大数据电商个性化推荐系统分析

导语：大数据电商个性化推荐系统分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：现阶段，大数据技术被广泛应用到多个行业，尤其是大数据带来的个性化推荐服务系统，在电子商务行业得到了普及并且取得了卓越成绩。本文针对大数据背景下电子商务个性化推荐服务系统实施基础工作进行了具体阐述，以期促进电子商务服务个性化与智能化的发展实践。

关键词：大数据;电子商务;个性化推荐

当前，电子商务在各个行业领域的广泛应用，针对“基于大数据的个性化信息推荐的服务模式”也受到了学者的高度关注。电子商务类网站除了可以为用户提供商品与服务，并且也增加了消费者在大量信息中快速、精准搜索到符合其要求的产品信息难度。在大数据技术应用中个性化信息推荐功能可以随时、主动向用户推荐其所需求的商品和服务，不仅充分满足了用户对个性化消费需求，还在电子商务网站增加其消费者粘性、提升其服务品质以及市场竞争力等方面有着积极推进作用。

相关基础理论

大数据的定义。大数据，表示在新处理方法下可以使其决策能力、洞察外界环境变化能力和流程优化能力的大批量、高增长率等方面表现更佳，大数据在对大批量信息的获取以及对这些数据进行重新分配中提高其应用效率，大数据的具体分类如表1所示。大数据的特征。大数据的特征可以总结为“4V”，具体为Volume、Variety、Value、Velocity。 Volume用来解释数据规模较大，现有的数据规模级用PB来表示，而PB这一数据单位将会给其它更大的“单位”所取代，在这里面非结构化的数据会占有非常大的比例。Variety表述数据类型丰富，从阅读的题目、图片到消费历史再到网络日志等，都可以划分到大数据内容范畴之内。Value用来解释价值密度，比如视频在连续的监控中有价值的数据寥寥无几。Velocity用来解释操作效率，针对数据的操作环节这一过程非常迅速，中间的计算环节所需时间非常少，大数据和传统数据的明显区别在于：大数据可以通过传统手段对数据进行保存、分析与整理。电子商务个性化推荐服务的黎超（广东白云学院社会与公共管理学院广州510450）基金项目：2012年广东省哲学社会科学“十二五”规划项目“生命周期视角下的广东中小企业发展研究”（项目编号GD12XYJ02）中图分类号：F713文献标识码：A内容摘要：现阶段，大数据技术被广泛应用到多个行业，尤其是大数据带来的个性化推荐服务系统，在电子商务行业得到了普及并且取得了卓越成绩。本文针对大数据背景下电子商务个性化推荐服务系统实施基础工作进行了具体阐述，以期促进电子商务服务个性化与智能化的发展实践。关键词：大数据电子商务个性化推荐定义。电子商务个性化推荐系统即针对各种消费群体的不同需求为其提供针对性服务，或者电商企业主动结合消费者上网习性的异同为其提供专业的服务，为消费者创建一个高品质的购物平台。个性化内容推荐系统构建在消费者对内容的应用习惯上，满足消费者对个性化内容需求的服务。研究消费的信息应用偏好可以精确地为消费者提供信息服务，推进个性化信息内容服务业务的展开。电子商务个性化推荐服务的特征。电子商务个性化推荐服务系统是围绕消费者需求来展开的，其主要特征如下：一是服务内容针对性显著。个性化推荐服务针对性较为显著，能够满足各种消费者的不同需求，同时还可以与消费者实施信息内容交换操作，也就是消费者可以主动为信息提供方提出自身需求，同时还可以对其所接受的服务展开评分操作。上述信息内容交换模式对信息提供方不断更新以及改进其服务形式有着积极推进作用，使其所提供的服务更大程度满足消费者的个性化需求。二是服务内容多样化。客户群体还可以结合自身需要设定信息内容服务形式与信息内容获取时间，电商企业可以结合消费群体这种自定义模式为其呈现出相对应的信息内容服务。客户群体在信息内容接收模式上主要包括E-mail、音频或者视频等。除此之外，个性化信息内容服务使得消费者仅仅通过网络就可以随时随地享受个性化服务。三是服务具有主动性与时效性。个性化信息内容服务可以主动为客户群体提供服务，为客户群体实时推送最新资讯，保证为客户群体所推送的资讯有着非常强的时效性。四是服务的智能性。个性化信息内容服务具备较为显著的智能性特点，其可以根据消费群体的浏览轨迹实时刷新，为客户群体传送最新的个性化内容，并且为客户群体推送的内容都是满足客户群体消费需求的。五是电子商务个性化推荐服务的意义。对于客户群体来讲，电子商务个性化推荐可以提高消费者对所需产品的浏览效率，为消费者节省大量时间；关于内容提供对象来讲，电子商务个性化推荐系统可以保持消费者粘性和规模，利用节约时间来保证消费者的访问量，让消费者在短时间内获取更多产品内容，进而保证产品的销售业绩。随着大数据的应用，电子商务个性化推荐服务系统越来越成熟，不仅提高了电子商务类企业的市场效益，并且也丰富了其信息内容服务模式，为其服务模式有效开展提供发展平台。

主要技术应用

（一）协同过滤方法。协同过滤主要应用于识别某个既定客户可能感兴趣的商品，其分析依据主要是根据其他消费群体对这些产品的感兴趣程度。协同过滤方法可以利用对既定消费群体所感兴趣的产品进行研究来辨认某个消费者的所感兴趣的商品。在电子商务领域该方法受到了技术人员的高度认可，基于某个客户群体的同类消费群体倾向的商品来分析和预测该消费群体可能感兴趣的商品。该技术是建立在内容这一前提条件下的，其和直接分析手段有着明显区分，系统过滤技术可以在大规模的客户群体中找出和既定客户群体有着相同偏好的消费者客户，并且将这类相同客户群体对某个产品的评论进行整理并剖析，可以直接剖析出这一消费者客户的购物倾向，并且对该消费者客户关于某个产品的感兴趣程度进行精准推测。当今，越来越多的电子商务公司利用该方法来提高其销售平台的服务水平与服务质量，该方法优势与不足如表2所示。（二）客户群体建模技术。成立高质量的消费者模型对于提升个性化信息内容推荐效率有着不容忽视的作用，为了保证该模型的实用性，可以在消费者感兴趣的信息资料中提炼出相关属性，通过建模方法并对消费者倾向的产品进行管理。电子商务个性化推荐内容服务是在互联网环境中开展的，该模型和简单的描述性模型有着明显区分，其有着附带相关数据结构模式的功能。该模型的更新数据服务功能建立在消费者对产品的查找上，如此一来便可以为消费者提供定向、高效率服务。该模型的刷新主要包括两种模式：其一为直接刷新，利用消费者对系统给出的推送产品进行回馈刷新模型，对消费者购物行为产生直接影响的内容实时刷新，通常会消耗大量的时间，因此很难实施；其二为间接刷新，利用对消费者浏览方式的跟踪并挖掘Web日志数据来完成。

服务模式构建

（一）电子商务信息内容服务模式。信息内容服务模式主要针对信息内容服务提供方、信息内容接收方、信息内容服务模式以及信息服务内容之间的关系展开分析和说明的。针对电子商务服务模式，在线购物平台是其信息内容提供方，而在线消费者是其信息内容接收方，平台为在线消费者推送的内容为信息内容服务模式，为消费群体提供的信息类型为信息服务内容。所以，电子商务个性化推荐服务主要是关于电子商务服务形式的四要素及其之间联系展开描述，也就是在线销售平台将对数据展开大批量挖掘与操作，探寻出潜在的消费者信息，利用网页或者电子邮箱的形式传送给消费者，从而实现其推送服务的个性化发展需求。数据在构成服务内容上作为基本成分，并且也是企业提供服务的重要内容，随着数据大小、存储模式和组织模式等特点的变化，电子商务企业所提供的服务内容也在跟着变化。由之前的被动服务向着主动与被动相整合的方向发展。被动服务通常指的是消费者主动到电商平台搜索自己所需产品，基于消费者视角来分析有着非常强的针对性，然而对于平台商家来讲，明显忽略了消费者的潜在消费需求。添加主动服务形式，可以利用和某个既定消费者有着相似需求的消费者数据找出其潜在的内容需求，为消费者浏览购买产品提供便捷，同时还提高了平台产品的销售额。从之前的个性化内容检索结果推送服务转化成个性化推荐服务，前者是将所有内容进行整理供消费者阅读，利用查找产品详情自主比较进而选取符合自己所需产品；而后者是对消费者之前的数据进行筛选并分析，利用高效的计算方法为消费者推荐满足其需求的产品，消费者可以快速找到满足其需求的产品。（二）电子商务个性化内容推荐服务模式构建思路。个性化推荐服务的宗旨为消费者呈现有价值的产品信息内容，进而提高平台的成交额。满足消费者应用的同时也提高其对平台产品的认识是个性化推荐服务的主要内容，该服务的目的是为将这些没有被消费者发现的产品或者服务内容信息主动发送到消费者手中，从而刺激消费者的购买欲望，最终实现成交的目的。客户群体的兴趣各不相同，加强电商企业个性化推荐系统对产品的覆盖率，进而保证所推荐的产品让被推荐客户所认可，为被推荐客户带来更高品质的客户群体体验，完成个性化推荐。让被推荐方主动对产品或者服务信息进行回馈，保留最有效的数据信息，从而在未来的推荐功能上对其进行改进，并对被推荐方的个人资料与数据进行完善，达到精准、良性循环的目的。结合上述分析，本文绘制了电商个性化推荐系统组织图，并且针对其个性化内容服务形式进行详细分析，如图1所示。（三）电子商务个性化信息内容推荐服务模式分析。定期内容推荐。平台购物用户群体通过自主向平台商家提供商品需求，平台会定期向客户群体发送相应内容的形式来完成个性化推荐服务。定期内容推荐主要是借助数据挖掘技术和RSS技术，在对用户群体信息挖掘方面主要涉及到数据挖掘技术，在向用户群体推送信息方面主要涉及到RSS技术。以上信息内容推荐服务在图书网站平台会常常用到，因为一些用户群体属于平台固定群体，这一群体可以结合自身需求将信息内容精准地传送给信息内容提供人员，此外电商平台也可以精准地分析这一群体的信息内容需求。用户群体在对消费需求的数据方面基本不发生任何变化，电商平台可以定期、按时对产品内容进行更新，归纳出满足客户群体需求的产品资讯。其它的B2C与C2C模式的电商企业可以向客户群体执行定期内容推送服务，在新的用户群体注册环节根据问卷调查，准确了解每一个用户对产品类型、产品品牌等方面的需求，按照用户的需求偏好通过站内私信、电子邮箱等向消费者群体推送产品最新动态的方法。热点资讯推荐。热点资讯推荐具体指的是电商平台把当前销量第一的商品和最新上架的商品及时发送到用户端的一种服务形式，这种推荐模式属于主动推荐，购物网站结合现实状况及时刷新客户群体的浏览内容，并整理出最热点的产品资讯将其发送给客户群体。热点内容发送利用数据挖掘技术与协同过滤方法探寻出当前最热门的产品资讯，利用客户群体在网络中常用的界面弹出窗口以及悬浮窗口网页等发送到目标客户群体。购物平台利用客户群体在线浏览内容与点击过程中的浏览记录，以此向用户发送信息。通常热点资讯推送是建立在用户多次点击浏览上的。通过热点资讯形式推荐满足客户群体需求并且销量也非常高的前N种商品，在很大程度上提升了电商平台的销售额。因为一般情况下新上架商品非常不容易被消费者所发现，利用热点资讯推荐形式对新上架商品的推送有着非常重要的意义。兴趣爱好挖掘推荐。电子商务平台可以有效运用数据挖掘技术，对用户存储大量数据如消费历史、浏览记录、消费偏好等进行深入数据分析，从而得出用户个性化消费需求。根据用户兴趣爱好特征展开的推荐模式，对平台信息处理水平有着更高的要求，只有精准、高效的信息处理水平才可以探寻出各种隐藏的用户信息，致力于提高用户体验水平。兴趣爱好挖掘推荐主要是依据用户对个性化界面中所涉及到的产品信息展开浏览，点击进入偏好产品，获取推荐信息，并且在这一过程中商品属性与相关比重全部被存储到产品信息库，在用户进行浏览或者支付过程中，用户偏好功能就可以关于用户信息展开个性化整理，从而将这些整理好的信息存储到相应的存储库中。偏好挖掘推荐的过程主要是消费者内容模型构建版块可以构建消费者个性化的内容版块，个性化过滤模块可以根据用户模型中的标准对商品信息进行筛选，具体推荐流程如图2所示。这个过程主要由下述环节构成：其一，爱好属性板块借助对用户群体日常浏览轨迹来对其消费需求展开分析；其二，用户群体兴趣爱好库把兴趣爱好功能板块整理出的数据保存，并借助不断获取新的兴趣偏好数据来随时更新用户群体兴趣偏好数据库；其三，用户群体模。

作者:黎超 单位:广东白云学院社会与公共管理学院