本站小編為你精心準備了談用戶興趣視角的移動電子商務個性化參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

內容摘要：近年來，移動電子商務迎來了強勁的發展勢頭，給用戶帶來了更為便捷化、多樣化的購物體驗，線上交易已經成為人們消費的主要模式。與此同時，隨著移動電子商務規模逐年擴大，電商平臺與商家數量也在急劇增長，如何找到滿足用戶興趣的移動電子商務個性化推薦路徑至關重要。因此，本文立足于用戶興趣視角，在論述移動電子商務個性化推薦現狀與基本理論的基礎上，引入基于移動電商用戶興趣的三維空間模型，探討在該模型基礎上實現移動電子商務個性化推薦的路徑。

關鍵詞：目標用戶；用戶興趣；移動電子商務；個性化；推薦路徑

一、引言

如何在紛繁復雜的信息中找準用戶實際需求成為移動電子商務領域發展亟待解決的現實問題，并隨著移動電子商務熱潮的到來表現得更為迫切。找準移動電子商務個性化推薦路徑能夠讓目標用戶實現對冗雜信息的精準定位，進而增強目標用戶對于移動電子商務平臺的黏性以及滿意程度，提高電商平臺商家的收入。由此可見，為了實現電商平臺、商家與用戶三者之間的互利共贏，更好地發展我國電商經濟和滿足用戶實際需要，基于用戶興趣視角下的移動電子商務個性化推薦路徑的研究必不可少。基于此，本文首先對移動電子商務及其個性化推薦現狀與基本理論進行了論述，并在此基礎上引入了基于移動電商用戶興趣的三維空間模型進行實證分析，探討在目標用戶興趣的基礎上實現移動電子商務個性化推薦的路徑及其可行性。

二、移動電子商務及其個性化推薦

本部分詳細闡述了移動電子商務及其個性化推薦的相關概念與特征，明確了個性化推薦對于移動電子商務發展的重要性，并在此基礎上探討了個性化推薦相對于傳統推薦的優越性及其對算法的相關要求，為后文的實證分析奠定了基礎。

（一）移動電子商務概述

移動電子商務即“移動+電子商務”，是在移動通信技術等基礎之上形成的一種新型的電子商務發展模式，也即由互聯網與移動通信等技術實現數據的實時傳輸，并通過智能手機、平板電腦等移動設備達成各類商業經營交易活動的模式。隨著互聯網等信息技術以及移動通訊設備與技術等的快速發展，我國移動端電子商務交易量與日俱增，移動端網民總數以及移動電子商務目標用戶的總規模也在逐年增大。相關數據顯示，2020年底我國手機網民數量高達9.86億人，在互聯網用戶中，其占比已經由2014年的85.8%提升到了2020年的99.7%，漲幅顯著。其中，2020年底我國手機網購用戶高達7.81億人，在手機網民中占比為79.2%。與此同時，2014-2020年我國移動電子商務的用戶規模也在逐年攀升，已經由2014年的2.94億人增長至2020年的7.88億人。我國傳統電子商務的深化為移動電子商務的興起與發展奠定了很大的基礎，與傳統的電子商務模式相比，移動電子商務是一種囊括了網絡運營商、網關提供商等在內的更多商業主體的新型商務模式，因此其發展模式也會受到各商業主體之間相關關系的影響。這種新型商務模式主要表現為差異化、實時性與超時空等特點，即移動電子商務可以利用通信等技術實現對目標用戶的精準把握，進而不受時空制約，隨時隨地滿足目標用戶的實時差異化需求。移動電子商務運行的具體流程如圖1所示。由圖1可知，移動電子商務主要流程是目標用戶、電商平臺、網絡商家、金融機構的交互過程，及目標消費者通過在平臺瀏覽、查找商家、對比產品等，傳遞購買需求與進行支付結算等一系列活動，這一過程也在很大程度上影響著移動電子商務發展的質效。

（二）移動電子商務個性化推薦概述

隨著電子商務的發展，個性化推薦的重要性也在不斷凸顯。通過對移動電子商務內涵及其流程進行分析可以發現，在整個流程中存在著大量不同類型的數據，包括交易信息等在內的用戶數據、商品服務信息等在內的項目數據。對于傳統電子商務而言，由于數據量在一定范圍內，因此可以利用一定技術手段分析該部分數據，進而實現了解和細化商業流程與獲取更多利潤的目的。但在移動電子商務交易中，會產生遠超于傳統電商的海量信息數據，且數據類型更復雜多變，因此經常會產生目標用戶在紛繁復雜的數據中難以抉擇等的問題。與此同時，在移動電子商務中，目標用戶的需求與興趣點也會隨著時間、情境等的改變而改變，這大大提升了移動電子商務預測與研究目標用戶偏好的難度。與傳統個性化推薦相比，移動電子商務個性化推薦特點如表1所示。現階段，目標用戶對于差異化與個性化、實時性與緊迫性的需求更為明顯，因此移動電子商務個性化推薦應滿足以下幾點要求，按流程先后表述如下：一是根據對已掌握信息的分析，實現發展模式的更新與潛在用戶的發掘；二是根據目標用戶不同的喜好與情境，為其提供差異化、個性化的商品與服務；三是根據目標用戶購買情況的不同，進一步精準實現服務質量的提升與服務流程的完善，提升用戶黏性。為達成以上目標，就需要對移動電子商務中個性化服務知識與大量動態數據進行挖掘、分析與應用。為實現精準個性化推薦，就必須感知目標用戶在不同時間與情境中的需求，并針對用戶興趣點，在不同時空提供有針對性的提示信息。因此，十分有必要建立一個基于目標用戶興趣的模型，并以此為基礎為不同用戶提供商品與服務的個性化信息支持，這也是現階段我國移動電子商務發展面臨的重點與難點問題之一。

三、用戶興趣視角下移動電子商務個性化推薦實證分析

基于用戶興趣的移動電子商務個性化推薦即通過分析目標用戶信息，在很大程度上準確掌握目標用戶在不同條件情形下的興趣點與偏好點，進而個性化推薦給用戶感興趣的商品或服務。與傳統推薦路徑相比，移動電子商務個性化推薦路徑考慮到了用戶不斷變化的情境等信息，建立了更有針對性的目標用戶興趣多維模型。

（一）目標用戶興趣建模

在模型中，可以將不同情境分為用戶與環境兩類，其中用戶情境（Au）即區分不同目標用戶的信息，包括姓名、性別、ID、職業等；環境情境（Ae）即區分不同背景與環境的信息，包括時間、天氣狀況、是否節假日等。Au與Ae用三元組分別表示如式（1）（2）：其中，Age、Gen、Occ分別表示年齡、性別（0即女，1即男）、職業；Wea、Time、Hol分別表示天氣、時間（1即上午，2即下午，3即晚上）、節假日（0即工作日，1即非工作日）。為了實現目標用戶實際需求的基準把握，就需要在模型中納入以上情境信息，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）下目標用戶（u）對一個項目（i）的評分數據。基于以上分析，本部分引入了基于移動電商用戶興趣的三維空間（SUI）模型，該模型加入不同情境信息的三維評分矩陣，代表的是目標用戶在不同情境下對一個項目的興趣高低與評價好壞。其中，S即Situation，S集中包括了經緯度、終端、網絡、位置等信息；U即User，U集中包括了不同用戶的基本信息（姓名、性別、ID等）、歷史操作、收藏加購、評分數據等信息；I即Item，I集中包括了項目服務名稱、價位、類別等信息。以上三種維度的向量表達式如式（4）所示：在SUI三維空間模型中，隨著情境的不同，目標用戶對同一項目的興趣大小也會存在差別。打分越高，興趣越大；打分越低，興趣越小。

（二）實證研究

在本部分的實證研究中，受制于數據可得性，本文選取的是針對在校大學生的200份有效的問卷調查數據，在問卷中，情境信息包括時間、空間、網路、終端等；用戶信息包括年齡大小、性別、收入水平等；興趣信息包括價位、距離、水平、附加等。本部分涉及敏感度與精度測試兩種試驗，其中，敏感性包括偏好與位置敏感兩種，精度測試則是用來判斷該個性化推薦路徑是否準確可行。本部分價格偏好敏感性測試采用的方法為：在其他屬性信息保持一定的前提下，調整價格信息，進而比較兩種個性化推薦結果，得出的變動曲線如圖2所示。由圖2可知，項目重合數隨著價格10個百分點的速度下降而下降，二者出現明顯的線性相關關系。這表明價格滿意度信息發生變動，目標用戶偏好改變，此時的個性化推薦結果與原始推薦結果相比也會產生很大的變化，并且其變動幅度也會隨著偏好變動程度的不同而不同。由此可見，本部分模型與算法具有很好的目標用戶偏好敏感性。同理，對位置敏感性測試的結果也表明，在其他屬性信息保持一定的情況下，個性化推薦結果也會隨著位置的不同而存在差異，這也證明該模型對位置信息來說也是敏感的。在實際的移動電子商務個性化推薦路徑當中，個性化推薦項目的產生是一系列因素綜合作用的結果，因此除了偏好、位置等因素外，其他屬性及其權重也會對個性化推薦結果造成一定的影響，因此最后的推薦結果是各要素加權排列的結果。本部分精度測試采用的方法為：對比試驗中產生的個性化推薦結論與目標用戶的理想結果，即先根據現有數據計算出個性化推薦結果，并由目標用戶進行反饋。在本部分，通過隨機選取50分調查問卷進行個性化推薦，以此來確定精度高低，并通過推薦精度表達式P=C*ω%（P即綜合精度高低，C即計算出的個性化推薦結果中目標用戶滿意度與契合度最高的個性化推薦方案，ω即權重大小）計算出的精度為72.7%，結合Kuo推薦體系73.2%的精度可知，本部分涉及的模型算法符合移動電子商務個性化推薦的相關要求。可見，基于移動電商用戶興趣的三維空間（SUI）模型能夠快速捕捉目標用戶興趣點的變動，并作出相應的反應。

四、結論

近幾年來，隨著移動通訊、互聯網以及信息技術等的進步，我國服務業深入發展，移動電子商務模式興起且規模逐年增大，移動電子商務的發展催生個性化推薦路徑的變革，亟待實現在紛繁復雜的信息中找準用戶實際需求的目標。因此，移動電子商務個性化推薦就需要敏感感知目標用戶興趣的變動，并對此作出快速的反應。這樣不僅能提高銷售效率，滿足用戶個性化需求，還可以進一步擴大商家銷售市場，提升用戶對于移動電子商務平臺的黏性以及滿意程度。由此可見，為了實現電商平臺、商家與用戶三者之間的互利共贏，就需要探究基于用戶興趣的移動電子商務個性化推薦路徑。在該背景下，本文在對移動電子商務及其個性化推薦現狀與基本理論進行論述的基礎上，引入了基于移動電商用戶興趣的三維空間模型進行實證分析，探討在目標用戶興趣的基礎上實現移動電子商務個性化推薦的路徑及其可行性。理論與實證研究表明，基于移動電商用戶興趣的三維空間模型能夠通過感知偏好、位置等信息的變動實時判斷目標用戶興趣點的變動，進而實現結合目標用戶興趣點的實時精準個性化推薦。因此，可以在模型的基礎上，通過目標用戶偏好（如價格偏好）與情境信息的不同進行二重過濾，判斷目標用戶相似的歷史情境，并以此為基礎進行偏好過濾，進而形成個性化推薦方案。

作者：方閩江 單位：中國社會科學院大學 常州機電職業技術學院