個(gè)性化推薦:電子商務(wù)驅(qū)動(dòng)力

Internet的迅猛發(fā)展將人類(lèi)帶入了信息社會(huì)和網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代，對(duì)企業(yè)發(fā)展和個(gè)人生活都產(chǎn)生了深刻的影響。基于Internet的虛擬企業(yè)不再需要傳統(tǒng)物理環(huán)境下企業(yè)所需的實(shí)體投資，企業(yè)與顧客、供應(yīng)商等建立起更為直接的聯(lián)系，電子商務(wù)模式為企業(yè)發(fā)展提供了更多的機(jī)會(huì)，同時(shí)也帶來(lái)了許多挑戰(zhàn)。其中，最為突出的一個(gè)問(wèn)題就是如何實(shí)現(xiàn)個(gè)性化推薦。

由于供應(yīng)鏈和物流的發(fā)展，在電子商務(wù)的虛擬環(huán)境下，商家在網(wǎng)上所能提供的商品種類(lèi)和數(shù)量非常多，用戶(hù)想找到自己感興趣的商品，就需要瀏覽大量的無(wú)關(guān)信息，這個(gè)過(guò)程會(huì)導(dǎo)致用戶(hù)不斷流失，用戶(hù)也無(wú)法通過(guò)一個(gè)小小的計(jì)算機(jī)屏幕就能很方便地發(fā)現(xiàn)自己感興趣的商品。因此，用戶(hù)亟需電子商務(wù)系統(tǒng)具有一種類(lèi)似采購(gòu)助手的功能來(lái)幫助其選購(gòu)商品，它能根據(jù)用戶(hù)的興趣愛(ài)好自動(dòng)地推薦給每個(gè)用戶(hù)可能感興趣且能讓用戶(hù)滿意的商品。

在此情形下，電子商務(wù)個(gè)性化推薦系統(tǒng)（Personalized Recommender Systems in E-commerce）應(yīng)運(yùn)而生，也稱(chēng)個(gè)性化推薦系統(tǒng)（Personalized Recommender Systems），它是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上的一種高級(jí)商務(wù)智能平臺(tái)，以幫助電子商務(wù)網(wǎng)站為其顧客購(gòu)物提供完全個(gè)性化的決策支持和信息服務(wù)。購(gòu)物網(wǎng)站的推薦系統(tǒng)為客戶(hù)推薦商品，自動(dòng)完成個(gè)性化選擇商品的過(guò)程，滿足客戶(hù)的個(gè)性化需求。

個(gè)性化推薦系統(tǒng)猶如汽車(chē)的發(fā)動(dòng)機(jī)，將電子商務(wù)發(fā)展帶入一個(gè)新的時(shí)代：個(gè)性化時(shí)代。通過(guò)數(shù)據(jù)的積累和分析，通過(guò)技術(shù)的不斷應(yīng)用和創(chuàng)新，人們?cè)诤Ａ抠Y訊的信息時(shí)代自由翱翔。

電子商務(wù)個(gè)性化推薦的框架

電子商務(wù)個(gè)性化推薦(Personalized Recommendation in E-Commerce)是電子商務(wù)網(wǎng)站向客戶(hù)提供商品信息和建議，幫助用戶(hù)決定應(yīng)該購(gòu)買(mǎi)什么產(chǎn)品，模擬銷(xiāo)售人員幫助客戶(hù)完成購(gòu)買(mǎi)的過(guò)程。它能收集用戶(hù)興趣資料并根據(jù)用戶(hù)興趣偏好主動(dòng)為其做出個(gè)性化的推薦，這樣，當(dāng)用戶(hù)每次輸入用戶(hù)名和密碼登錄電子商務(wù)網(wǎng)站后，推薦系統(tǒng)就會(huì)自動(dòng)按照用戶(hù)偏好程度的高低推薦給用戶(hù)最喜愛(ài)的產(chǎn)品。

按系統(tǒng)的觀點(diǎn)，電子商務(wù)個(gè)性化推薦框架可視為三個(gè)模塊組成部分，分別是輸入、輸出和推薦方法與技術(shù)，如圖1所示。

個(gè)性化推薦的輸入模塊表明從哪里去獲取用戶(hù)的偏好。所以主要涉及兩部分，一是用戶(hù)信息獲取的平臺(tái)，最典型的平臺(tái)當(dāng)然是傳統(tǒng)的電子商務(wù)平臺(tái)和網(wǎng)站，但隨著社會(huì)網(wǎng)絡(luò)（如Facebook、Twitter、Renren等）的應(yīng)用，基于社會(huì)網(wǎng)絡(luò)的社會(huì)商務(wù)的廣泛應(yīng)用，社會(huì)商務(wù)系統(tǒng)也成為獲取用戶(hù)信息的平臺(tái)。從偏好的表現(xiàn)形式來(lái)看，包括隱式瀏覽輸入、顯式瀏覽輸入等。顯式偏好主要包括用戶(hù)的評(píng)分、用戶(hù)關(guān)系標(biāo)注等；隱式偏好主要包含用戶(hù)的瀏覽、查詢(xún)等。此外，在移動(dòng)商務(wù)環(huán)境下，用戶(hù)的情景信息，如所在地址、天氣等，也是推薦的輸入。

個(gè)性化推薦的輸出主要包含兩種形式，一是預(yù)測(cè)，預(yù)測(cè)用戶(hù)對(duì)某商品的偏好；二是推薦，基于預(yù)測(cè)直接給用戶(hù)推薦其可能感興趣的商品。具體從應(yīng)用上看，主要包括偏好預(yù)測(cè)、鏈接預(yù)測(cè)、專(zhuān)家發(fā)現(xiàn)、朋友搜索以及個(gè)性化搜索等。

推薦方法模塊是推薦系統(tǒng)的核心部分，決定著推薦系統(tǒng)的性能優(yōu)劣。主要的推薦技術(shù)包括：

協(xié)同過(guò)濾推薦

協(xié)同過(guò)濾推薦（Collaborative Filtering Recommendation）是目前研究最多的個(gè)性化推薦技術(shù)，它是基于鄰居用戶(hù)的資料得到目標(biāo)用戶(hù)的推薦，推薦的個(gè)性化程度高。具體來(lái)講，協(xié)同過(guò)濾推薦一般主要分為兩類(lèi)：一是基于內(nèi)存的協(xié)同過(guò)濾（Memory-based Collaborative Filtering），其基本思想是用統(tǒng)計(jì)的方法得出所有用戶(hù)對(duì)物品或者信息的偏好，然后發(fā)現(xiàn)與當(dāng)前用戶(hù)口味和偏好相似的“鄰居”用戶(hù)群，基于某個(gè)鄰居的歷史偏好信息，為當(dāng)前用戶(hù)進(jìn)行物品的推薦，所以該方法也稱(chēng)基于用戶(hù)的協(xié)同過(guò)濾（User-based Collaborative Filtering）或基于鄰居的協(xié)同推薦（Neighbor-based Collaborative Filtering）；二是基于模型的協(xié)同過(guò)濾推薦（Model-based Collaborative Filtering），是指根據(jù)用戶(hù)和物品的直接歷史點(diǎn)擊或購(gòu)買(mǎi)記錄，來(lái)計(jì)算物品和物品之間的相似度，得出一個(gè)模型，然后根據(jù)用戶(hù)的歷史偏好的物品信息，將挖掘到的類(lèi)似的物品推薦給用戶(hù)，即用此模型進(jìn)行預(yù)測(cè)。

與傳統(tǒng)文本過(guò)濾相比，協(xié)同過(guò)濾有以下優(yōu)點(diǎn)：一是能夠過(guò)濾難以進(jìn)行機(jī)器自動(dòng)基于內(nèi)容分析的信息，如藝術(shù)品、音樂(lè)；二是能夠基于一些復(fù)雜的，難以表達(dá)的概念（信息質(zhì)量、品位)進(jìn)行過(guò)濾；三是推薦具有新穎性。正因?yàn)槿绱耍瑓f(xié)同過(guò)濾在商業(yè)應(yīng)用上也取得了不錯(cuò)的成績(jī)。Amazon、CDNow、MovieFinder都采用了協(xié)同過(guò)濾的技術(shù)來(lái)提高服務(wù)質(zhì)量。

基于內(nèi)容的推薦

基于內(nèi)容的推薦（Content-based recommendation）是信息過(guò)濾技術(shù)的延續(xù)與發(fā)展，項(xiàng)目或?qū)ο笫峭ㄟ^(guò)相關(guān)特征的屬性來(lái)定義，系統(tǒng)基于用戶(hù)評(píng)價(jià)對(duì)象的特征，學(xué)習(xí)用戶(hù)的興趣，依據(jù)用戶(hù)資料與待預(yù)測(cè)項(xiàng)目的相匹配程度進(jìn)行推薦，如新聞組過(guò)濾系統(tǒng)NewsWeeder。

基于用戶(hù)統(tǒng)計(jì)信息的推薦

基于用戶(hù)統(tǒng)計(jì)信息的推薦（Demographic-based recommendation）的推薦系統(tǒng)是基于用戶(hù)個(gè)人屬性對(duì)用戶(hù)進(jìn)行分類(lèi)，再基于類(lèi)對(duì)類(lèi)中的用戶(hù)進(jìn)行推薦，它不要求有一個(gè)歷史的用戶(hù)數(shù)據(jù)，但協(xié)同過(guò)濾和基于內(nèi)容的推薦技術(shù)則都需要。

基于關(guān)聯(lián)規(guī)則的推薦

基于關(guān)聯(lián)規(guī)則的推薦（Association rule-based recommendation）是以關(guān)聯(lián)規(guī)則為基礎(chǔ)，把已購(gòu)商品作為規(guī)則頭，規(guī)則體為推薦對(duì)象，其中關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)最為關(guān)鍵且最耗時(shí)，是算法的瓶頸，但可以離線進(jìn)行，商品名稱(chēng)的同義性問(wèn)題也是關(guān)聯(lián)規(guī)則的一個(gè)難點(diǎn)。

此外，還用基于效用的推薦（Utility-based recommendation）和基于知識(shí)的推薦（Knowledge-based recommendation），前者基于用戶(hù)對(duì)產(chǎn)品的效用函數(shù)，后面更多采用人工智能和推理技術(shù)。

個(gè)性化推薦系統(tǒng)的作用

目前個(gè)性化推薦在電子商務(wù)企業(yè)有著較為廣泛的應(yīng)用。Amazon 被業(yè)界認(rèn)為是當(dāng)之無(wú)愧的“推薦之王”，是目前公認(rèn)的推薦應(yīng)用最為成功的案例，從推薦的形式來(lái)看，Amazon把推薦服務(wù)放到了網(wǎng)站的各個(gè)角落；在推薦方法技術(shù)上，Amazon綜合了多種推薦服務(wù)類(lèi)型，基于item相似性和相關(guān)性，基于瀏覽/購(gòu)買(mǎi)歷史，基于協(xié)同過(guò)濾等等，能夠根據(jù)客戶(hù)當(dāng)前查看頁(yè)面類(lèi)型，當(dāng)前關(guān)注的產(chǎn)品信息等內(nèi)容動(dòng)態(tài)地組合這些推薦服務(wù)。著名團(tuán)購(gòu)網(wǎng)站Groupon也推出個(gè)性化交易功能，向用戶(hù)推送其認(rèn)為用戶(hù)會(huì)感興趣的交易，個(gè)性化能幫助該網(wǎng)站抵御500個(gè)克隆網(wǎng)站的侵襲，將允許Groupon提供不限量的交易，也能提供大城市外的業(yè)務(wù)交易。

電子商務(wù)個(gè)性化推薦在實(shí)踐中對(duì)電子商務(wù)具有重要意義。Amazon.com的前總裁Jeff Bezos說(shuō)，“如果我在網(wǎng)上有3百萬(wàn)個(gè)客戶(hù)，我將要建立3百萬(wàn)個(gè)商店”，其意思就是說(shuō)要為每一個(gè)客戶(hù)建立一個(gè)個(gè)性化的商店，以便提供更個(gè)性化的客戶(hù)服務(wù)。個(gè)性化推薦的最大優(yōu)點(diǎn)在于，它能收集用戶(hù)特征資料并根據(jù)用戶(hù)特征，如興趣偏好，為用戶(hù)主動(dòng)作出個(gè)性化的推薦。而且，系統(tǒng)給出的推薦是可以實(shí)時(shí)更新的，即當(dāng)系統(tǒng)中的商品庫(kù)或用戶(hù)特征庫(kù)發(fā)生改變時(shí)，給出的推薦序列會(huì)自動(dòng)改變。這就大大提高了電子商務(wù)活動(dòng)的簡(jiǎn)便性和有效性，同時(shí)也提高了企業(yè)的服務(wù)水平。事實(shí)上，個(gè)性化服務(wù)可以給企業(yè)帶來(lái)巨大的商業(yè)價(jià)值，一個(gè)成功的個(gè)性化推薦系統(tǒng)的作用主要表現(xiàn)在以下幾個(gè)方面：

一是將電子商務(wù)網(wǎng)站的瀏覽者轉(zhuǎn)變?yōu)橘?gòu)買(mǎi)者。電子商務(wù)系統(tǒng)的訪問(wèn)者在瀏覽過(guò)程中經(jīng)常并沒(méi)有購(gòu)買(mǎi)欲望，個(gè)性化推薦系統(tǒng)能夠向用戶(hù)推薦他們感興趣的商品，從而促成購(gòu)買(mǎi)過(guò)程。

二是提高電子商務(wù)網(wǎng)站的交叉銷(xiāo)售能力。個(gè)性化推薦系統(tǒng)在用戶(hù)購(gòu)買(mǎi)過(guò)程中向用戶(hù)提供其他有價(jià)值的商品推薦，用戶(hù)能夠從系統(tǒng)提供的推薦列表中購(gòu)買(mǎi)自己確實(shí)需要但在購(gòu)買(mǎi)過(guò)程中沒(méi)有想到的商品，從而有效提高電子商務(wù)系統(tǒng)的交叉銷(xiāo)售。

三是提高客戶(hù)對(duì)電子商務(wù)網(wǎng)站的忠誠(chéng)度。與傳統(tǒng)的商務(wù)模式相比，電子商務(wù)系統(tǒng)使得用戶(hù)擁有越來(lái)越多的選擇，用戶(hù)更換商家極其方便，只需要點(diǎn)擊一兩次鼠標(biāo)就可以在不同的電子商務(wù)系統(tǒng)之間跳轉(zhuǎn)。個(gè)性化推薦系統(tǒng)分析用戶(hù)的購(gòu)買(mǎi)習(xí)慣，根據(jù)用戶(hù)需求向用戶(hù)提供有價(jià)值的商品推薦。如果推薦系統(tǒng)的推薦質(zhì)量很高，那么用戶(hù)會(huì)對(duì)該推薦系統(tǒng)產(chǎn)生依賴(lài)。因此，個(gè)性化推薦系統(tǒng)不僅能夠?yàn)橛脩?hù)提供個(gè)性化的推薦服務(wù)，而且能與用戶(hù)建立長(zhǎng)期穩(wěn)定的關(guān)系，從而有效保留客戶(hù)，提高客戶(hù)的忠誠(chéng)度，防止客戶(hù)流失。

據(jù)說(shuō)Amazon 30% 的銷(xiāo)售是依靠推薦帶來(lái)的。著名掘客類(lèi)網(wǎng)站Digg在使用個(gè)性化推薦技術(shù)后，Digg行為的活躍度獲得了明顯的提高，每天的用戶(hù)Digg總數(shù)提高了40%，平均每個(gè)有digg行為的用戶(hù)每天會(huì)獲得200個(gè)推薦結(jié)果，用戶(hù)好友數(shù)增加了24%，用戶(hù)的評(píng)論數(shù)增加了11%。

電子商務(wù)個(gè)性化推薦的未來(lái)

目前，幾乎所有的大型電子商務(wù)系統(tǒng)，如Amazon、eBay等，都不同程度地使用了各種形式的推薦系統(tǒng)。各種提供個(gè)性化服務(wù)的Web站點(diǎn)也需要推薦系統(tǒng)的大力支持。個(gè)性化推薦系統(tǒng)具有良好的發(fā)展和應(yīng)用前景。未來(lái)個(gè)性化推薦可能會(huì)有以下重要的發(fā)展方向：

面向社會(huì)商務(wù)的推薦

隨著社會(huì)網(wǎng)絡(luò)和Web2.0的發(fā)展，未來(lái)電子商務(wù)可能更多依托于社會(huì)網(wǎng)絡(luò)平臺(tái)，基于這種平臺(tái)的社會(huì)商務(wù)可能成為未來(lái)電子商務(wù)的重要發(fā)展方向。在社會(huì)商務(wù)環(huán)境下，用戶(hù)成為商務(wù)活動(dòng)的主體，更加強(qiáng)調(diào)用戶(hù)與用戶(hù)的互動(dòng)與共享，在這個(gè)環(huán)境下，個(gè)性化推薦的作用將更為重要，推薦的內(nèi)容包括好友推薦、商品推薦等。

微博是目前影響最大的一種重要社會(huì)網(wǎng)絡(luò)，聚集了大量的客戶(hù)，基于微博的個(gè)性化營(yíng)銷(xiāo)是未來(lái)營(yíng)銷(xiāo)的一個(gè)重要思路。企業(yè)可以通過(guò)借助微博，基于用戶(hù)的推薦，對(duì)新產(chǎn)品進(jìn)行病毒式營(yíng)銷(xiāo)。Hotmail在早期通過(guò)病毒營(yíng)銷(xiāo)的方式，在半年時(shí)間里就吸引了1200萬(wàn)注冊(cè)用戶(hù)，每天超過(guò)15萬(wàn)新用戶(hù)的速度發(fā)展，但其費(fèi)用還不到競(jìng)爭(zhēng)者的3%；Unilever（聯(lián)合利華）通過(guò)策略主題為\"Dove - Real beauty\"的病毒營(yíng)銷(xiāo)活動(dòng)，在不到10天的時(shí)間里，有230萬(wàn)消費(fèi)者，擴(kuò)大產(chǎn)品知名度(Van der Lans et al. 2010）。著名唱片公司TiVo1為推廣新唱片，選擇1000多位用戶(hù)為其免費(fèi)提供唱片。

移動(dòng)商務(wù)環(huán)境下的推薦

目前的電子商務(wù)還主要是以互聯(lián)網(wǎng)為主體，隨著未來(lái)三網(wǎng)融合以及智能手機(jī)、便攜式計(jì)算機(jī)、PDA等智能終端的發(fā)展，移動(dòng)電子商務(wù)是未來(lái)發(fā)展的一個(gè)新動(dòng)向。相應(yīng)地，面向移動(dòng)商務(wù)的推薦也變得更加重要。這主要有兩方向的原因，一是移動(dòng)終端界面小，用戶(hù)操作不方便，更需要一種自動(dòng)化的推薦方法幫助用戶(hù)方便地推薦其偏好的商品；二是在移動(dòng)環(huán)境下的推薦下除了需要考慮用戶(hù)的偏好，推薦還必須考慮用戶(hù)的情景信息，如時(shí)間、地點(diǎn)、天氣等。

移動(dòng)個(gè)性化服務(wù)是指移動(dòng)內(nèi)容和服務(wù)的提供商根據(jù)用戶(hù)的年齡、身份、職業(yè)等個(gè)人特點(diǎn)、偏好等因素以及情景，為用戶(hù)提供針對(duì)性的個(gè)性化的服務(wù)。在這種模式下，用戶(hù)不再只提意見(jiàn)和要求，而是作為參與者與內(nèi)容提供商一起按照用戶(hù)的需求開(kāi)發(fā)出能使他們產(chǎn)生共鳴的個(gè)性化產(chǎn)品，并通過(guò)自制或定制的產(chǎn)品來(lái)展示自己的獨(dú)特個(gè)性。一個(gè)最廣泛的應(yīng)用行業(yè)就是旅游業(yè)，從用戶(hù)最開(kāi)始的旅游地點(diǎn)的推薦，到行程路線、交通工具、住宿、購(gòu)物等各個(gè)環(huán)節(jié)，都可以為用戶(hù)提供個(gè)性化的服務(wù)，這種推薦不但要考慮用戶(hù)偏好，還必須基于用戶(hù)當(dāng)前的地點(diǎn)、天氣和環(huán)境等因素。

交互式個(gè)性化推薦

目前推薦的一個(gè)前提假設(shè)是用戶(hù)能較為清晰地表達(dá)出自己的偏好，但事實(shí)上很多時(shí)候用戶(hù)難以自己表達(dá)出自己的偏好，需要與系統(tǒng)進(jìn)行交互，用戶(hù)對(duì)系統(tǒng)給出的推薦進(jìn)行評(píng)判，然后系統(tǒng)再進(jìn)行推薦，多次循環(huán)的交互推薦，才能保證推薦準(zhǔn)確性。Amazon允許用戶(hù)提供或者修正推薦所依賴(lài)的信息，比如用戶(hù)可以查看并修改自己的檔案、瀏覽歷史，可以對(duì)感興趣的或不感興趣的商品進(jìn)行管理和打分，可以通過(guò)社區(qū)進(jìn)行討論、評(píng)論、反饋相關(guān)商品，而所有這些信息一經(jīng)修改或產(chǎn)生后直接對(duì)推薦的結(jié)果產(chǎn)生影響，從而提供推薦的準(zhǔn)確性。比如，某用戶(hù)去想購(gòu)買(mǎi)一臺(tái)電腦，如果該用戶(hù)對(duì)電腦知識(shí)一無(wú)所知，他是無(wú)法通過(guò)一些具體配置指標(biāo)來(lái)準(zhǔn)確描述其偏好的，在這種情況下，也許推薦系統(tǒng)需要通過(guò)和用戶(hù)進(jìn)行交互，不斷識(shí)別其偏好。

進(jìn)一步提高個(gè)性化推薦算法的精度

個(gè)性化推薦的核心部件是推薦方法，但目前已有方法本身存在一些問(wèn)題，影響推薦算法的準(zhǔn)確度，未來(lái)研究的一個(gè)主要方向?qū)⑹轻槍?duì)這些問(wèn)題提出推薦方法的改進(jìn)。主要問(wèn)題包括稀疏問(wèn)題（Sparsity），因?yàn)橛脩?hù)的評(píng)價(jià)數(shù)據(jù)非常稀疏了，使得個(gè)性化推薦方法無(wú)法使用，或推薦精度非常低；冷開(kāi)始（Cold-Start）問(wèn)題，指如果一個(gè)新項(xiàng)目沒(méi)人去評(píng)價(jià)它，或都不去評(píng)價(jià)它，則這個(gè)項(xiàng)目肯定得不到推薦；奇異發(fā)現(xiàn)（Serendipity）問(wèn)題，如何使推薦的結(jié)果既符合用戶(hù)的偏好，又能保證產(chǎn)品間的差異最大化；健壯性問(wèn)題，由于競(jìng)爭(zhēng)的原因，競(jìng)爭(zhēng)對(duì)手人為地假數(shù)據(jù)，推薦系統(tǒng)如何能識(shí)別并保證推薦結(jié)果是可靠的。

由單個(gè)推薦方法向商務(wù)智能分析工具轉(zhuǎn)化

目前個(gè)性化推薦還只是一種面向用戶(hù)的個(gè)性化推薦算法，未來(lái)研究應(yīng)會(huì)將此方法嵌入到CRM系統(tǒng)，以支持其在企業(yè)的推廣和應(yīng)用，同時(shí)將電子商務(wù)個(gè)性化推薦系統(tǒng)由虛擬的銷(xiāo)售人員轉(zhuǎn)變?yōu)槭袌?chǎng)分析工具，最終成為一種商業(yè)智能的工具，為商家的產(chǎn)品定價(jià)、促銷(xiāo)活動(dòng)及交叉銷(xiāo)售等提供參考。