推薦系統就是根據用戶個人的喜好、習慣來向其推薦信息、商品的程序。電子商務推薦系統能夠直接與用戶交互,模擬商店銷售職員向用戶提供商品推薦,幫助用戶找到所需商品,從而順利完成購買過程。從用戶角度來看,電子商務推薦系統透過對收集到的用戶的訪問行爲、訪問頻度、訪問內容等瀏覽資訊進行挖掘,提取用戶的特徵,獲取用戶訪問Web的模式,動態地調整頁面結構,爲用戶實現主動推薦,提供個性化服務;從企業角度來看,企業希看能夠獲取用戶的訪問規律,以幫助企業確定顧客消費的生命週期,針對不同的產品制定相應的營銷策略,進一步優化網站的組織結構和服務方式,以進步網站的效率。推薦系統在幫助了客戶的同時也進步了顧客對商務活動的滿足度,換來對商務網站的進一步支援。
一、推薦系統在電子商務活動中的作用
一般說來,推薦系統在電子商務活動中的作用可以回納爲以下幾點:
(一)把瀏覽者轉變成購買者
己有明確購物目標的客戶也許可以藉助檢索系統找到自己需要的東西,但對於大多數只是四處走走看一看的衝浪者,或是對自己的需要比較模糊的購買者,很難有耐心在幾十頁長的商品目錄逐項查找是否有自己感愛好的東西。而推薦系統透過合適的推薦,可以將一個瀏覽者變爲購買者。
(二)進步電子商務系統的交叉銷售能力
電子商務推薦系統在用戶購買過程中向用戶提供其它有價值的商品推薦,用戶能夠從提供的推薦列表中購買自己確實需要但在購買過程中沒有想到的.商品,從而有效進步電子商務系統的交叉銷售。例如站點可以根據客戶當前購物車中的物品向他們推薦一些和這些己選購的物品相關的物品。假如有一個比較好的推薦系統,則企業的均勻定購量就可能增加。
(三)進步客戶對電子商務網站忠誠度。
與傳統的商務模式相比,電子商務系統使得用戶擁有越來越多的選擇,用戶更換商家及其方便,只需要一兩次鼠標的點擊就可以在不同電子商務系統之間跳轉。電子商務推薦系統分析用戶的購買習慣,根據用戶需求向用戶提供有價值的商品推薦。假如電子商務推薦系統的推薦質量很高,用戶可以很輕易找到自己想要的商品,那麼用戶會再次訪問這個網站,並會推薦給其他人,這對於網站來說是一個很大的上風。
二、數據挖掘技術在電子商務推薦系統的具體應用
數據挖掘是在大型數據存儲庫中,自動地發現有用資訊的過程。數據挖掘技術用來探查大型
數據庫,發現先前未知的有用模式。電子商務推薦系統將數據挖掘技術運用到電子商務領域,以數據挖掘爲基礎衍生出很多算法。
(一)基於關聯規則的推薦算法
關聯規則是數據挖掘技術的一種,該技術挖掘發現大量數據中項集之間有趣的關聯或相關聯繫。關聯規則挖掘的一個典型例子就是購物籃分析。該過程透過發現顧客放進其購物籃中不同商品之間的聯繫,分析顧客的購買習慣。透過瞭解哪些商品頻繁地被顧客同時購買,這種關聯的發現可以幫助商家制定營銷策略。
關聯規則的挖掘是一個兩步過程:
首先,找出所有頻繁項集。這些項集出現的頻繁性至少和預定義的最小支援計數一樣。其次,由頻繁項集產生強關聯規則。這些規則必須滿足最小支援度和最小置信度。