网络书店推荐系统的负效应与对策

-精选财经经济类资料- -最新财经经济资料-感谢阅读- 1 网络书店推荐系统的负效应与对策 摘要：网络书店推荐系统主要使 用信息检索、协同过滤和内容推荐等技 术。过度使用推荐系统会产生负效应， 降低用户满意度，给网络书店自身发展 带来威胁。网络书店要吸收新成果，提 升用户满意度；诚信经营，承担社会责 任。 中国论文网 /5/view-12993460.htm 关键词：网络书店；推荐系统； 过度推荐；负效应优化 开卷 2016 年全国图书零售市 场报告显示，2016 年我国图书零售市 场总规模 701 亿元，网上书店的图书销 售业务依然保持 30%左右的增长，同时， 网上书店销售的总码洋首次超过实体书 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 2 店，当当一家图书销售码洋就近 140 亿， 网络书店已成为绝对优势渠道。与此同 时，面对图书种类的纷繁复杂（如当当 2016 年在售品种就有 110 万种，还有显 示缺货的 480 万种）和数量的骤增，用 户经常感到无所适从。这种可供选择的 多样性在为网络书店产生巨大经济效益 的同时，某种程度上也降低了用户的满 意度。近年来，推荐系统被证明是一种 解决信息超载问题、帮助用户做决策的 有效工具，被应用到互联网的各个领域。 推荐系统中最核心的部分就是推荐技术， 它是利用用户的一些行为数据，通过一 定的数学算法，向用户推荐可能喜欢的 物品的软件工具和技术。 感受推荐系统带来便利的同时， 人们也感觉到它的一些局限和问题，开 始对其进行反思，如随着“今日头条” 的 崛起，一些媒体行业的从业者和观察者 指出，推荐系统的算法分化瓦解了媒体 品牌、媒体受众、媒体策展的概念，这 些新平台上的媒体正与粉丝“失联” ，但 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 3 在现有环境和可预见的将来， “任何媒体 的掌门人，都必须直面算法，接受算法， 与算法共舞” 。网络书店是较早引入推 荐系统的领域之一，国外相关资料显示， 亚马逊的销售业绩有 20%35%要归功于 推荐系统，京东报告也显示，搜索对京 东订单引入贡献非常大，推荐的贡献更 是高速增长，但业界、学界较少对其作 用进行反思。本文拟结合自身多年的网 络购书经验，通过网络调研、文献研读 等方法，归纳描述当当、京东、亚马逊 （中国）三大网络书店主要使用的推荐 系统技术类型，分析其过度依赖和使用 推荐系统带来的问题及成因，并针对性 地给出建议，以期出版业更健康地发展。 一、推荐系统原理及主要技术类 型 随着电子商务的快速发展，推荐 系统与技术不断丰富和提高，三大网络 书店根据实际需要，选择了适合自身发 展的推荐系统。 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 4 1.推荐系统原理 推荐系统主要依据人类行为习惯 的可预测性，利用信息检索、信息过滤 和文本分类等技术，通过数据挖掘、机 器学习和基于知识的系统等方法进行预 测和推荐，涉及的知识类型和知识来源 主要有三类：一是社群知识，指关于整 个用户群体的知识，主要来自用户使用 过程中的上下文、评价、行为和人口统 计等；二是个人知识，指关于目标用户 的知识，主要来自目标用户的评价、行 为、人口统计、需求等；三是内容知识， 指关于将要被推荐的物品的知识以及泛 指其用途的知识，主要来自物品内容、 领域知识、上下文知识等。当当、京东、 亚马逊中国的推荐系统，就是基于上述 研究成果，实现的书目推荐。 2.主要推荐技术类型 一是信息检索。信息检索是最早 用于解决信息超载问题的技术，我们在 三大网络书店所见到和使用过的图书分 类浏览、关键词查询以及网站的主编、 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 5 专家、作者、读者推荐等，使用的就是 信息检索技术。其优点是直观、符合用 户传统购书习惯，但推荐的信息有限， 浏览选择耗时耗力，且因为很多用户缺 乏相关知识准备，难以满足在最短时间 内找到满意图书的迫切需求。 二是协同过滤。这种方法的原理 是找到与该用户有相同品位的用户，然 后将相似用户过去喜欢的物品推荐给该 用户。其优点是涉及的知识较少，只用 到用户对物品的评价等一些简单且基础 的数据，如亚马逊会记录读者购买过的 图书及其评价，通过人工智能为某位读 者提供可能与他兴趣相仿的人购买的图 书（alsobuy 功能） 。其优点是有可能发 掘用户自己未曾意识到的兴趣和需求， 缺点是对新用户推荐的质量较差，且由 于历史数据质量问题，对老用户的推荐 质量也有很大提升空间。 三是基于内容的推荐。这种技术 方法主要是通过获取用户的浏览、购买 等记录来为用户推荐与其过去的兴趣类 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 6 似的图书，即我们在网络书店看到的 “猜您喜欢”下面的推荐，如 “与您浏览 过的商品的相关推荐”“根据购物习惯为 您推荐”“您最近查看的商品和相关推荐” 等。基于内容推荐的核心是能够得到图 书的描述及其特征的记录。优点是不需 要大规模用户就可以达到适度的精准推 荐，而且一旦得到图书的属性就能立即 推荐新图书。缺点是对新用户推荐质量 差，可分析的内容有限，容易过度特征 化。 以上是三大网络书店使用的主要 推荐技术类型，各有优缺点。目前三大 网络书店基本是以协同过滤为主，吸收 其他推荐技术的优点，通过多层面算法 和数据交融，提高推荐的个性化和精准 度。 二、过度使用推荐系统的负效应 推荐系统为提高了图书被发现的 几率，不但给网络书店带来了巨大经济 效益，也帮助用户节省了大量时间、选 择决策成本，并带来新的阅读发现，有 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 7 其不可替代的优势。但是，我们也应充 分认识推荐系统带来的问题。 1.过度依赖推荐系统，降低客户 满意度 一是错误推荐或无效推荐。机器 推荐不懂节制，面对铺天盖地、无处不 在、大同小异的推荐，用户经常感到无 所适从，但最令用户难以忍受的是错误 推荐和无效推荐，这主要与推荐系统设 计的理论依据有关：人们有共同的兴趣 爱好且有闹谛睦恚挥泄餐 兴趣的用 户有共同的需求；过去的需求能反映用 户的喜好等。事实上，这些只是部分反 映了用户行为的真实性。因为用户浏览 购买本书可能出于各种目的和需求， 他们在网络书店留下的痕迹只记录了他 们的行为，并不能说明背后的真实原因， 人心幽微且变动不居，很多时候连用户 自己都不知道自己的诉求，加之目前推 荐技术本身的不完善以及网络书店数据 库的质量，以此作为用户的兴趣和喜好 进行推荐，难免造成错误推荐或无效推 -精选财经经济类资料- -最新财经经济资料-感谢阅读- 8 荐，降低用户满意度。 二是过度使用甚或操纵推荐系统。 三大网络书店将推荐系统当作营销工具， 不但页面充满了明显的“ 硬广 ”（从各页 面的单品推荐到搜索引擎的营销） ，而 且将其暗中植入看似个性化的推荐列表， 通过“软广”操纵用户的选择。关于推荐 系统能够影响用户对物品的判断，早在 2003 年，国外学者就给出了在协同过滤 推荐时用户评分行为中从众效应的实证 研究。如果我们多了解一些社会心理学 和认知心理学的知识，还能发现三大网 络书店“自动 ”推荐的看似 “客观”的书目 序表，有时其实是人工干预的结果。如 我们在三大网络书店的搜索引擎键入 “红楼梦”，按照当当默认的 “销量”“好评” “出版日期”等综合排序，当当出品的 红楼梦 （当当中小学教辅榜排名 90 位，五星，970 条评论，2016 年 1 月出 版）排在了第一位，而人民文学出版社 的红楼梦 （当当小说榜排名 47 位， 五星，86142 条评论，2013 年 1 月出版） -精选财经经济类资料- -最新财经经济资料-感谢阅读- 9 只排在了第三位；按照京东默认的“销 量”“评论数”“出版时间”等综合排序，作 家出版社出版的“ 四大名著 ”（套装） （中小学教辅销量榜第 11 位，累计评 价 7100+，2015 年 12 月出版）排在第 一位，人民文学出版社的红楼梦 （小说销量榜第 41 位，累计评价 8.7 万 +，2008 年 07 月出版）只排在了第三； 按照亚马逊（中国）默认的“相关度” ， 排位前三的是：红楼梦Kindle 电子 书（Kindle 商店免费商品排第 2 名，4.4 星，4160 条评论） 、北京联合出版社的 红楼梦 （图书商品排第 474 名，4.0 星，11 条评论）和红簟罚希 Kindle 电子书（Kindle 商店免费商品排 第 123 名，4.0 星，34 条评论） 。很显然， 上述推荐排序利用了社会心理学中的首 因效应，将自己主推的图书排在了首位， 对用户的购买决策施加潜移默化的影响： 用户通常通过图书所在的位置和推荐的 优先顺序感受其显著性，除非明显不符 合自己的需求，很少逐项浏览推荐序表， -精选财经经济类资料- -最新财经经济资料-感谢阅读- 10 更少分析和思考其背后的推荐机制。此 外，还暗中使用了认知心理学中的默认 效应，利用默认项（实际预设了选项）