电子商务ppt课件

1、电子商务引荐电子商务引荐 电子商务的迅速开展导致网络商电子商务的迅速开展导致网络商务信息爆炸，这带来的第一个问题就务信息爆炸，这带来的第一个问题就是商务信息的过载是商务信息的过载(超载超载)，使得用户，使得用户很难方便地找到本人需求的商品信息。很难方便地找到本人需求的商品信息。这将影响消费者购物的心境和志愿。这将影响消费者购物的心境和志愿。如何处理这个问题，将消费者留住，如何处理这个问题，将消费者留住，加强网站的吸引力，添加网站的销售加强网站的吸引力，添加网站的销售量。对于电子商务网站的生存和开展量。对于电子商务网站的生存和开展是至关重要的。为处理这个问题，电是至关重要的。为处理这个问题，电子

2、商务引荐技术应运而生。子商务引荐技术应运而生。电子商务引荐系统电子商务引荐系统 电子商务引荐系统电子商务引荐系统(Recommendation system)在识别消费者消费偏好的根底上模拟超市的导购在识别消费者消费偏好的根底上模拟超市的导购人员向消费者提供信息和建议，协助消费者快速人员向消费者提供信息和建议，协助消费者快速准确地找到本人需求的商品，防止信息过载给消准确地找到本人需求的商品，防止信息过载给消费者带来的烦恼。引荐系统利用统计学、人工智费者带来的烦恼。引荐系统利用统计学、人工智能、数据发掘等技术，分析消费者在电子商务网能、数据发掘等技术，分析消费者在电子商务网站的访问行为，向消费者

3、引荐他能够感兴趣的商站的访问行为，向消费者引荐他能够感兴趣的商品信息，诱导顾客的购买行为，为网站发明利润。品信息，诱导顾客的购买行为，为网站发明利润。引荐信息的准确性是引荐系统成败的关键要素。引荐信息的准确性是引荐系统成败的关键要素。引荐系统的作用引荐系统的作用 添加网站访问量，提升销售额。添加网站访问量，提升销售额。 添加单个商品被访问的时机。添加单个商品被访问的时机。 添加顾客在网站的停留时间，阅读更多商品。添加顾客在网站的停留时间，阅读更多商品。 协助顾客发现感兴趣的商品，提升购物体验。协助顾客发现感兴趣的商品，提升购物体验。 将电子商务网站的阅读者转化为购买者。将电子商务网站的阅读者转

4、化为购买者。 提高网站的交叉销售才干。提高网站的交叉销售才干。 提高客户对电子商务网站的忠实度。提高客户对电子商务网站的忠实度。引荐系统的表现方式引荐系统的表现方式搜索呼应：客户提出对特定产品的查询搜索呼应：客户提出对特定产品的查询要求，引荐系统根据要求前往高质量的要求，引荐系统根据要求前往高质量的引荐。引荐。Similar Item(类似产品引荐类似产品引荐): 引荐系统根引荐系统根据客户购买过或者选择的商品，引荐能据客户购买过或者选择的商品，引荐能够感兴趣的商品。够感兴趣的商品。: 引荐系统经过电子邮件的方式向客户客引荐系统经过电子邮件的方式向客户客户提供能够感兴趣的产品信息。户提供能够感

5、兴趣的产品信息。引荐的内容引荐的内容 Text Comments: 向客户提供其他客户对某向客户提供其他客户对某个产品的评价。个产品的评价。 Average Rating: 向客户提供其他客户对产向客户提供其他客户对产品的等级评价。品的等级评价。 Top-N: 按照销量对商品进展排名，将热度按照销量对商品进展排名，将热度最高的产品列出，诱导消费者购买。最高的产品列出，诱导消费者购买。 Ordered search results: 搜索排序：列出一搜索排序：列出一切的搜索结果，按照客户的兴趣排序。切的搜索结果，按照客户的兴趣排序。引荐的根据引荐的根据 客户的阅读行为客户的阅读行为(有显式和隐式

6、行为有显式和隐式行为)。 关键词和工程搜索行为。关键词和工程搜索行为。 消费者在本网站购买商品的历史记录。消费者在本网站购买商品的历史记录。 其他用户对产品的评价。其他用户对产品的评价。 其他购买者的购买记录。其他购买者的购买记录。 购买者的平分记录。购买者的平分记录。 产品之间的关联度数据。产品之间的关联度数据。 产品的属性产品的属性引荐方式引荐方式 建议建议Suggestion(single item suggestion, unordered list suggestion, ordered list suggestion)。 个体评分个体评分(individual rating): 其

7、他客户对给定其他客户对给定商品的个体评分。商品的个体评分。 评论评论(Review): 其他客户对产品的文本评价。其他客户对产品的文本评价。 预言预言Prediction：系统对已有的评分进展的统：系统对已有的评分进展的统计分析。计分析。引荐系统构建技术引荐系统构建技术(1) 基于内容的过滤基于内容的过滤(Content-based filtering)：该：该技术经过比较商品之间的类似性或者相关性进技术经过比较商品之间的类似性或者相关性进展引荐。这种方式忽略用户的购买行为，只思展引荐。这种方式忽略用户的购买行为，只思索商品之间的类似关系。其优点是简单、有效。索商品之间的类似关系。其优点是简单

8、、有效。商品之间类似性的建模和类似度计算可以提早商品之间类似性的建模和类似度计算可以提早进展，因此引荐呼应时间快。其缺陷是不能区进展，因此引荐呼应时间快。其缺陷是不能区分产品信息的质量和风格，无法为用户开掘出分产品信息的质量和风格，无法为用户开掘出新的感兴趣的商品。只能发现和用户感兴趣商新的感兴趣的商品。只能发现和用户感兴趣商品类似的商品。品类似的商品。引荐系统构建技术引荐系统构建技术(2) 协同过滤协同过滤(collaborative filtering): 根据本客户根据本客户感兴趣的商品引荐相关产品或者根据其他已购感兴趣的商品引荐相关产品或者根据其他已购买商品的客户的产品的关联性引荐相关

9、的产品。买商品的客户的产品的关联性引荐相关的产品。这种技术不分析产品之间的类似性，只利用目这种技术不分析产品之间的类似性，只利用目的用户和历史用户购买行为的类似性。其优点的用户和历史用户购买行为的类似性。其优点是由于不思索产品类似性，任何产品都可以引是由于不思索产品类似性，任何产品都可以引荐，能为用户发现新的感兴趣的商品。其缺陷荐，能为用户发现新的感兴趣的商品。其缺陷是产品能够非常分散，用户的评价能够很少。是产品能够非常分散，用户的评价能够很少。因此系统性能越来越差。因此系统性能越来越差。引荐系统构建技术引荐系统构建技术(3) 混合型：综合利用基于内容的过滤和协同过滤混合型：综合利用基于内容的

10、过滤和协同过滤技术为客户引荐能够感兴趣的产品。混合引荐技术为客户引荐能够感兴趣的产品。混合引荐技术具有前述两种引荐技术的优点，防止了两技术具有前述两种引荐技术的优点，防止了两种技术的缺陷。为了做到这一点需求思索过滤种技术的缺陷。为了做到这一点需求思索过滤的战略，是先采用基于内容的过滤，还是先采的战略，是先采用基于内容的过滤，还是先采用协同过滤是很有讲究的，这需求根据详细情用协同过滤是很有讲究的，这需求根据详细情况灵敏运用。况灵敏运用。引荐技术根底引荐技术根底 数据发掘各种算法：所谓数据发掘是指从数据数据发掘各种算法：所谓数据发掘是指从数据库的大量数据中提示出隐含的、先前未知的并库的大量数据中提

11、示出隐含的、先前未知的并有潜在价值的信息的非平凡过程有潜在价值的信息的非平凡过程(baike./view/7893.htm)。数据发掘主要可以完。数据发掘主要可以完成下面几种义务成下面几种义务:分类分类(决策树决策树ID3、贝叶斯、后、贝叶斯、后向传播、神经网络、向传播、神经网络、K-means, K-nearest)、聚、聚类、预测、相关性类、预测、相关性(关联性关联性)分析、描画可视化分析、描画可视化等，这些都是引荐技术的根底。更深化的内容等，这些都是引荐技术的根底。更深化的内容参看参看。 统计方法：统计分析的方法是数据发掘的实际统计方法：统计分析的方法是数据发掘的实际根底也是引荐技术的直

12、接实际根底。根底也是引荐技术的直接实际根底。引荐技术的研讨引荐技术的研讨改良现有的引荐系统，使其更加准确。改良现有的引荐系统，使其更加准确。充分运用充分运用Web发掘技术和发掘技术和AI技术，产生技术，产生全自动化、个性化的引荐。全自动化、个性化的引荐。将引荐系统转化为市场分析的工具。将引荐系统转化为市场分析的工具。开发为卖方提供效力的引荐系统，为商开发为卖方提供效力的引荐系统，为商品消费、销售提供引荐建议。品消费、销售提供引荐建议。电子商务引荐参考文献电子商务引荐参考文献 参考期刊：参考期刊： 参考文献：参考文献： 1 J. B. SCHAFER, J. A. KONSTAN, J. RIEDL. E-Commerce Recommendation Applications. Data Mining and Knowledge Discovery, 5, 115153, 2019. 2 B. Sarwar, G. Karypis, J. Konstan et al. Analysis of recommendation algorithms for e-commerce. P