个性化推荐系统对移动电子商务消费者购买决策的影响力及其应用策略

移动电子商务为消费者拓宽了对商品的选择空间,同时也诱发了信息过载、搜索负担过重等问题。为了缓解信息过载的压力,提升消费者的满意度,个性化推荐服务应运而生。主要以消费者购买决策为研究对象,分析了个性化推荐技术如何影响购买决策,并探析了个性化推荐系统在移动电子商务中的应用策略。     

基于用户偏好的多特征融合个性化图书推荐模型

随着图书馆图书数量的增加,读者无法快速获取自己所需资源。针对数字图书馆无法为用户提供准确个性的图书推荐服务的问题,通过分析个性化推荐技术,构建了一种基于用户偏好的个性化图书推荐模型,并进行了系统的研究。最后通过试实验验证其模型的有效性。     

个性化推荐系统的改进算法述评

推荐系统是复杂网络环境所产生的一种智能过滤冗余信息的方法,分析其相关研究进展从而为推荐系统的进一步研究及应用提供思路具有重要的参考意义。本文首先介绍了传统的个性化推荐算法及其应用,然后从混合推荐算法、动态推荐算法和其他推荐算法3方面总结了个性化推荐系统算法的进一步改进。同时指出基于大数据的个性化推荐系统是下一步的研究方向,也是提高推荐准确性的重要方法。     

消费者视角下的推荐系统研究

在网络购物环境下,推荐系统能帮助消费者更高效地找到合意商品,并促进网商提高销量,因此,它得到了广泛应用。现有研究主要关注推荐系统的算法优化,而较少探索推荐系统对消费者的营销效果。基于此,本文使用文献资料法,构建了一个概念模型,提出购物网站、推荐系统和推荐信息的特性影响推荐系统对消费者的营销效果。这些营销效果可综合长尾理论、基于信任的技术接受模型、更新的信息系统成功模型,以及信息系统持续使用模型来对其进行探索。产品特征、消费者心理特征和消费者对推荐系统的熟悉度,是推荐系统对消费者营销效果的调节变量。未来的研究可基于上述概念框架开展实证研究。     

我国B2C电子商务个性化商品推荐服务实证研究

优质的个性化推荐系统带来了巨大的经济价值和社会价值的同时,也能提高B2C电子商务在当今激烈的市场竞争环境下的存活能力。在简要介绍电子商务个性化推荐系统模型的基础上,详细分析比较了亚马逊、当当网、天猫三家B2C电子商务个性化商品推荐服务,最后对B2C电子商务推荐系统的进一步发展方向进行了展望。     

基于顾客交易数据的电子商务推荐方法研究

文章首先简要介绍了电子商务个性化推荐系统的概念、分类及作用,并综述了几种主要的协同过滤推荐技术;然后针对当前推荐系统的缺点提出了基于顾客交易数据的协同过滤推荐方法;最后简单评述了电子商务个性化推荐领域所面临的挑战及需解决的问题。     

吉利数字偏好与尾数定价

持有吉利数字偏好的消费者,在首次购买决策以及再次购买决策等消费者行为方面深受尾数定价的影响。吉利尾数偏好会使消费者倾向于购买使其产生积极联想的吉利尾数定价的商品而放弃购买使其产生消极联想的不吉利尾数定价的商品,同时对吉利尾数定价商品产生高的期望。但是,这也有可能会降低消费者的满意度。当然,由于偶然强化与间歇强化影响的存在,这种购买可能性的提高在产品质量稳定的前提下,将能得到进一步的加强并向其他产品扩散。     

基于相关物品的电子商务智能推荐系统研究

以大数据时代为背景,改变传统推荐系统的设计思路,给出一个"相关物品"智能推荐系统体系结构。将用户即时购买需求和历史偏好相结合,提出一种改进的基于粗糙集的属性约简算法,用于数据预处理阶段提取用户实时需求商品类的特征,在线分析阶段采用引入兴趣域的聚类算法挖掘用户实时关注商品的相似商品集,离线用协同过滤推荐挖掘相关商品集,将在线部分与离线部分的相关商品集融合,按照点击率预估对集合进行排序,形成推荐,以解决推荐系统在实时性、扩展性、智能性和实时性与精准平衡性方面存在的问题。     

探讨网络营销的推荐系统及检索系统

互联网使网上销售产品的种类和规模大幅度增长,利用相关的信息检索技术,大大降低了顾客的搜索成本。信息检索系统不仅增加了顾客的消费剩余,而且商品供应也可根据商品的市场状态。推荐系统利用从顾客的行为中分析出的知识和商品的自身特点来指导顾客选择最适合自己需要的商品,为网上销售产品的企业实现增值。因此,创建一个好的推荐系统和一个个性化的信息检索系统可以增强网络销售竞争力。     

基于个性化导购的商品智能动态推荐系统

为了节省顾客商品选购时间,帮助顾客从海量商品中快速找寻意购物品,本文尝试将关联规则与个性化导购相结合,引入FP-tree关联规则算法,利用商品推荐公式中的关联度,同时综合利用商家利益最大化、热销商品等因素,建立商品推荐综合评分公式。基于综合评分值对待推荐商品进行动态排序,并将排序结果推送给客户,实现个性化商品智能动态推荐服务。     

C2C网络购物偏好影响因素实证分析

随着网民数量的规模性增长与国民经济的稳步提升,以B2B和网购为主要代表的电子商务产业为我国的国内生产总值作出了可观贡献。探索在C2C网店购物中的消费者偏好是衡量影响网购过程的主要方式。商品的可信度、商家的信用依赖度以及商品的辅助信息是决定C2C过程中消费者偏好的重要影响因素。     

基于局部SVD++的服装推荐算法研究

随着社会的飞速发展,生活节奏不断加快,消费者逐渐开始注重购买服装的效率,对个性化服装的需求也在不断增加。所以,个性化服装推荐系统对于消费者和商家来说都尤为重要。本文利用皮尔森相关系数和矩阵分解的有关理论,在K-NN(k-Nearest Neighbor)算法和SVD(Singular Value Decomposition)算法的基础上构建基于局部SVD++的服装推荐算法。     

“信息茧房”效应下消费者对个性化推送的采纳意愿研究:心理抗拒视角

信息个性化推送一方面能提高消费者的信息检索效率,另一方面其形成的"信息茧房"效应又使得信息窄化,从而阻碍了消费者查找信息,使得消费者对其的采纳意愿变得更加复杂。因此,分析消费者对信息个性化推送的采纳意愿形成过程,具有重要意义。以心理抗拒理论为基础,构建消费者对信息个性化推送的采纳意愿结构方程模型,验证信息、情境和消费者三个因素对消费者心理抗拒和采纳意愿的影响。研究表明,信息个性化特征能减弱消费者的强迫性感受和操纵意图推断,信息窄化和消费者的负面经验能显著引起消费者对个性化推荐信息的强迫性感受、操纵意图推断和感知目标障碍。强迫性感受、操纵意图推断和感知目标障碍显著阻碍了消费者对信息的个性化推送服务的采纳意愿。     

消费者品牌偏好研究

一、消费者品牌偏好的影响因素 消费者往往在购买商品时都会评价产品的价值结构,根据其自身认为重要的价值因素如产品的质量、价格、服务、品牌形象等因素进行评估,然后选择较高价值的产品,经过重复购买和评估后,当消费者发现某一品牌在总体价值上优于其他品牌时,消费者就会对该品牌产生的偏好.     

自营与联营混合模式下网上商城的产品定价与佣金决策

本文针对自营类网上商城开放第三方平台吸引联营商家后,自营商品同联营商品的直接竞争,考虑消费者的选择偏好构建模型研究了网上商城和联营商家的产品如何定价,以及如何确定联营商家的佣金比例才能保证双方均有利可图。结果表明:①当联营产品的成本满足网上商城自营产品的成本和消费者的选择偏好确定的上、下限约束,双方存在各自产品均可获利的佣金比例取值区间;②随着消费者对联营产品的选择偏好程度降低,要求联营产品的成本低于自营产品的差距越明显,使网上商城总利润和联营商家的利润增加,但自营商品的利润降低;③消费者对联营产品的选择偏好同自营产品越接近,则双方能够合作的空间越小,联营不具有明显的利润优势。     

基于文献计量的个性化推荐研究进展分析

个性化推荐有效缓解了大数据时代"数据爆炸"的现象,通过事先了解用户的潜在兴趣偏好,有针对性的提供符合用户实际需求的信息,从而提高用户的使用效率。本文通过文献计量的方法对2008年到2018年之间的有关个性化推荐的相关文献进行统计分析,分别从时间分布、期刊分布、关键词共现分析以及关键词聚类分析几个部分展开研究,以发现个性化推荐领域的主要研究热点问题与发展趋势,进而探讨未来研究的走向,为个性化推荐的发展提供依据。     

消协的职能

消费者协会和其他消费者组织是依法成立的对商品和服务进行社会监督的保护消费者合法权益的社会团体.我国消费者权益保护法规定,消费者组织不得从事商品经营和营利性服务,不得以牟利为目的向社会推荐商品和服务.     

行销实地战

要做成生意,搞活营销,有许多规律是可以遵循的,这里向您推荐一些企业家的经验之谈,您不妨一试── （一） 人性律 “人性律”要求企业提供给顾客的商品或服务要简练、便捷、安全、舒适让消费者在没有压力、负担和恐惧的情况下,满意地使用商品或享受服务。在商品的设计开发方面应向“个人化”、“个性化”的方向发展。简言之,能令消费者满意的商品或服务,是符合人性律的。美国微软公司的Ｗｉｎｄｏｗｓ操作系统是一个鲜明的符合人性律的例子。它使电脑具备了“亲和性”和“人性化”的界面,让使用者很轻松地完成文字编辑、排版、图表…     

基于项目聚类和评分预测的协同过滤推荐算法研究

协同过滤算法是目前个性化推荐系统中应用最成功的推荐算法之一。目前协同过滤构建的用户-项目矩阵,一般是按用户对所有项目的评分构建,却没有考虑项目之间的分类情况,导致寻找的邻居集合可能不是最近邻居集合。针对此问题,本文提出基于项目聚类和评分预测的协同过滤推荐算法,该算法首先按商品聚类,将大矩阵按聚类的商品来进行子矩阵的计算,在子矩阵里进行兴趣度的测量,最后将在所有区域相似用户的推荐项目合并,成为该用户的最后推荐结果。实验证明新算法能够提高协同过滤推荐系统的推荐质量。     

个性化推荐系统综述

随着信息时代的不断发展,信息过载是目前互联网用户面临的一个严重问题,个性化推荐系统就是解决这一问题的重要工具。为了解国内对个性化推荐领域的研究现状与发展趋势,通过对相关文献进行收集处理并借用VOSviewer、Excel对发文量、发文期刊、发文作者、关键词进行现状分析,同时对个性化推荐系统的关键技术用户兴趣模型和推荐算法进行阐述介绍。最后指出了未来个性化推荐系统的挑战与研究重点。