心理的基本目的表现在两个方面[5]：

（1）研究消费者的心理，为工商企业的生产、经营和管理提供决策信息，指导工商企业的生产、经营和管理。

（2）研究消费者的需要、动机与消费体验等，促使企业提高产品质量和服务水平，最终为消费者提供更好的服务。

消费者认为一种产品好、有一定价值也正是他们所需要的，他们便有可能购买；如果这种产品的样式让消费者不满意，或者价格难以接受，或者别的牌子比这个牌子更好，那么消费者就不一定购买。

企业要达到卖出产品的目的，应当了解消费者购买产品的可能性，研究消费者的想法、愿望、购买动机或购买行为，这就是我们要研究消费者心理的首要原因。

只有对消费者的心理有了更加详细深入的了解，掌握不同人群的消费心理，才能对他们给予更好的帮助和指导。

针对不同的消费者，根据他们的个人喜好、习惯和兴趣给予推荐，会提高消费者对网站的忠诚度及满意度。

个性化推荐是电子商务网站提高用户忠诚度和满意度的一种非常行之有效的手段。

第二章个性化推荐系统与消费者心理

在电子商务中，商家为了适应消费者不断变化的需求，获得更多的利润，就必须提高用户对自己的忠诚度，就必须提供给用户更人性化的服务。

个性化推荐系统能很好的实现商家的愿望。

通过对电子商务网站点击流数据的处理、分析以及挖掘，商家能够轻易的得到消费者的需求。

2.1数据仓库与个性化推荐系统上世纪末，随着网络的发展，电子商务网站逐步兴起。

电子商务的兴起给现实中的商品交易很大的冲击，数据量、速度和多样性是电子商务需要面对的冲击和挑战。

这些问题都是需要商家以及消费者共同面对的问题。

2.1.1电子商务中的数据仓库

数据仓库的创始人BillInmon认为数据仓库是为支持管理决策建立的，面向主题的，

综合的，稳定的，随时间变化的数据集合[23]。

传统的数据库有以下几个特点：

（1）面向主题的数据。

（2）综合的数据。

（3）数据的时间特性。

2.1.2点击流数据仓库

提到电子商务中的数据仓库，就不得不提到点击流数据仓库[25]。

支撑电子商务中数据仓这一复杂的体系结构的基础就是点击流数据仓库。

所有的在线服务都用Web服务器日志文件记录了用户的每一次点击活动，这些日志文件被抽取并装载到点击流数据仓库中去。

来自商业交易系统中的其他交易信息通常用于充实点击流数据。

一个点击流数据仓库的主要数据源是网站的Web服务器日志文件集。

这些日志包含了访问这个Web站点的每个访问者的事务执行记录。

通常应用于Web服务器中的日志文件格式有很多，但多数常用的Web服务器软件可以根据3种公开的标准日志文件格式中的一种来记录日志文件。

这3中格式开放格式是：

NCSA的普通日志格式（CLF:

CommonLogFormat）、NCSA的扩展日志格式（ECLF:

ExtendedLogFormat）、和W3C的扩展日志文件（ExLF:

ExtendedLogFileFormat）。

日志数据所包含的主要信息有：

日期、时间、客户IP地址、用户名、服务器名、服务器IP地址、服务器端口、方法、用户所请求的页面等。

表面上看，这些数据中的一部分在点击流数据仓库中有明显的用处，有些却没有用。

但在无状态的HTTP协议的上下文环境中，这些日志除了说明这个事物是在什么时候发生外，还需要它们链接在多重的日志文件中的记录。

通过日志文件中连续的记录，我们就可以更清楚的认识用户的行为和目的。

因此，如果没有点击流数据仓库，电子商务就显得非常盲目，完全不理解它与用户间的商业关系。

点击流数据仓库对于电子商务的重要性比相应的传统数据仓库对于传统商业的重要性要高得多。

2.1.3个性化推荐系统

在电子商务中，个性化推荐系统的出现绝非偶然。

究其原因就是由于因特网的规模和覆盖面的迅速扩大给用户带来了信息超载（informationoverload）的问题，使得企业和消费者都被海量数据所淹没，在数据面前不论是企业还是用户，都显得非常无助。

用户接受海量信息，却无法从中得到自己真正想要的信息，用户的情绪受到影响，信息使用率降低。

现有的很多网站，都会建立专业的搜索引擎和数据索引，其本质就是帮助用户过滤冗余信息，从而提高用户满意度和忠诚度。

但这些做法仅仅满足了用户最基本的要求，并没有考虑到用户个性化的需求，仍然无法从根本上解决信息过载的问题。

推荐系统作为一种重要的信息过滤手段，恰恰解决了当前信息过载的问题[26]。

推荐系统与搜索引擎的区别主要有以下几个方面[27]：

（1）搜索注重结果（如网页）之间的关系和排序，推荐还研究用户模型（userprofile）和用户的喜好，基于社会网络（socialnetwork）进行个性化的计算（personalization）。

（2）搜索的进行由用户主导，包括输入查询词和选择结果，结果不好用户会修改查询再次搜索。

而推荐是由系统主导用户的浏览顺序，引导用户发现需要的结果。

高质量的推荐系统会使用户对该系统产生依赖。

用户主动发出搜索，搜索结果的好坏由用户自己判断。

如果搜索结果并不符合用户的需求，用户会对关键词重新整理，再一次进行搜索，直到用户满意为止。

而推荐系统是主动推荐给用户的，帮助用户寻找到其想要的信息。

一个好的推荐系统会使用户对其产生一种依赖感。

所以，推荐系统不仅能够为用户提供个性化的服务，同时也能使用户对推荐系统产生好感，从而提高用户的忠诚度，与用户建立稳定长久的关系，减少用户的流失。

2.14本章小结

本章主要介绍了数据仓库与个性化推荐系统的产生。

推荐系统的产生是电子商务发

展的必然结果，推荐系统为企业和消费者找到了沟通的途径，使彼此更能准确、深入的

了解。

在个性化推荐系统中，通过对消费者心理的研究，使其更能了解消费者的消费心

理，从而使企业能够满足消费者不断增长需求，增加消费者对企业的满意度以及提高消

费者对企业的忠诚度，为企业带来良好的经济效益。

第三章基于好友影响的个性化推荐模型

基于WeZb.O的社交媒体注重用户的交互作用,用户会聚集成一个个的群体,拥有相同爱好或兴趣的用户会聚集成一个兴趣小组,从而形成以兴趣为聚合的社区。

在这样一个社交社区中,用户的购买决策从关注商品的价格、质量、功能,转变到了决注商品的销量和用户的评论,而其中评论和销量的数据中又有大众和好友的区分。

3.1.研究对象选取

本文拟建立的是社交媒体中评论和销量对于推荐模型的改进,对于选取的研究对象需要满足以下条件:

（）l拥有大量注册用户

（2）Web2.。

社区,用户可以创造内容

（3）拥有用户购买决策或消费倾向的数据

（4）拥有AP工,可容易获取数据

（5）拥有评论、销量等基本反馈因素

（6）拥有好友关系,或兴趣小组

结合以上要求,本课题选择豆瓣读书作为研究对象,豆瓣以书影音起家,一直致力于帮助都市人群发现生活中有用的事物,通过桌面和移动产品来服务都市日常生活的各个方面。

豆瓣读书拥有活跃的用户群体以及丰富的好友关系网络,对于本文的数据获取是一个便利条件。

3.2.模型的总体设计

本文结合个性化推荐中产品因素和用户因素,同时在此基础上我们增加了一个反馈因素的影响。

在社交媒体影响下,影响用户购买行为的因素包括产品影响、自身影响、反馈影响,这些因素分别包含了以下的内容:

产品影响（产品的特性,诸如产品的基本信息,品质、质量等内容）,自身影响（包含用户的基本信息,如出身日期,出身地,以及用户的偏好）,反馈影响（他对对自身的影响,包含好友关系,好友数量,好友影响力,他人对业务的评价,包含用户的评论、评分,他人对业务的选择,包含用户的购买行为）。

为此选取的影响因素总体设计如图1所示:

3.3模型构建及假设

根据选取的研究对象以及模型的总体设计,结合豆瓣的数据特点,用户的阅读行为与用户自身特性,书本特性,普通用户行为以及朋友行为相关,对模型的因变量以及自变量设计如图2所示:

根据计量经济学的建模方法,建立一个多元Logit模型如式1所不:

其中U代表用户自身的因素,O代表其他用户的因素,B代表书籍本身的因素,已为误差量（噪声）,模型中设计相关自变量与因变量设计如表1所示。

（式2）

根据用户行为模型的设计,提出的如下假设:

（1）用户存在从众效应,阅读量大的数据会增大用户对该书籍的阅读。

（2）拥有大量书评的图书会加大用户的阅读可能性。

（3）用户更倾向于阅读偏好（具有相同标签）的图书。

（4）高评分的图书更容易吸引用户。

（5）用户的书评信息对用户的阅读产生积极影响。

（6）在线反馈对用户的阅读倾向产生积极影响。

3.4数据获取及验证

为研究反馈机制对脆Zb.o时代的消费者购买决策产生的影响,需要根据前一节中的模型设计进行数据采集并验证模型,借助豆瓣开放的AP工,编写数据采集程序,可以获取到验证模型的数据。

根据模型数据需求,首先获得豆瓣热门图书榜单的图书,从每本书的评论中随机抽取2位有效用户（阅读量>1。

）,获得40位目标用户的基本信息,好友关系,阅读历史信息,书本信息,设计数据抓取方案如图3所示。

根据研究需要,编写程序获得待处理队列,包括书本工D