论文网
电子商务有关论文范文集,与个性化推荐:电子商务驱动力相关论文查重软件
本论文是一篇电子商务有关论文查重软件,关于个性化推荐:电子商务驱动力相关毕业论文的格式范文。免费优秀的关于电子商务及电子商务系统及电子商务网站方面论文范文资料,适合电子商务论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
中对电子商务具有重要意义.Amazon.的前总裁JeffBezos说,“如果我在网上有3百万个客户,我将要建立3百万个商店”,其意思就是说要为每一个客户建立一个个性化的商店,以便提供更个性化的客户服务.个性化推荐的最大优点在于,它能收集用户特征资料并根据用户特征,如兴趣偏好,为用户主动作出个性化的推荐.而且,系统给出的推荐是可以实时更新的,即当系统中的商品库或用户特征库发生改变时,给出的推荐序列会自动改变.这就大大提高了电子商务活动的简便性和有效性,同时也提高了企业的服务水平.事实上,个性化服务可以给企业带来巨大的商业价值,一个成功的个性化推荐系统的作用主要表现在以下几个方面：一是将电子商务网站的浏览者转变为购买者.电子商务系统的访问者在浏览过程中经常并没有购买欲望,个性化推荐系统能够向用户推荐他们感兴趣的商品,从而促成购买过程.
二是提高电子商务网站的交叉销售能力.个性化推荐系统在用户购买过程中向用户提供其他有价值的商品推荐,用户能够从系统提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品,从而有效提高电子商务系统的交叉销售.
三是提高客户对电子商务网站的忠诚度.与传统的商务模式相比,电子商务系统使得用户拥有越来越多的选择,用户更换商家极其方便,只需要点击一两次鼠标就可以在不同的电子商务系统之间跳转.个性化推荐系统分析用户的购买习惯,根据用户需求向用户提供有价值的商品推荐.如果推荐系统的推荐质量很高,那么用户会对该推荐系统产生依赖.因此,个性化推荐系统不仅能够为用户提供个性化的推荐服务,而且能与用户建立长期稳定的关系,从而有效保留客户,提高客户的忠诚度,防止客户流失.
据说Amazon30%的销售是依靠推荐带来的.著名掘客类网站Digg在使用个性化推荐技术后,Digg行为的活跃度获得了明显的提高,每天的用户Digg总数提高了40%,平均每个有digg行为的用户每天会获得200个推荐结果,用户好友数增加了24%,用户的评论数增加了11%.
电子商务个性化推荐的未来
目前,几乎所有的大型电子商务系统,如Amazon、eBay等,都不同程度地使用了各种形式的推荐系统.各种提供个性化服务的Web站点也需要推荐系统的大力支持.个性化推荐系统具有良好的发展和应用前景.未来个性化推荐可能会有以下重要的发展方向：
面向社会商务的推荐
随着社会网络和Web2.0的发展,未来电子商务可能更多依托于社会网络平台,基于这种平台的社会商务可能成为未来电子商务的重要发展方向.在社会商务环境下,用户成为商务活动的主体,更加强调用户与用户的互动与共享,在这个环境下,个性化推荐的作用将更为重要,推荐的内容包括好友推荐、商品推荐等.
微博是目前影响最大的一种重要社会网络,聚集了大量的客户,基于微博的个性化营销是未来营销的一个重要思路.企业可以通过借助微博,基于用户的推荐,对新产品进行病毒式营销.Hotmail在早期通过病毒营销的方式,在半年时间里就吸引了1200万注册用户,每天超过15万新用户的速度发展,但其费用还不到竞争者的3%；Unilever（联合利华）通过策略主题为"Dove-Realbeauty"的病毒营销活动,在不到10天的时间里,有230万消费者,扩大产品知名度(VanderLansetal.2010）.著名唱片公司TiVo1为推广新唱片,选择1000多位用户为其免费提供唱片.
移动商务环境下的推荐
目前的电子商务还主要是以互联网为主体,随着未来三网融合以及智能手机、便携式计算机、PDA等智能终端的发展,移动电子商务是未来发展的一个新动向.相应地,面向移动商务的推荐也变得更加重要.这主要有两方向的原因,一是移动终端界面小,用户操作不方便,更需要一种自动化的推荐方法帮助用户方便地推荐其偏好的商品；二是在移动环境下的推荐下除了需要考虑用户的偏好,推荐还必须考虑用户的情景信息,如时间、地点、天气等.
移动个性化服务是指移动内容和服务的提供商根据用户的年龄、身份、职业等个人特点、偏好等因素以及情景,为用户提供针对性的个性化的服务.在这种模式下,用户不再只提意见和要求,而是作为参与者与内容提供商一起按照用户的需求开发出能使他们产生共鸣的个性化产品,并通过自制或定制的产品来展示自己的独特个性.一个最广泛的应用行业就是旅游业,从用户最开始的旅游地点的推荐,到行程路线、交通工具、住宿、购物等各个环节,都可以为用户提供个性化的服务,这种推荐不但要考虑用户偏好,还必须基于用户当前的地点、天气和环境等因素.
交互式个性化推荐
目前推荐的一个前提假设是用户能较为清晰地表达出自己的偏好,但事实上很多时候用户难以自己表达出自己的偏好,需要与系统进行交互,用户对系统给出的推荐进行评判,然后系统再进行推荐,多次循环的交互推荐,才能保证推荐准确性.Amazon允许用户提供或者修正推荐所依赖的信息,比如用户可以查看并修改自己的档案、浏览历史,可以对感兴趣的或不感兴趣的商品进行管理和打分,可以通过社区进行讨论、评论、反馈相关商品,而所有这些信息一经修改或产生后直接对推荐的结果产生影响,从而提供推荐的准确性.比如,某用户去想购买一台电脑,如果该用户对电脑知识一无所知,他是无法通过一些具体配置指标来准确描述其偏好的,在这种情况下,也许推荐系统需要通过和用户进行交互,不断识别其偏好.
进一步提高个性化推荐算法的精度
个性化推荐的核心部件是推荐方法,但目前已有方法本身存在一些问题,影响推荐算法的准确度,未来研究的一个主要方向将是针对这些问题提出推荐方法的改进.主要问题包括稀疏问题（Sparsity）,因为用户的评价数据非常稀疏了,使得个性化推荐方法无法使用,或推荐精度非常低；冷开始（Cold-Start）问题,指如果一个新项目没人去评价它,或都不去评价它,则这个项目肯定得不到推荐；奇异发现（Serendipity）问题,如何使推荐的结果既符合用户的偏好,又能保证产品间的差异最大化；健壮性问题,由于竞争的原因,竞争对手人为地假数据,推荐系统如何能识别并保证推荐结果是可靠的.
由单个推荐方法向商务智能分析工具转化
目前个性化推荐还只是一种面向用户的个性化推荐算法,未来研究应会将此方法嵌入到CRM系统,以支持其在企业的推广和应用,同时将电子商务个性化推荐系统由虚拟的销售人员转变为市场分析工具,最终成为一种商业智能的工具,为商家的产品定价、促销活动及交叉销售等提供参考.
电子商务有关论文范文集,与个性化推荐:电子商务驱动力相关论文查重软件参考文献资料：