個(gè)性化捆綁銷(xiāo)售推薦系統(tǒng)

李姣燕 侯彬鈺

摘要：捆綁銷(xiāo)售是商家慣用的銷(xiāo)售策略，在電子商務(wù)領(lǐng)域，可以根據(jù)每個(gè)用戶(hù)個(gè)性化數(shù)據(jù)，可以進(jìn)行個(gè)性化的捆綁方案。該文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于用戶(hù)和商品兩方面的個(gè)性化捆綁銷(xiāo)售系統(tǒng)，并通過(guò)對(duì)用戶(hù)購(gòu)買(mǎi)力分類(lèi)，計(jì)算顧客對(duì)推薦出的商品的購(gòu)買(mǎi)欲望，從而得出優(yōu)惠的捆綁價(jià)格。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，該系統(tǒng)提高了商品銷(xiāo)售量并獲得了更多利潤(rùn)。

關(guān)鍵詞：個(gè)性化;捆綁銷(xiāo)售;電子商務(wù)

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）34-0071-03

1 概述

捆綁銷(xiāo)售作為一種重要的銷(xiāo)售策略，能幫助商家擴(kuò)大銷(xiāo)售，增加利潤(rùn)。個(gè)性化服務(wù)已經(jīng)是一個(gè)互聯(lián)網(wǎng)服務(wù)廣泛采用的技術(shù)，個(gè)性化推薦音樂(lè)，個(gè)性化推薦商品，個(gè)性化新聞推送應(yīng)用越來(lái)越多。將個(gè)性化技術(shù)與捆綁銷(xiāo)售結(jié)合起來(lái)，可依據(jù)互聯(lián)網(wǎng)獲得的用戶(hù)數(shù)據(jù)進(jìn)行針對(duì)性更強(qiáng)的個(gè)性化定制商品捆綁和定價(jià)，可獲得更高的銷(xiāo)售量并獲取更多利潤(rùn)。

當(dāng)前針對(duì)捆綁銷(xiāo)售的研究涉及捆綁銷(xiāo)售的經(jīng)濟(jì)、管理決策及其影響，以及捆綁銷(xiāo)售不同的策略選擇。Adams and Yellen[1]研究捆綁模式下的福利水平，并奠定來(lái)捆綁銷(xiāo)售的重要基礎(chǔ)。Schmalensee[2]則考慮了需求連續(xù)分布的情況，及分布對(duì)企業(yè)利潤(rùn)的影響。Wendi Hui[3]考慮了顧客兩種異質(zhì)性，并分析不同情況下哪種捆綁策略更優(yōu)。則Bitran[4]則提出了一個(gè)捆綁組合，并且最優(yōu)定價(jià)。為了更符合顧客心意，Hitt[5]則提出了顧客白定義的捆綁組合方案。互聯(lián)網(wǎng)發(fā)展使得個(gè)性化推薦得到廣泛應(yīng)用，個(gè)性化捆綁推薦策略變得更為容易和準(zhǔn)確。Moran Beladev[6]等提出的捆綁推薦中考慮了顧客個(gè)人消費(fèi)特征對(duì)保留價(jià)格的影響，以進(jìn)行個(gè)性化定價(jià)。Guannan Liu[7]考慮用圖來(lái)表示物品之間的關(guān)系，在此基礎(chǔ)上來(lái)進(jìn)行推薦。Tang Lei[8]第一次提出了將推薦商品集做一個(gè)整體來(lái)進(jìn)行研究。

本文提出并設(shè)計(jì)實(shí)現(xiàn)了一個(gè)個(gè)性化捆綁銷(xiāo)售系統(tǒng)，系統(tǒng)由兩大塊組成，捆綁商品推薦部分和捆綁商品定價(jià)部分。捆綁商品推薦部分主要負(fù)責(zé)分析商品和用戶(hù)信息，針對(duì)用戶(hù)個(gè)性化推薦捆綁商品，而捆綁商品定價(jià)模塊，對(duì)推薦的商品組進(jìn)行綜合定價(jià)。

2 系統(tǒng)模型

圖1為個(gè)性化捆綁銷(xiāo)售模型。

系統(tǒng)由兩大塊組成，捆綁商品推薦部分和捆綁商品定價(jià)。捆綁商品推薦部分主要負(fù)責(zé)分析商品和用戶(hù)信息，針對(duì)用戶(hù)個(gè)性化推薦捆綁商品，而捆綁商品定價(jià)模塊，對(duì)推薦的商品組進(jìn)行綜合定價(jià)。

推薦部分主要由三個(gè)模塊構(gòu)成，商品模塊、用戶(hù)模塊、推薦計(jì)算模塊。商品模塊和用戶(hù)模塊主要作為推薦的數(shù)據(jù)處理，推薦計(jì)算模塊則是數(shù)據(jù)的計(jì)算，按照公式得出結(jié)果后，以TOP-N的方式向用戶(hù)推薦前N項(xiàng)捆綁商品。

定價(jià)部分則由用戶(hù)行為模塊計(jì)算的用戶(hù)行為，及推薦的TOP-N商品，個(gè)性化定價(jià)模塊計(jì)算出推薦商品的捆綁定價(jià)。

2.1 商品模塊

該模塊主要功能有兩塊，一是篩選和轉(zhuǎn)換商品數(shù)據(jù)，生成推薦系統(tǒng)能直接使用的lson數(shù)據(jù)，不同電商網(wǎng)站對(duì)商品的處理也不同，推薦系統(tǒng)建立中間層轉(zhuǎn)換商品數(shù)據(jù)，之后的運(yùn)算則不需要擔(dān)心數(shù)據(jù)格式問(wèn)題。二是依據(jù)商品數(shù)據(jù)計(jì)算商品杰卡德相似系數(shù)。商品杰卡德相似系數(shù)的計(jì)算需要將商品的一些屬性標(biāo)簽化，這些屬性包括商品自有屬性和關(guān)于用戶(hù)行為的屬性。

部分屬性可以直接轉(zhuǎn)換為標(biāo)簽，比如商品的分類(lèi)，在該推薦系統(tǒng)中，商品分類(lèi)有三個(gè)層次，都可以直接作為商品的標(biāo)簽，部分屬性則需要進(jìn)行處理，比如價(jià)格，可將價(jià)格細(xì)分等級(jí)作為商品標(biāo)簽，等級(jí)的價(jià)格的跨度逐漸增大。用戶(hù)行為也能作為商品標(biāo)簽的一部分，根據(jù)商品訪(fǎng)問(wèn)次數(shù)和購(gòu)買(mǎi)次數(shù)，可以將商品的熱度分級(jí)，再將商品熱度增添至商品的標(biāo)簽中。

某些電商網(wǎng)站可供用戶(hù)自定義商品標(biāo)簽，此類(lèi)標(biāo)簽為大部分用戶(hù)所承認(rèn)，可以直接用作杰卡德相似系數(shù)的計(jì)算，商品的標(biāo)簽可以隨時(shí)拓展和更新，以滿(mǎn)足不同電商系統(tǒng)的需求，以及應(yīng)對(duì)可能出現(xiàn)的特殊商品。

2.2 用戶(hù)模塊

用戶(hù)模塊主要做用戶(hù)畫(huà)像分析和用戶(hù)皮爾遜相關(guān)系數(shù)計(jì)算，用戶(hù)的購(gòu)買(mǎi)行為，按商品的分類(lèi)進(jìn)行統(tǒng)計(jì)，作為計(jì)算用戶(hù)皮爾遜相關(guān)系數(shù)的主要依據(jù)，用戶(hù)畫(huà)像則主要用于捆綁商品的定價(jià)，使用戶(hù)對(duì)捆綁商品有較大的購(gòu)買(mǎi)欲望。

用戶(hù)畫(huà)像分析的主要數(shù)據(jù)來(lái)源是用戶(hù)行為，包括了購(gòu)買(mǎi)記錄、手機(jī)型號(hào)、手機(jī)系統(tǒng)、ip地址等數(shù)據(jù)，用戶(hù)畫(huà)像是動(dòng)態(tài)的，所以也需要能隨時(shí)更新與拓展。

2.3 推薦計(jì)算模塊

推薦計(jì)算模塊主要負(fù)責(zé)統(tǒng)計(jì)用戶(hù)的購(gòu)買(mǎi)數(shù)據(jù)，為計(jì)算商品杰卡德相似系數(shù)和用戶(hù)皮爾遜相關(guān)系數(shù)提供依據(jù)，還有商品捆綁支持度和商品捆綁置信度的計(jì)算，該模塊不對(duì)用戶(hù)信息和商品信息進(jìn)行任何調(diào)整操作，只進(jìn)行數(shù)據(jù)統(tǒng)計(jì)和計(jì)算。

用戶(hù)的購(gòu)買(mǎi)數(shù)據(jù)也需要進(jìn)行篩選，不能盲目地收集用戶(hù)所有的信息，比如商品的集中頻繁購(gòu)買(mǎi)，少量數(shù)據(jù)的計(jì)算結(jié)果可能會(huì)有較大誤差，但是垃圾數(shù)據(jù)和異常數(shù)據(jù)則可能直接導(dǎo)致計(jì)算結(jié)果錯(cuò)誤，所以統(tǒng)計(jì)時(shí)需要有目的的篩選，篩選的規(guī)則是需要不斷更新變化的，在統(tǒng)計(jì)過(guò)程中要預(yù)留拓展篩選的功能。

2.4 用戶(hù)行為模塊

用戶(hù)行為模塊主要用于補(bǔ)充用戶(hù)畫(huà)像。用戶(hù)行為中包含了大量的用戶(hù)信息，比如性別，購(gòu)買(mǎi)記錄和瀏覽記錄的統(tǒng)計(jì)結(jié)果判斷傾向，根據(jù)常用收貨地址或者用戶(hù)ip地址判斷用戶(hù)地區(qū)，以及根據(jù)用戶(hù)的購(gòu)買(mǎi)記錄等判斷用戶(hù)購(gòu)買(mǎi)力，根據(jù)當(dāng)時(shí)未購(gòu)買(mǎi)，短期內(nèi)瀏覽或購(gòu)買(mǎi)推薦商品輔助判斷用戶(hù)興趣。

2.5 捆綁商品定價(jià)模塊

捆綁商品的定價(jià)，可用收益期望來(lái)衡量是否最優(yōu)。優(yōu)惠的程度和用戶(hù)購(gòu)買(mǎi)的傾向是成正比的，用戶(hù)購(gòu)買(mǎi)欲望可以用指數(shù)函數(shù)來(lái)表示，我們認(rèn)為價(jià)格的變化對(duì)購(gòu)買(mǎi)概率的影響剛開(kāi)始比較劇烈，隨后變得平緩，這與指數(shù)函數(shù)分布的圖像極為相似。當(dāng)用戶(hù)購(gòu)買(mǎi)數(shù)據(jù)過(guò)少時(shí)，可從用戶(hù)畫(huà)像分析可推測(cè)用戶(hù)的購(gòu)買(mǎi)力區(qū)間，購(gòu)買(mǎi)力區(qū)間是計(jì)算用戶(hù)購(gòu)買(mǎi)概率的重要因素之一。用戶(hù)購(gòu)買(mǎi)概率與捆綁商品利潤(rùn)的乘積，得到收益期望，計(jì)算得到最大的收益期望時(shí)的定價(jià)作為最終推薦捆綁商品的定價(jià)。

參考文獻(xiàn)：

[1] Adams W J，Yellen J L.Commodity bundling and the burdenof monopoly[J]. Quarterly Journal of Economics， 1976， 90（3）：475-498.

[2] Schmalensee R.Cauddian demand and commodity bundling[J].journal of business ，1984，57（1）：58-73.

[3] Wendy Hui， Byungjoon Yoo， Vidyanand Choudhary，et al.Sellby bundle or unit？： Pure bundling versus mixed bundling of in-formation goods[J]. Decision Support Systems， 2012（53）：517-525.

[4] Bitran G R，F(xiàn)errer J C.On pricing and composition ofbundles[J].Production&Operations Management，2007， 16（1）， 93-108.

[5] Hitt L M，Chen P Y.Bundling with customer self-selection：asimple approach to bundling low-marginal-cost goods. Man-agement Science， 2005，5 1（10）： 1481-1493.

[6] Beladev M，Rokach L，Shapira B.Recommender systems forproduc bundling[M]. Elsevier Science Publishers B.V.2016.

[7] Guannan Liu， YanjieFu， GuoqingChen. Modeling Buying Mo-tives for Personalized Product Bundle Recommendation[J]. ACMTransactions on Knowledge Discovery from Data， 11（3）：1-26.

[8] Tang L，Tang L，Tang L，et al.Bundle recommendation inecommerce[C]// International Acm Sigir Conference on Re-search&Development in Information Retrieval. ACM， 2014.

[9] Wang H，Shi X，Yeung D Y.Relational Stacked DenoisingAutoencoder for Tag Recommendation[C]// Twenty-ninth AaaiConference on Artificial Intelligence. AAAI Press， 2015.[10Toine Bogers， Marijn Koolen， Cataldo Musto. Report onRecSys 2016Workshop on New Trends in Content-Based Rec-ommender Systems[J]. Acm Sigir Forum， 2017， 51（1）：45-51.

【通聯(lián)編輯：唐一東】

收稿日期：2019-08-15

基金項(xiàng)目：本課題得到湖南省教育廳科學(xué)研究項(xiàng)目一般項(xiàng)目資助（12C0769）

作者簡(jiǎn)介：李姣燕，講師，研究方向?yàn)樯虅?wù)智能，運(yùn)籌學(xué);候彬鈺，學(xué)生，研究方向?yàn)閭€(gè)性化推薦系統(tǒng)。