電子商務個性化推薦與大數據資源的專業化處理

邢亞瓊

（長春工業大學，長春 130000）

電子商務個性化推薦與大數據資源的專業化處理

邢亞瓊

（長春工業大學，長春 130000）

電子商務以其快捷性和便利性，為顧客提供了更方便的服務，而隨著顧客個性化需求的不斷加強，進行精準的個性化推薦服務就顯得尤為重要。而大數據時代的到來正為此提供了機遇，使個性化推薦得以順利發展，但任何事物的發展過程中都可能遇到瓶頸，本文就電子商務個性化推薦與大數據資源的專業化處理所遇到的問題進行探討。

電子商務；大數據；個性化推薦；專業化處理

1　電子商務個性化推薦與大數據資源的專業化處理選題背景和研究意義

隨著互聯網和大數據的高度發展，信息時代已經悄然涵蓋了人們生活的方方面面，不僅為人們的衣食住行提供方便，也為電子商務的發展帶來了新的契機。但隨著互聯網用戶不斷增多，網絡數據繁冗雜亂，人們接觸到更多有用信息的同時，也被不相關的信息所干擾，對于個人而言是一種負擔，對于一個每天需要處理成千上億數據的電子商務企業來說，這無疑影響巨大。為此，眾多研究人員進行了大量的思考，他們從人工智能尋找突破口。對于如何利用大數據更好地發展電子商務，需要考慮著重兩個方面來考慮，一個是電子商務企業如何通過各種數據挖掘技術挖掘用戶的行為數據信息分析用戶偏好，從眾多服務中排除用戶需求可能性不大的服務，使顧客從無限的網絡資源和產品世界中解脫出來，節約顧客的采購成本和時間成本，即為用戶提供個性化推薦服務，這對于高效、便捷的社會交易模式作用巨大。另一個是對于所獲取的資源如何進行專業化處理，這需要企業技術上的能力，也更需要企業對數據資源的挖掘能力。只有解決了這兩方面的問題，企業才可以建立穩定的客戶群，提高服務質量，從而提高企業的市場競爭力。

2　大數據

伴隨著云時代的到來，2008年，大數據（big data）首次出現在大眾的視野，以其的5V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）和Veracity（真實性）引起了眾多機構和學者的關注，其中麥肯錫全球研究所將其描述為：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合。但大數據的戰略意義不僅在于掌握龐大的數據資源，而更多在于將這些資源進行專業化處理，更好地服務于政治、經濟、社會各個方面，同樣是近幾年興起的電子商務產業便是其中之一。

3　電子商務的個性化推薦

近幾年電子商務在逐步走向成熟，并且很好地利用了大數據資源的特性，推出了個性化推薦的功能，即根據顧客的基本信息、行為、興趣愛好等特征，通過合理的構建模型，主動為顧客提供更精準化的服務，以達到良好的用戶體驗。這樣，有助于顧客節約時間成本，更快速地選擇更需要、更合適的產品，更好地滿足顧客不同的個性化需求，提高顧客對企業的忠誠度和滿意度，增加用戶黏性。

4　電子商務的個性化推薦與大數據資源的專業化處理

大數據的出現無疑為電子商務的發展帶來了機遇，但如何使電子商務實現質的飛躍，很多問題有待探討，其中，有關大數據資源的專業化處理是很重要的環節。

有關大數據資源專業化處理，可以從兩個方面探討：一是大數據本身信息資源的專業化處理技術；二是大數據資源渠道的專業化整合。

當今，運用在電子商務個性化推薦中有關大數據信息資源的處理技術已有很多。①基于協作的過濾技術，這種推薦通過找出與當前用戶相識的用戶，在該相似用戶喜歡的東西與當前用戶喜歡的東西相同的假設前提下，為當前用戶提供個性化服務。②基于規則的推薦技術，這種推薦方法著重研究不同商品之間的關聯規則，假設用戶購買所需商品之后極有可能購買相關聯的商品，從而將兩種商品同時出現在用戶的可選范圍內，增大用戶購買的概率。這種方法容易理解，研究技術較為成熟，有廣泛的研究基礎，另外實現的軟件、技術人員等也比較豐富。③基于內容過濾的技術，這種推薦技術根據用戶的歷史信息構造用戶偏好文檔，計算推薦項目與用戶偏好文檔的相似度，將最相似的項目推薦給用戶。④基于效用的推薦技術，首先對用戶所購買的商品的效用進行計算，為每種類型的用戶和商品量身定做效用模型，然后將用戶和商品的參數帶入效用函數進行計算，進行效用值排序，進而為用戶推薦排名靠前的商品。這些個性化推薦的算法盡管還存在一些不足，但縱觀人類對于技術的應用，相信未來這些技術會得以完善，所以對處理技術這一方面可以保持樂觀。

在大數據資源渠道的專業化整合方面，就沒有那么樂觀了。現在大多電子商務有關企業都是利用自身平臺顧客的信息進行個性化推薦，但不同顧客的信息豐富程度各異，甚至有些顧客只有基本信息。這樣說來，這種大數據還不算大，還是具有很大的發展空間的，那么如何整合多個渠道的大數據資源就顯得尤為重要了，但也是甚為困難的。

第一，整合不同渠道的大數據資源無疑需要多個渠道企業的通力合作，這將很難在短時間內達成。因為在如今以客戶為中心的經濟理念下，各個企業的顧客信息無疑是極具價值的，甚至超過了可看得見的利潤，要使多個渠道的大數據資源進行整合，就涉及了利益分配問題，這是最令人頭痛的。第二，整合不同渠道的大數據資源會涉及顧客隱私問題。顧客在不同渠道的行為信息、動向等默認只被當前平臺獲取，若在未經顧客允許的情況下，將顧客的信息進行共享，可能會降低顧客的信任度，甚至觸犯法律。

這兩個方面的問題只是在大數據資源渠道整合過程中較為顯性的，還存在很多隱性的問題需要發掘。但這些可以觸及到的問題已經很棘手，值得該方面的經濟學家研究一番，找到突破口，使大數據的利用更好地為電子商務個性化推薦服務。在此期間，筆者拭目以待，也希望更多有志向從事該方面研究的人才貢獻自己的一份力量，如果可以有效地解決所面臨的這些問題，筆者有理由相信電子商務的發展會邁上新的臺階。

10.3969/j.issn.1673 - 0194.2016.10.094

F724.6

A

1673-0194（2016）10-0136-01

2016-04-02