基于用戶行為的電子商務個性化推薦探討

摘? 要;生活在快節奏社會的人們，無論是吃飯、出行等日常生活行為，還是一些學習行為，都在潛移默化中受到社會發展的影響，追求高效。而隨著互聯網和智能設備的普及，電子商務成為了人們購物的不二之選，但也因為互聯網信息的海量化、便捷化，各個電子商戶之間的競爭日趨白熱化。一些商戶把握當今社會人們追求個性化發展的特點，衍生出個性化推薦，希望通過分析用戶行為數據，精準把控用戶喜好，進行個性化推薦，提高顧客的忠誠度和購物體驗。本文以用戶行為數據分析為切入點，在此基礎上探究個性化推薦，提出見解，希望可以為我國電子商務行業的發展提供一些參考意見。

關鍵詞： 個性化推薦;用戶行為;電子商務網站;信息管理

一、用戶行為數據

電子商務網站的用戶行為數據對網站運營的影響可謂無處不在，小到和網站的產品更新、推薦方式、服務推薦等日常行為息息相關，大到對網站的日常運營、產品的迭代更新、部門之間的協作配合都有指導引領作用，因此用戶行為數據分析對于電子商務企業的經營發展至關重要。而對用戶行為數據的考察分析主要包括以下3部分內容：首先是用戶的訪問渠道、渠道的流量監控以及最終的用戶轉化率;其次是對用戶的瀏覽流程進行監控，包括瀏覽足跡、時長、路徑、深度等;最后是綜合分析頁面的跳失率、轉化率和用戶活躍量、黏性等數據，探究用戶留下來或者流失的可能原因。因此，用戶行為數據分析已經成為各個電商網站研究的重要課題。

二、點擊流數據對于分析用戶行為的必要性

電子商務的成功和大量的用戶行為數據分析密不可分。目前大多數電子商戶在尋找目標客戶時，通常都會對用戶的購買信息、評級信息以及用戶進入電商網站的方式例如鏈接、關鍵詞搜索等進行分析鎖定。但是，這種數據分析模式下的結果存在一定的局限性，對用戶需求的預測和挖掘能力很弱。一個公司的未來發展趨勢和領導者的決策息息相關，不準確的預測數據是無法為企業的順利發展提供可靠保證的，在這個時候，點擊流數據的出現彌補了這一空白。點擊流，顧名思義就是客戶在訪問電商網站時每一次點擊都會被企業網站日志記錄在案，從而形成點擊流數據。而點擊流數據按照數據來源可以具體分為以下幾種：

（一）問卷調查

雷玲等人通過將產品策略、網站策略、促銷策略設置為自變量，將情感反應作為因變量，來探究用戶沖動行為的購買機制，在研究中他們發現產品策略、網站策略和促銷策略對用戶的情感反應有顯著影響，其中以促銷策略為主，產品策略、網站策略次之。

（二）網頁瀏覽日志

付關友等人以心理學為切入點，靈活運用內驅力理論對web用戶的瀏覽行為以及是否對網頁感興趣之間的聯系進行了深刻的探討，最終得出當瀏覽網頁的頁數增加時，用戶的興趣也相應有所提升。

對用戶行為展開數據分析，可以通過以上提到的問卷調查、網頁瀏覽日志、實驗室實驗等途徑獲取需要的精確數據，繼而利用不同的模型方法對其進行分析，得到定量或定性的用戶分析結果。

三、以用戶行為數據分析為導向的電子商務個性化推薦

互聯網的快速發展為電子商務公司采集用戶信息提供了便利的環境，電子商務公司在采集完用戶信息數據時通過管理個性化用戶網絡體驗，并且同步保留客戶的通信，進行有效分析，將其結果轉換為高質量的產品和服務反饋于用戶，為客戶提供更加優質的網絡購物服務，形成良性循環。在這個信息大爆炸的時代，互聯網每分每秒都在輸出大量的新信息，信息嚴重超載，導致電子商戶和用戶都很難在海量的信息中快速找到自己需要的信息。

推薦系統的誕生就是對該問題的有力響應，推薦系統采用應用信息，在信息數據分析的基礎上加上信息過濾技術，有效減少無關項，縮小選擇范圍，使客戶可以在最短的時間內獲取到其想要購買的商品的全部信息，或者使商戶可以快速發掘潛在客戶，提供針對性服務，提高工作效率，節省時間和成本。目前，推薦系統已被多個平臺引進運用。許多電子商務公司立足于推薦系統，結合目前的個性化發展，形成個性化推薦營銷戰略，在摸清掌握用戶的購物喜好的同時為用戶實時推薦其可能感興趣的商品，提高購買率。推薦系統的數據分析技術主要采用內容過濾和協同過濾，內容過濾就是指提供和用戶歷史購買記錄相似的內容，而協同過濾就是識別和用戶喜好相同的客戶，提供其感興趣的商品。

四、優化電子商務營銷方案的有效措施

電子商務企業主要是通過高效率收集用戶行為數據并進行具體分析，從而發掘用戶的潛在需求和行為模式，以此為基礎優化營銷方案，提高經濟利益，同時也為用戶提供更加貼心的服務。

（一）完善購物流程，提高轉化率

網站可以通過剖析用戶的整體行為路徑，發掘不同環節行為之間的聯系，從而尋找規律，確定對轉化率有影響的因素，以此為依據靈活調整經營戰略，對于優勢環節加大投入，劣勢環節則減少，確保使網站的資源可以發揮出最大價值，獲得最大效益。

借助漏斗分析可以直觀地分析出用戶行為路徑每一個環節的轉化和流失，對于流失嚴重的環節，還可以進一步細化進行多角度分析，發現漏點，進行針對性完善。首先是定義轉化漏斗，找到需要分析的流程，量化其流程數據，將購物和回購行為抽象成漏斗，解構整個環節。其次是進行漏斗對比分析，謹慎查看用戶行為在每一個漏斗的變化，對比分析用戶特性、時間粒度等特征，抽絲剝繭，得出漏點事件，集中解決漏點問題。

（二）完善網頁結構設計，準確迎合用戶需求

商家可以根據網頁熱力圖直觀發現用戶喜愛的板塊和內容，優化網頁結構，這也是數據價值最上層的表現，而最大字的點擊熱度比圖片大，那么圖片模塊屬于下層表現。如果網站一味注重圖片的堆砌，就會影響網頁排版體驗。因此在設計網頁結構時，商家應結合用戶行為分析結果，將具有價值的上層表現置于最突出的地方，使用戶可以一眼發現、一目了然。在實際操作的過程中，可以借助點擊模型分析法將網頁劃分為不同的模塊，構建一個平面圖。而網頁頁面點擊分析支持事件篩選屬性、用戶屬性的任意維度，當頁面組內跳轉時將會延續上一頁面的選擇。點擊分析和其他分析方法強強聯合，共同探討用戶與網站交互之間的聯系，有助于網站精準獲悉用戶需求，提供針對性服務。

（三）升級個性化體驗，提高用戶黏性

在進行網絡購物時，不同的人因為教育背景、生活習慣、地域差異等，所以購物需求和喜好也有所出入，蘿卜青菜各有所愛，適合自己的才是最好的。因此，商家如果想將用戶長久地留下來，就要切實根據每一個用戶的點擊分析結果挖掘用戶的喜好，從而量身定制推薦方案，確保用戶在每一次瀏覽時都可以發現自己感興趣的內容，獲得良好的體驗。如果商家的轉化成本較低，產品替代性較高，那么用戶黏性也會較低。想要提高用戶黏性，商家就需要不斷打磨自己的產品，將其變得獨一無二，而且通過服務理念和品牌價值使用戶對其產生依賴感也可以提高用戶黏性。

（四）采集優質用戶畫像，進行定向推送

商戶想要提高自己的競爭核心力，就要不斷提升自己的服務品質，可以通過預估用戶心理，結合用戶的消費水平、喜好，推送給用戶最有針對性和最有用的內容，使用戶覺得是有效的，而不使用戶覺得厭煩。首先是建立用戶信息畫像，獲取用戶收入、職業、資產等一系列基礎信息，補充靜態數據，建立畫像原型，然后收集用戶的瀏覽習慣、使用頻次消費記錄等動態數據，動靜結合。其次是繪制行為畫像，明確用戶需求，杜絕重復推送和無效推送。最后是選擇最優時間進行推送，在推送奢侈品、消費品時要考慮用戶是否購買完下一次可能就不需要了，這只是一次性消費，應減少推送頻率;而針對必需品，則可以根據用戶購買時間推斷下一次購買時間進行推送，而不是無時無刻推送，避免使用戶產生厭煩心理。不斷完善用戶畫像，提供貼心服務。

（作者單位為遼寧工業大學經濟管理學院）

[作者簡介：劉維軍（1974—），男，遼寧撫順人，研究生，碩士，講師，研究方向：電子商務，信息管理。]

參考文獻

[1] 謝軍，吳靜，高海霞.電子商務網站用戶行為分析與網絡營銷優化措施[J].電腦知識與技術，2020（04）.

[2] 張莉.基于“用戶畫像”的精準營銷策略研究[J].現代營銷（下），2020（03）.

[3] 侯治平.用戶行為模式下電子商務網站個性化推薦研究[J].電腦與信息技術，2011（08）.