基于消費者視角的在線推薦系統研究綜述

高迪

[摘要]文章以電子商務推薦系統為研究對象，對推薦系統消費者采納意向的相關文獻進行總結。首先介紹了推薦系統影響消費者采納的因素，其次對推薦系統評價標準研究進行總結，從消費者視角展現推薦系統的研究現狀，最后指出了目前研究的不足及未來研究方向。

[關鍵詞]電子商務；推薦系統；消費者視角

[DOI]10.13939/j.cnki.zgsc.2016.02.123

隨著電子商務行業的蓬勃發展，在線推薦技術得到廣泛應用。推薦系統能從當前消費者瀏覽、關注的信息出發，為消費者做出相應的推薦。亞馬遜、淘寶網、當當網等電商網站都已經應用推薦技術。目前關于推薦系統的學術研究主要集中在兩個方面：一方面是關于推薦算法的優化設計，另一方面則是推薦系統對消費者的影響研究。文章從消費者視角出發，從以下兩方面來總結現有文獻研究成果。

1在線推薦系統消費者采納的影響因素研究

在消費者網絡購物相關問題的研究中，學者們普遍采用技術采納模型（Technology Acceptance Model，TAM）作為理論基礎。根據TAM模型理論，用戶對系統的感知評價（感知有用性、感知易用性）直接影響用戶采納意圖的產生。文章發現影響消費者采納的因素主要來自以下幾個方面。

1.1網站特征

Ganguly和Dash研究發現網站的信息展示設計、導航設計和可視化設計會影響消費者的購買意向。因為網站合理的視覺設計會給消費者帶來愉悅，提高消費者對網站的滿意度和信任，進而增加對網站的瀏覽時間和購買產品的數量。Song和Zahedi則證明發現網站的促銷、服務、外部相關資源、使用和導航易用性及購物便利性等因素會加強消費者的信任。

1.2推薦內容

McNee研究發現，用戶往往不是評價某一個單獨推薦的質量而是感受整個推薦列表的廣泛性和深度，這樣來考慮推薦是否滿足他們的需求。除了推薦信息質量，Xiao和Benbasat研究還發現推薦信息詳細程度、推薦原因的解釋以及推薦信息表達方式均對感知有用性和易用性有正向顯著影響。推薦內容的多樣性也被證實可以幫助提升用戶對推薦結果的整體滿意度，避免了單個推薦項目的局限。

1.3推薦系統透明度

推薦透明度，是指網絡推薦系統是否解釋推薦結果產生的原因。通常情況下，用戶自己的推理往往與系統的推薦機理不一致，然而當用戶不理解為什么某個商品被推薦給他們時，他們很少會去相信那些推薦信息。推薦系統向用戶解釋推薦結果的產生原因，有助于推薦信息更容易被消費者采納。

1.4主觀規范

用戶自身的使用習慣、親朋好友的口碑等個人規范以及媒體宣傳、市場表現等社會規范都可能影響用戶對系統的感知和評價，包括個人規范和社會規范在內的主觀規范已被證實對用戶采納意圖有重要影響。Venkatesh和Davis在修正TAM模型時也指出，主觀規范是感知有用性的決定變量。主觀規范往往是在創新實施的早期階段更具影響力，因為那時用戶形成態度的經驗有限。

2在線推薦系統評價標準研究

推薦系統的現有評價標準可以分為兩類，一類是技術性標準，主要用于衡量推薦的精準度、速度等性能指標；另一類是商務性標準，反映了滿足實際需要所必備的性能。目前研究重點已從技術性標準逐漸向商務性標準轉移。

2.1覆蓋率

覆蓋率是指可以被系統預測打分的商品占全部商品的比例。覆蓋率較高則說明推薦系統能夠找到較多用戶感興趣的產品。如果一個推薦系統的覆蓋率比較低，那么說明它評估商品的范圍有限，這個局限性可能會降低用戶的滿意度。

2.2多樣性

在推薦系統中，多樣性體現在兩個層次，一個是用戶間的多樣性，衡量推薦系統對不同用戶推薦不同商品的能力；另一個是用戶內的多樣性，衡量推薦系統對一個用戶推薦商品的多樣性。學者提出可以通過測量推薦產品的平均度和平均海明距離的方式，來評估推薦列表的多樣性，商品平均度小的推薦系統相對更好些。

2.3新穎性

新穎性是指推薦系統向用戶推薦非熱門或非流行商品的能力。通常用戶喜歡系統推薦他們熟悉的產品，因為這會增加用戶對推薦系統的信任，但是當用戶厭倦了相似的產品推薦時，他們可能更喜歡那些能給予他們意外驚喜的推薦信息。

2.4隱私保護

網站上留有大量消費者的個人信息，涉及姓名、家庭地址、手機號甚至身份證號等重要隱私信息，這些信息一旦泄露，會造成難以想象的后果。推薦系統對隱私的保護會影響到消費者的初始信任，從而影響消費者對該推薦系統的使用意愿。推薦系統需要有效地保護用戶個人隱私的措施，也應減少使用用戶隱私數據。

3現有文獻評述與未來研究展望

目前在線推薦系統消費者采納意向的研究仍處于起步階段，學者在該方面的研究正在逐步深入。文章對有關推薦系統采納意向的研究文獻進行整理分析，發現目前多數研究集中在系統算法優化方面，而在系統對消費者行為、心理的影響研究較少，研究模型不夠豐富，研究內容還有待深入。文章認為，未來研究工作應繼續從消費者視角展開，對一些變量的中介作用或調節作用進行更多的研究，建立更有效的研究模型。而且推薦系統評價標準問題尚未解決，如何評價推薦系統，也將是未來研究的重點。

參考文獻：

[1]Ganguly B，Dash S B，Cyr D，et al.The effects of website design on purchase intention in online shopping：the mediating role of trust and the moderating role of culture[J].International Journal of Electronic Business，2010，8（4-5）：302-330.

[2]Song J，Zahedi F M.A Theoretical Approach to Web Design in E-Commerce：A Belief Reinforcement Model[J].Management Science Journal of the Institute for Operations Research & the Management Sciences，2005，51（8）：1219-1235.

[3]Venkatesh V，Davis F D.A theoretical extension of the technology acceptance model：Four longitudinal field studies[J].Management science，2000，46（2）：186-204.

[4]張光前，雷彩華，呂曉敏.電子商務推薦的研究現狀及其發展前景[J].情報雜志，2011，30（12）：60-65.

[5]劉建國，周濤，郭強，等.個性化推薦系統評價方法綜述[J].復雜系統與復雜性科學，2009，6（3）：1-10.

[6]朱郁筱，呂琳媛.推薦系統評價指標綜述[J].電子科技大學學報，2012，41（2）：163-175.