英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
摘要
随着几个电子商务网站对推荐系统的使用，推荐系统正从一种新奇的事物变得越来越平常，严格来说，它正重塑着整个电子商务领域。许多大型的商务网站已经使用了推荐系统，以便能够帮助他们的消费者发现合适的产品并促使其购买。推荐系统能够从消费者和推荐的产品那里不断学习演化，以便是它能够在各种各样的商品中选择出最适合消费者的商品。在这篇文章中，我们将解释推荐系统怎样能够帮助电子商务网站增长他们的销售额，并且分析了六个用了推荐系统的网站，其中几个网站还使用了超过一种推荐系统。通过这些例子，我们创造了一种对推荐系统的分类方法，包括他们提供给消费者的接口，和用来进行推荐的技术，以及从消费者那里需要获得的输入信息。我们还总结了一些在电子商务领域一种推荐系统的新应用的想法。
关键词：电子商务 推荐系统 接口 顾客忠诚度 交叉销售 追加销售 大规模定制
1简介
在Mass Customization(渴望，1993)的这本书里，Joe Pines提出了一种观点，认为现在的公司应该从混乱的产品困境中转移到一种“标准化产品，同质市场，产品长久性以及规则化发展圈”以对应“多样性与个性定制化代替标准化产品”的新世界趋势。Pine指出简单的创造一个产品已经不足以适应新规则。公司企业需要能够以最小化的付出，开发出多样化的商品来适应多样化消费者的多样化需求。电子商务面临的问题是需要允许公司提供给消费者更多的选择权。然而，随着这种用户定制化的等级的扩张，在用户对他们实际需要的商品做出选择时，商家必须要处理好大量的关于用户的个人信息。针对这种信息过载的问题，一种处理方法就是使用推荐系统。
推荐系统在电子商务网站中别应用于向他们的消费者提供产品推送建议。推荐的商品可以是基于整个网站上的销售量最好的商品，可以是基于消费者个人信息统计，可以是基于对消费者历史购买行为的分析以便作为对将来购买行为的一种预测。显然，这些技术都需要是一些关于个性化相关部分的，因为他们能够帮助相应的网站来适应每个消费者自己的购买习惯。推荐系统在网络上自动运行个性化推荐，直到对每个消费者做出个性化推荐才终止。广泛的个性化实现是Pine的观点在网络上面的具体实现。总之，当亚马逊网站总裁Jeff Bezos说出“如果我在网站上有20亿消费者，我应该会有20亿的商品库存”时，一定会得到Pine的赞同。
推荐系统在三方面上增强了电子商务网站的销售额：
跟进购买者的浏览信息：访问网站的用户可能会是没有任何购买历史的新用户。推荐系统能够帮助消费者在他们想要购买的商品中发现合适的商品。
交叉销售：推荐系统能够通过向消费者推荐附加商品来促进交叉销售额。如果推荐系统足够好，那么平均订单的商品数量应该会有一定的增长。例如，在出单的时候，基于已经在购物车里的商品，网站应该为消费者推荐可能的附加商品。
忠诚度：在这个网站的竞争对手因素只是点击量的世界里，获得用户的忠诚度是一种潜在的商业战略（Reichheld和Sesser,1990）（Reichheld,1993）。推荐系统通过在用户和网站之间创造一种增值的关系来改善忠诚度。网站需要有一定的投入来了解自己的用户，通过使用推荐系统来实现这种了解机制，然后提供一个友好的用户接口来向用户匹配出他们需要的东西。消费者通过对最符合自己需要的东西进行再支付来回报网站。越多的消费者使用了推荐系统-通过表达匹配自己需求-那么他们对网站的忠诚度就会越强烈。“即便竞争对手建立起了同样的精准的推荐系统，消费者可能还要需要花费大量的时间与金钱来训练竞争者的推荐系统那些自己系统就已经知道的。”（Pine等，1995）最终，创造消费者之间的关系网也能增加忠诚度。消费者往往喜欢去那些能向他们推荐能够与他们相互影响的人的网站。这篇文章对了解推荐系统在电子商务中的应用列出了五点总结。第一，我们提供了一些跨越了推荐系统在电子商务中不同的应用范围的例子。第二，我们分析了每个例子中如何通过使用推荐系统来增加年收入。第三，我们描述了一个从推荐系统的引入到应用的使用的过程。第四，我们对用户对推荐商品的需求度做了一个调查。第五，针对一个新的推荐系统应用，基于我们对目前已经存在的推荐系统的分类调查，我们提出了自己的一些建议。
这篇文章对两类人群有作用：对推荐系统在电子商务上进行学术研究的人群，考虑在自己的网站中引入推荐系统的人群。对学术研究来说，这些例子和分类提供了一个在研究最开始便能够引入的框架。这个框架无疑能够延展出包括推荐系统的未来应用方向。对要实施推荐系统的人来说，这篇文章能够对正在考虑技术与实际应用的实施者提供了一种选择方向。一个实施推荐系统的人选择以获得收入来作为目标，那么选择推荐系统这个方式能够有助于实现这个目的，达到目的。
2、推荐系统实例
接下来，我们会列举几个电子商务的例子来说明在一些网站中推荐系统技术的一点或更多的使用方法。在每个网站，我们给未来有关系统的一个简短的描述。接下来，我们参考这些实例来解释这类推荐系统能够提供的功能，使用的技术，以及收集到的信息种类。文章所列的这些例子都修正与1999年5月31日。由于互联网的迅猛发展，这些网站可能已经不在有效。
2.1 亚马逊网站
我们从亚马逊的网页中关注了解推荐系统的。
产生购买行为的消费者：像许多电子商务网站一样，亚马逊网站（www.amazon.com）由每一本书籍的相应信息网页构成，网页给出了详细的主题内容和购买信息。在每个书籍订单的目录中能够寻找出用户购买特点的信息。这个网页由两部分分开的信息推荐列表组成。第一部分推荐书记通常是购买过这本书的消费者同时购买过的其他书籍。第二部分是其他消费者通常购买过本书作者的其他书籍。
追踪：追踪系统得到用户的允许后通过向用户发送添加了新物品信息的亚马逊邮件来推荐。消费者浏览作者，题目，主题，ISBN，或者出版设信息来判断是否需要购买。消费者能够通过简单或这更复杂的选择（是/否）来对通知邮件进行选择。选择结果可以直接链接到任何搜索结果网页上，然后通过屏幕把相应的需求结果展示给消费者。
亚马逊支付系统：亚马逊的支付系统中同样有追踪系统的各种特点。消费者从各种分类（如奥普拉的书，传记，烹饪）中的书籍列表中选择书籍。然后亚马逊网站编辑们会定期的把相应类别的最新商品书籍做为推荐目录通告通过邮件发送给消息订阅者。
书籍匹配：书籍匹配系统允许消费者对他们阅读过得书籍给出一个感觉上的直接反馈。消费者可以对他们阅读过的书籍喜欢程度从“讨厌”到“喜欢”进行满分为5分的投票。在对一本书投完票后，消费者便可能能够得到他们喜欢的推荐书籍。这种方式的关键是有一小部分的评分是与用户的潜在品味相关联的。“书籍打分”总结出推荐商品的反馈结果是根据用户可能对某个或多个推荐书籍的打分来推测潜在评分来决定的。
消费者的评论：消费者评论系统允许用户根据其他消费者的评论来选择是否接受推荐商品。每个页面上有每个书籍的1到5分的打分和已经阅读过书籍与摘要的消费者的评论。消费者选择是否将商品加入到购物车的时会考虑相关的评论观点。
2.2 CDNOW
唱片顾问：CDNOW（www.cdnow.com）的唱片顾问系统以两中不同的模式工作。在单个唱片模式消费者会浏览到所给的唱片的相关信息。系统会推荐10个其他唱片与其相关问题来回答。在多样的艺术家模式时，消费者会接触到三个相关的艺术家作品。然后系统会依次提问10个与这个艺术家相关问题并推荐相关唱片。
我的CDNOW：我的CDNOW能够让消费者根据自己喜欢的唱片与艺术家来设置自己的音乐仓库。消费者会表明出那些唱片是自己所收藏的，那些艺术家是自己最喜欢的。从CDNOW购买的唱片会自动加入到“拥有”这个收藏单里。尽管“拥有”通常首先表示消费者的一种喜欢的意思，消费者仍然能够返回清单整理为“拥有并喜欢”和“拥有但是不喜欢”两种。当消费者需要系统进行推荐时，系统会根据消费者已经拥有的唱片来预测推荐出6个唱片。针对这个预测推荐的唱片清单，消费者能对每一个唱片反馈选择可以是“拥有”，“移入愿望清单”或者“不适合我”三种。
2.3 eBay
反馈日志描述:eBay网站（www.ebay.com）的反馈描述系统允许已经完成交易的买家与卖家为其他的用户显示反馈日志。反馈信息包括满意度评分（满意/中立/不满意）与来自消费者的详细的评论。反馈信息通常被推荐系统用来向那些能够观看卖单日志的用户来作为推荐方式。这个日志包括每个商品过去7天或1个月或6个月的评分记录以及一份所有记录的简要描述。（来自776个不同消费者的867分积极评论）。若需再进一步的要求，消费者能够浏览一些个人对这些记录的评分与评论。
2.4 Levis
风格发现：Levis网站（www.levis.com）的风格发现系统允许用户接受来自Levis的穿衣指南圈的推荐信息。消费者需要表明他们是男性还是女性，然后浏览三个类别—音乐，样貌，了却—然后对其下面的四个子选项进行投票。他们对这些选项从“不喜欢”到“喜欢”来打的范围来打出总共为7分的投票。他们也有可能会选择投票给“没有感觉”这个选项。一旦消费者投出了最小分数则可能会得到一个“需要推荐”的选项。点这里，他们便会得到6个推荐的衣服的简短介绍。消费者还有可能使用“告诉我们你的感觉”这个反馈标签来让他们对推荐的衣服做出评价。反馈信息可能能够改变一个或者六个所推荐的物品。
2.5 Moviefinder.com
中间匹配：Moviefinder网站（www.moviefiner.com）的中间匹配系统能够允许消费者通过定位电影的“情感，节奏，类型或风格”来获得相似的电影。通过电影信息页面，消费者可以选择中间匹配选项然后获得推荐电影的列表，同时与可以获得与原来电影的导演或主要演员相同的其他电影。
自主预测：自主预测根据消费者之前表明的喜好来推荐电影。消费者对他们看过的电影从A到F范围打出一个5分的评分。这些评分会被用在两种地方。最显然的一种，没有打过分的电影会以文本预测（去看—忽略）的网页形式推荐给用户。其他方式，消费者能够使用Powerfind功能来选择根据诸如风格，导演或者演员这样的标准结合来选择保存到个性化标签或者保存到所有消费者标签预测之中。
2.6 Reel.com
电影匹配：与亚马逊的消费者消费功能类似，Rell（www.reel.com）的电影匹配系统对每一个电影信息网页提供了一个推荐板块。这些推荐包括“最近匹配”和/或“新颖匹配”。每个板块包括了一打的到这些“匹配”的电影的超链接。这些超链接都会给一个简短的注释，表明新电影与源电影相似的理由（“相似的令人感到黑暗惊险刺激”）。
电影地图：Reel的电影地图系统能够根据个性化来为消费者进行推荐。消费者提出关于流派，电影类别，浏览方式和/或价格这样的问题，然后会收到包括“慢节奏”或“这种风格中最好的”这样的问题回答。推荐商品会通过编辑对电影的推荐信息来匹配不同的类别标准。
2.7 总结
在表1中我们总结了这些功能，界面，推荐技术，和怎样使用户通过这些功能来发现推荐物品的过程。第一栏列举了网站名称与每个应用功能。第二栏描述了用来进行推荐的接口的描述。第三栏描述了使用了这种推荐技术的网站与这种技术需要的输入信息。第四栏描述了用户怎样通过功能来获得推荐商品。表1中的每一栏都是这篇文章的系列的摘要，描述了每个功能的意义以及在推荐系统对电子商务的支持中所扮演的角色。
3.推荐界面与获得收入的方式
有句古老的谚语说“达到目的的方式不止一种”。有的人认为应该根据想要的结果来选定不同的方法。类似的，对于消费者也有不同的推荐方式。选择推荐方式的最好是电子商务网站使消费者采用推荐商品。接下来我们会检测7中推荐接口，与每一种怎么样帮助网站获得收入。这些方法从传统的电子商务中能找到根源，每一个在电子媒介中推荐出更好的推荐商品上都有各自的长处。
浏览：在传统的商业中一个消费者可能会走入一家音像店然后询问店员推荐一个“来自50s的喜剧”电影。理想情况下，店员会推荐几款电影，然后消费者去找到推荐的电影，浏览下包装盒，看下哪一个对他们有吸引力。然而，提供的推荐商品的质量依赖于这一个店员的对大量电影的有限了解。Rell网站在浏览电影地图系统上有几个优势。第一，几个店员/编辑的共同的推荐观点能够毫无疑问有更高的推荐质量。此外，推荐的好坏能够立刻通关对推荐商品的点击来获得回复—不需要在存储的仓库中浏览更多的模糊的商品来找到推荐商品。推荐浏览能够帮助电子商务网站将浏览结果推送给购买者。这有助于帮助购买者更方便自己选择同时对购买到推荐产品更有信心来做出决定。
相似物品：另一种改变了传统商业方式技术是相似物品推荐。像Rell.com,Matcher,Amazon.com,的消费者与包括CDNOW的唱片广告等都试图让消费者接触到那些他们遗忘忽略了的商品，或者他们没有意识到的好的商品。电子商务网站的这种措施能够允许更多样化与个性化的推荐。展示出的商品完全有可能会随着消费者已经感兴趣的商品一起被选择。如此，网站便能够增加消费者的选择的商品范围，最终能够比之前卖出更多的商品。
电子邮件：推荐商品也可以通过电子邮件作为传统技术的延伸直接发送给消费者。亚马逊网站的追踪系统允许关注消费者对意见商品是否会产生购买意愿。追踪系统能允许亚马逊网站将消费者在其他的商家同样的产品到达消费者视线之前吸引到自己这里。而且，追踪系统与亚马逊的信息传送能够是用户对网站与可能错过的商品保留有印象。消费者会对追踪系统留有好感，因为它能帮他们密切注意这那些他们可能感兴趣的新商品。这些特点能够帮助网站获得收入的同时获得忠诚度的提高，以及顾客的
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[29472]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
