谈用户兴趣视角的移动电子商务个性化范文
本站小编为你精心准备了谈用户兴趣视角的移动电子商务个性化参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。
内容摘要：近年来，移动电子商务迎来了强劲的发展势头，给用户带来了更为便捷化、多样化的购物体验，线上交易已经成为人们消费的主要模式。与此同时，随着移动电子商务规模逐年扩大，电商平台与商家数量也在急剧增长，如何找到满足用户兴趣的移动电子商务个性化推荐路径至关重要。因此，本文立足于用户兴趣视角，在论述移动电子商务个性化推荐现状与基本理论的基础上，引入基于移动电商用户兴趣的三维空间模型，探讨在该模型基础上实现移动电子商务个性化推荐的路径。
关键词：目标用户；用户兴趣；移动电子商务；个性化；推荐路径
一、引言
如何在纷繁复杂的信息中找准用户实际需求成为移动电子商务领域发展亟待解决的现实问题，并随着移动电子商务热潮的到来表现得更为迫切。找准移动电子商务个性化推荐路径能够让目标用户实现对冗杂信息的精准定位，进而增强目标用户对于移动电子商务平台的黏性以及满意程度，提高电商平台商家的收入。由此可见，为了实现电商平台、商家与用户三者之间的互利共赢，更好地发展我国电商经济和满足用户实际需要，基于用户兴趣视角下的移动电子商务个性化推荐路径的研究必不可少。基于此，本文首先对移动电子商务及其个性化推荐现状与基本理论进行了论述，并在此基础上引入了基于移动电商用户兴趣的三维空间模型进行实证分析，探讨在目标用户兴趣的基础上实现移动电子商务个性化推荐的路径及其可行性。
二、移动电子商务及其个性化推荐
本部分详细阐述了移动电子商务及其个性化推荐的相关概念与特征，明确了个性化推荐对于移动电子商务发展的重要性，并在此基础上探讨了个性化推荐相对于传统推荐的优越性及其对算法的相关要求，为后文的实证分析奠定了基础。
（一）移动电子商务概述
移动电子商务即“移动+电子商务”，是在移动通信技术等基础之上形成的一种新型的电子商务发展模式，也即由互联网与移动通信等技术实现数据的实时传输，并通过智能手机、平板电脑等移动设备达成各类商业经营交易活动的模式。随着互联网等信息技术以及移动通讯设备与技术等的快速发展，我国移动端电子商务交易量与日俱增，移动端网民总数以及移动电子商务目标用户的总规模也在逐年增大。相关数据显示，2020年底我国手机网民数量高达9.86亿人，在互联网用户中，其占比已经由2014年的85.8%提升到了2020年的99.7%，涨幅显著。其中，2020年底我国手机网购用户高达7.81亿人，在手机网民中占比为79.2%。与此同时，2014-2020年我国移动电子商务的用户规模也在逐年攀升，已经由2014年的2.94亿人增长至2020年的7.88亿人。我国传统电子商务的深化为移动电子商务的兴起与发展奠定了很大的基础，与传统的电子商务模式相比，移动电子商务是一种囊括了网络运营商、网关提供商等在内的更多商业主体的新型商务模式，因此其发展模式也会受到各商业主体之间相关关系的影响。这种新型商务模式主要表现为差异化、实时性与超时空等特点，即移动电子商务可以利用通信等技术实现对目标用户的精准把握，进而不受时空制约，随时随地满足目标用户的实时差异化需求。移动电子商务运行的具体流程如图1所示。由图1可知，移动电子商务主要流程是目标用户、电商平台、网络商家、金融机构的交互过程，及目标消费者通过在平台浏览、查找商家、对比产品等，传递购买需求与进行支付结算等一系列活动，这一过程也在很大程度上影响着移动电子商务发展的质效。
（二）移动电子商务个性化推荐概述
随着电子商务的发展，个性化推荐的重要性也在不断凸显。通过对移动电子商务内涵及其流程进行分析可以发现，在整个流程中存在着大量不同类型的数据，包括交易信息等在内的用户数据、商品服务信息等在内的项目数据。对于传统电子商务而言，由于数据量在一定范围内，因此可以利用一定技术手段分析该部分数据，进而实现了解和细化商业流程与获取更多利润的目的。但在移动电子商务交易中，会产生远超于传统电商的海量信息数据，且数据类型更复杂多变，因此经常会产生目标用户在纷繁复杂的数据中难以抉择等的问题。与此同时，在移动电子商务中，目标用户的需求与兴趣点也会随着时间、情境等的改变而改变，这大大提升了移动电子商务预测与研究目标用户偏好的难度。与传统个性化推荐相比，移动电子商务个性化推荐特点如表1所示。现阶段，目标用户对于差异化与个性化、实时性与紧迫性的需求更为明显，因此移动电子商务个性化推荐应满足以下几点要求，按流程先后表述如下：一是根据对已掌握信息的分析，实现发展模式的更新与潜在用户的发掘；二是根据目标用户不同的喜好与情境，为其提供差异化、个性化的商品与服务；三是根据目标用户购买情况的不同，进一步精准实现服务质量的提升与服务流程的完善，提升用户黏性。为达成以上目标，就需要对移动电子商务中个性化服务知识与大量动态数据进行挖掘、分析与应用。为实现精准个性化推荐，就必须感知目标用户在不同时间与情境中的需求，并针对用户兴趣点，在不同时空提供有针对性的提示信息。因此，十分有必要建立一个基于目标用户兴趣的模型，并以此为基础为不同用户提供商品与服务的个性化信息支持，这也是现阶段我国移动电子商务发展面临的重点与难点问题之一。
三、用户兴趣视角下移动电子商务个性化推荐实证分析
基于用户兴趣的移动电子商务个性化推荐即通过分析目标用户信息，在很大程度上准确掌握目标用户在不同条件情形下的兴趣点与偏好点，进而个性化推荐给用户感兴趣的商品或服务。与传统推荐路径相比，移动电子商务个性化推荐路径考虑到了用户不断变化的情境等信息，建立了更有针对性的目标用户兴趣多维模型。
（一）目标用户兴趣建模
在模型中，可以将不同情境分为用户与环境两类，其中用户情境（Au）即区分不同目标用户的信息，包括姓名、性别、ID、职业等；环境情境（Ae）即区分不同背景与环境的信息，包括时间、天气状况、是否节假日等。Au与Ae用三元组分别表示如式（1）（2）：其中，Age、Gen、Occ分别表示年龄、性别（0即女，1即男）、职业；Wea、Time、Hol分别表示天气、时间（1即上午，2即下午，3即晚上）、节假日（0即工作日，1即非工作日）。为了实现目标用户实际需求的基准把握，就需要在模型中纳入以上情境信息，因此引入不同情境下相似度如式（3）所示：其中，r代表不同情境（x,y）下目标用户（u）对一个项目（i）的评分数据。基于以上分析，本部分引入了基于移动电商用户兴趣的三维空间（SUI）模型，该模型加入不同情境信息的三维评分矩阵，代表的是目标用户在不同情境下对一个项目的兴趣高低与评价好坏。其中，S即Situation，S集中包括了经纬度、终端、网络、位置等信息；U即User，U集中包括了不同用户的基本信息（姓名、性别、ID等）、历史操作、收藏加购、评分数据等信息；I即Item，I集中包括了项目服务名称、价位、类别等信息。以上三种维度的向量表达式如式（4）所示：在SUI三维空间模型中，随着情境的不同，目标用户对同一项目的兴趣大小也会存在差别。打分越高，兴趣越大；打分越低，兴趣越小。
（二）实证研究
在本部分的实证研究中，受制于数据可得性，本文选取的是针对在校大学生的200份有效的问卷调查数据，在问卷中，情境信息包括时间、空间、网路、终端等；用户信息包括年龄大小、性别、收入水平等；兴趣信息包括价位、距离、水平、附加等。本部分涉及敏感度与精度测试两种试验，其中，敏感性包括偏好与位置敏感两种，精度测试则是用来判断该个性化推荐路径是否准确可行。本部分价格偏好敏感性测试采用的方法为：在其他属性信息保持一定的前提下，调整价格信息，进而比较两种个性化推荐结果，得出的变动曲线如图2所示。由图2可知，项目重合数随着价格10个百分点的速度下降而下降，二者出现明显的线性相关关系。这表明价格满意度信息发生变动，目标用户偏好改变，此时的个性化推荐结果与原始推荐结果相比也会产生很大的变化，并且其变动幅度也会随着偏好变动程度的不同而不同。由此可见，本部分模型与算法具有很好的目标用户偏好敏感性。同理，对位置敏感性测试的结果也表明，在其他属性信息保持一定的情况下，个性化推荐结果也会随着位置的不同而存在差异，这也证明该模型对位置信息来说也是敏感的。在实际的移动电子商务个性化推荐路径当中，个性化推荐项目的产生是一系列因素综合作用的结果，因此除了偏好、位置等因素外，其他属性及其权重也会对个性化推荐结果造成一定的影响，因此最后的推荐结果是各要素加权排列的结果。本部分精度测试采用的方法为：对比试验中产生的个性化推荐结论与目标用户的理想结果，即先根据现有数据计算出个性化推荐结果，并由目标用户进行反馈。在本部分，通过随机选取50分调查问卷进行个性化推荐，以此来确定精度高低，并通过推荐精度表达式P=C*ω%（P即综合精度高低，C即计算出的个性化推荐结果中目标用户满意度与契合度最高的个性化推荐方案，ω即权重大小）计算出的精度为72.7%，结合Kuo推荐体系73.2%的精度可知，本部分涉及的模型算法符合移动电子商务个性化推荐的相关要求。可见，基于移动电商用户兴趣的三维空间（SUI）模型能够快速捕捉目标用户兴趣点的变动，并作出相应的反应。
四、结论
近几年来，随着移动通讯、互联网以及信息技术等的进步，我国服务业深入发展，移动电子商务模式兴起且规模逐年增大，移动电子商务的发展催生个性化推荐路径的变革，亟待实现在纷繁复杂的信息中找准用户实际需求的目标。因此，移动电子商务个性化推荐就需要敏感感知目标用户兴趣的变动，并对此作出快速的反应。这样不仅能提高销售效率，满足用户个性化需求，还可以进一步扩大商家销售市场，提升用户对于移动电子商务平台的黏性以及满意程度。由此可见，为了实现电商平台、商家与用户三者之间的互利共赢，就需要探究基于用户兴趣的移动电子商务个性化推荐路径。在该背景下，本文在对移动电子商务及其个性化推荐现状与基本理论进行论述的基础上，引入了基于移动电商用户兴趣的三维空间模型进行实证分析，探讨在目标用户兴趣的基础上实现移动电子商务个性化推荐的路径及其可行性。理论与实证研究表明，基于移动电商用户兴趣的三维空间模型能够通过感知偏好、位置等信息的变动实时判断目标用户兴趣点的变动，进而实现结合目标用户兴趣点的实时精准个性化推荐。因此，可以在模型的基础上，通过目标用户偏好（如价格偏好）与情境信息的不同进行二重过滤，判断目标用户相似的历史情境，并以此为基础进行偏好过滤，进而形成个性化推荐方案。
作者：方闽江 单位：中国社会科学院大学 常州机电职业技术学院
