个性化推荐系统在当当网中的运用分析

1、目录一、摘要二、当当网概述1）当当网简介三、个性化推荐系统营销理论综述及原因1）个性化推荐系统营销概念及分类a基于内容的推荐系统b协同过滤推荐系统c混合推荐系统2）个性化推荐系统的发展历程3）当当网使用个性化推荐系统的原因四、个性化推荐系统的结构及在当当网运用中的具体表现1）个性化推荐系统在电子商务网站中的结构a输入功能模块b推荐引擎模块c输出功能模块2）个性化推荐系统在当当网中的具体运用a商品信息页面b购物车、收藏夹c Email邮件d独立的个性化页面3）个性化推荐系统在当当网中的新运用4）个性化推荐系统在当当网未来的发展趋势五、个性化推荐系统在当当网运用中的特点1）“当当推荐”系统功能分析

2、及推荐效果评价a当当推荐系统功能b推荐效果评价2）当当网特性化推荐2.0六、个性化推荐系统在当当网运用中的不足与风险1）个性化推荐系统在当当网运用中的不足2）当当网个性化推荐运用中的风险3）在个性化推荐上当当网和亚马逊的对比分析七、通过当当网浅谈个性化推荐系统对电子商务发展的影响1）电子商务新时代的到来2）由推网的兴起八、结语与建议九、注解与参考文献个性化推荐系统在当当网中的运用分析摘要：在完善用户购物体验方面，当当网还针对用户需求推出了“为你推荐”功能，通 过对顾客历史数据的分析，根据不同顾客的购物习惯向他们推荐针对其个人的商品。这样的 定制推荐把用户从海量的商品信息中解放出来，极大的减少了

3、用户的时间成本，通过强大的 系统分析，实际上做到了顾客给自己推荐商品，成为自己的顾问。一个好的个性化推荐就好 像网站里的智能导购员一样，只不过它是隐形的，对于购物者来说，它是无处不在的。它能 将隐形而无处不在的特性发挥到极致，让购物者不讨厌它，也时刻能使用到它，最终，它能 够为网站创造更多的销量。关键词：个性化推荐；当当网；应用；电子商务；信息超载。Personalized recommendation system in dangdangnetwork analysis of the applicationAbstract:To improve the user shopping exper

4、ience,dangdang also according to user needs introduced a recommend function,through the analysis of the historical data of customers,according to different customers shopping habits to their recommended according to the personal goods.This custom recommend the user from mass of commodity information

5、 liberate, greatly reduce the users time cost, through the powerful system analysis, in fact do the customer to recommend commodities, to become their own advisers. A good personalized recommend like website intelligent shopping guide，only it is invisible, for shoppers for, it is everywhere. It can

6、store and the ubiquity of characteristics to acme, let shoppers dont hate it, time can be used to it, eventually, it can create more sales for the web site:Key words Personalized recommendation ; dangdang; apply ; electronic commerce；information overload一、当当网概述（一）当当网简介当当网（）是全球最大的综合性中文网上购物商城，由国内著名出 版

7、机构科文公司、美国老虎基金、美国IDG集团、卢森堡剑桥集团、亚洲创业投资基金（原 名软银中国创业基金）共同投资成立。从1999年11月当当网（）正式开通至今，当当已从早期的网上卖书 拓展到网上卖各品类百货，包括图书音像、美妆、家居、母婴、服装和3C数码等几十个大 类，其中在库图书、音像商品超过80万种，百货50余万种；目前当当网的注册用户遍及全 国32个省、市、自治区和直辖市，每天有450万独立UV，每天要发出20多万个包裹；物 流方面，当当在全国11个城市设有21个仓库，共37万多平，并在21个城市提供当日达服 务，在158个城市提供次日达服务，在11个城市提供夜间递服务。除图书以外，母婴、

8、美妆、服装、家居家纺是当当着力发展的四大目标品类，其中当当 婴童已经是中国最大线上商店，美妆则是中国排名前五的线上店。当当还在大力发展自有品 牌当当优品。在业态从网上百货商场拓展到网上购物中心的同时，当当也在大力开放平台， 目前当当平台平台商店数量已超过1.4万家，2012年Q3并新增2000家入驻商家，同时当 当还积极的走出去，在腾讯、天猫等平台开设旗舰店。当当网于美国时间2010年12月8日在纽约证券交易所正式挂牌上市，成为中国第一家 完全基于线上业务、在美国上市的B2C网上商城。自路演阶段，当当网就以广阔的发展前 景而受到大批基金和股票投资人的追捧，上市当天股价即上涨86%，并以103倍

9、的高PE和 3亿1千3百万美金的IPO融资额，连创中国公司境外上市市盈率和亚太区2010年高科技 公司融资额度两项历史新高。二、个性化推荐系统营销理论综述及原因（一）个性化推荐系统营销概念及分类个性化推荐系统是建立在海量数据挖掘基础上的一种智能平台，可以模拟商店销售人员 向顾客提供商品信息和建议，为顾客购物提供完全个性化的决策支持和信息服务，它的目标 是既满足用户意识到的需求，也能满足用户没有意识到的需求，或意识到，但没有表达出来 的需求，让用户超越个体的视野，避免只见树木不见森林。好的推荐系统可以大大提高用户 的忠诚度，并为电子商务带来了巨大的利益。根据算法不同，推荐系统可以分为：基于内容的

10、推荐系统内容过滤主要采用自然语言处理、人工智能、概率统计和机器学习等技术进行过滤通过相关特征的属性来定义项目或对象,系统基于用户评价对象的特征学习用户的兴趣， 依据用户资料与待预测项目的匹配程度进行推荐，努力向客户推荐与其以前喜欢的产品相似 的产品。简单来说就是和之前购买的产品是同类性质的，如都为C语言教材，或为同一位大师 所著。优点：简单，有效。缺点：提取特征值有限，只能基于文本内容分析，如遇见音乐电影就没办法了。就要用 到上面提到的协同过滤方法。协同过滤推荐系统协同过滤式基于用户的评分计算相似度，所以不用分辨对象的属性也能处理各种复杂的 对象。协同过滤算法就如同在实际生活中，遇到不熟悉的人

11、事物，每个人都会先想到咨询身 边熟悉的朋友，得到他们的判断和看法后，再做出自己的选择。打个比方，我们可以根据用 户A的评分和评论等，在他的友邻中找出品位相似度最高的用户B、C、D，再根据B、C、 D的兴趣或偏好项目集，计算出A对项目的预测评分，推荐高分项目给A，再将预测值与 A的实际评分做出比较。协同过滤技术成熟且出现时间长，但它存在许多问题。其中最严峻的是数据稀疏性问题， 在实际中，用户并不会积极提供评分，即便是常年经营的电子商务网站用户评分和购买的商 品也只占总商品数量的1%以下，这种极端的稀疏性使得相似性计算耗费巨大，因此难以成 功定位邻居用户集，产生的推荐结果也将不理想。像Netfli

12、x、Amazon的推荐系统尚且依赖 于多年积累的超大物品和用户的集体行为数据库，所以对处于成长中的企业不利。协同过滤 又可以细分为：基于使用者（User-based）的协同过滤基于物品（Item-based）的协同过滤基于模型（Model- based）的协同过滤优点：1）对推荐对象没有特殊的要求，能处理音乐，电影等机器难以自动内容分析的 资讯。2）可以推荐新的资讯。即可能是使用者事先预料不到的。3）自动化程度高，能够有效地利用其它相似者的回馈资讯。缺点：1）新的用户进来时推荐的品质较差。混合推荐系统由于协同过滤和基于内容的推荐系统都有各自不足，所以将两者结合的混合推荐、神经 网络推荐等算法被

13、提了出来。一种借助遗传学思想的基于基因的推荐系统出现了。最早的潘 多拉推荐系统就应用了这样的思维，将音乐分解成基本的基因片段，利用音乐片段之间的相 似性做一个音乐推荐系统。这样电台今天已经随处可见，豆瓣网、人人网都有。它可以不需 要知道用户的口味，因为它有自己的音乐DNA数据库，它可以在不知道用户喜欢什么的情况下，通过用户几次选 择喜欢或不喜欢来了解用户的口味，用户只要选出一个艺人，或者一首歌，就可以建立一个 始终播放类似音乐的电台，并且它还能为用户推荐其他类型的音乐，扩展兴趣面、转变用户 的口味。依靠用户注释标签的方式，这种基于基因思想的推荐方法已经被广泛用在书籍、电 影、音乐等其他推荐领域

14、。在豆瓣、淘宝，你都可以组建一系列自己的商品标签，也可以使 用固定标签，通过组合你想要的标签，可以得到更个性化的、灵活的项目的推荐排名。经过 一段时间的使用后，足够的标签就变为了项目的“基因”。（二）个性化推荐系统的发展历程1995年3月，卡耐基.梅隆大学的Robert Armstrong等人在美国人工智能协会上提 出了个性化导航系统 Web Watcher;斯坦福大学的Marko Balabanovic等人在同一会议 上推出了个性化推荐系统LIRA；1995年8月麻省理工学院的Henry Lieberman在国际人工智能联合大会（IJCAI） 上提出了个性化导航智能体Litizia ；199

15、6年，雅虎推出了个性化入口 My Yahoo；1997 年, AT&T实验室提出了基于协同过滤的个性化推荐系统 PHOAKS和Referral Web;1999年，德国Dresden技术大学的Tanja Joerding实现了个性化电子商务原型系统 TELLIM ；2000年，NEC研究院的Kurt等人为搜素引擎增加了个性化推荐功能；2001 年，纽约大学的 Gediminas Adoavicius 和 Alexander Tuzhilin 实现了个性化电子商务网站的用户建模系统1： 1Pro ；2001年，IBM公司在其电子商务平台 Websphere中增加了个性化功能，以便商家 开发个性化

16、电子商务网站；2003年，Google开创了 AdWards盈利模式，通过用户搜索的关键词来提供相关的 广告。AdWords的点击率很高，是Google广告收入的主要来源。2007年3月开始， Google为AdWords添加了个性化元素。不仅仅关注单次搜索的关键词，而是对用户近 期的搜索历史进行记录和分析，据此了解用户的喜好和需求，更为精确地呈现相关的 广告内容。2007年，雅虎推出了 SmartAds广告方案。雅虎掌握了海量的用户信息，如用户的 性别、年龄、收入水平、地理位置以及生活方式等，再加上对用户搜索、浏览行为的 记录，使得雅虎可以为用户呈现个性化的横幅广告。2009年，Overst

17、ock （美国著名的网上零售商）开始运用 ChoiceStream公司制作的 个性化横幅广告方案，在一些高流量的网站上投放产品广告。Overstock在运行这项个 性化横幅广告的初期就取得了惊人的成果，公司称：“广告的点击率是以前的两倍，伴 随而来的销售增长也高达20%至30%。”2009年7月，国内首个个性化推荐系统科研团队北京百分点信息科技有限公司成 立，该团队专注于个性化推荐、推荐引擎技术与解决方案，在其个性化推荐引擎技术 与数据平台上汇集了国内外百余家知名电子商务网站与资讯类网站，并通过这些B2C网站每天为数以千万计的消费者提供实时智能的商品推荐。2011年8月，纽约大学个性化推荐系统

18、团队在杭州成立载言网络科技有限公司， 在传统协同滤波推荐引擎基础上加入用户社交信息和用户的隐性反馈信息，包括网页 停留时间、产品页浏览次数，鼠标滑动，链接点击等行为，辅助推荐，提出了迄今为 止最为精准的基2于社交网络的推荐算法。团队目前专注于电商领域个性化推荐服务以 及商品推荐服务社区 e推荐。2011年9月，百度世界大会2011上，李彦宏将推荐 引擎与云计算、搜索引擎并列为未来互联网重要战略规划以及发展方向。百度新首页 将逐步实现个性化，智能地推荐出用户喜欢的网站和经常使用的APP。当当网在2006年开始研究推荐算法，2007年首开国内B2C电商行业之先河，推 出个性化推荐产品。当当的个性化

19、推荐系统，几年来从没停止过探索的脚步，2011年结合hadoop、mongod、storm等大数据计算能力，2012年配合公司级战略发展需要， 再次在个性化营销方面发力。（三）当当网使用个性化推荐系统的原因互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求， 但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从 中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了，这就是所谓的信息超 载（information overload）问题。信息超载是目前网络用户面临的一个严重问题，个性化推 荐系统是解决该问题的一个有力工具，并受到了众多的

20、关注和研究。当当网恰时的选择和升 级个性化推荐系统是顺应潮流的。个性化推荐系统，它是根据用户的信息需求、兴趣等，将 用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。和搜索引擎相比推荐系统通 过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自 己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务，还能和用户之间建立密 切关系，让用户对推荐产生依赖。个性化推荐系统现已广泛应用于很多领域，它在当当网中 的运用就很好的代表着在电子商务领域具有良好的发展和应用前景。三、个性化推荐系统的结构及在当当网运用中的具体表现（一）个性化推荐系统在电子商务网站中的结构我们

21、主要研究个性化推荐系统在电子商务中的运用，尤其是在当当网中的具体运用，所 以在这里主要讨论电子商务推荐系统的结构。从总体的层次结构看，电子商务推荐系统可以 分为三大部分：输入功能模块、推荐引擎模块与输出功能模块。输入功能模块，包含客户个人和社团群体两部分。客户个人输入指的是来自目标用户 的信息，包括其隐式浏览输入、显式浏览输入、关键词和项目属性输入以及用户购买历史等； 社团群体输入指的是数据库中其他客户的浏览行为、购买行为、以及评分等数据输入。推荐引擎模块，它是推荐系统的最核心部分，采用的推荐技术决定着推荐系统的性能 优劣。在实际应用中，电子商务推荐系统一般采用多种推荐技术的组合，尽量利用各种

22、推 荐技术的优点而避免其缺点，提高推荐系统的性能和推荐质量。输出功能模块，它是推荐系统获得输入信息后推荐给用户的内容，主要形式有：（1）浏览过该商品的客户最可能还会浏览的Top-N件商品；（2）购买过该商品的客户最可能还会购买的Top-N件商品。（二）个性化推荐系统在当当网中的具体运用：当当网站上有专门栏目“猜你喜欢”，点击进入，再分为“您可能感兴趣的商品”“和您兴 趣相似的顾客还关注”；在已购商品页面，有推荐“根据您购买的商品，当当猜您会喜欢”。 从产品角度，个性化推荐已经渗透到当当购物流程的各个环节：购物前、购物中、购物后。1）商品信息页面买了的顾客也买了，看了的顾客也看了以上是基于一定时

23、间段内的订单和访问日志数据推荐购买组合一一基于 同一张订单的数据。鬲I .厘* 京口 的而览不苦补平凡的世界（茅盾文学奖皇冠上的明珠激励千万青年的不朽经典）平凡的世界普密本？19.29谁的青春不迷茫亩斗小青年刘同24.50不能承受的生亩之轻，：百万纪念版20.90别相信任何人（一举攻占3T国小说20.00正能里（排除负.面 情绪、传递正向18.50当当倩.：58.00定价：折呻折扣：了顾客旅分责已有3陞谖至：湖北武汉市洪山百队改国作 者：路遥著出版社：北京十月文艺出版社 出版时间: ZCI1 避矛1I 痴 炭：平凡的世界（茅盾文学奖皇冠上 朽经典）印 次：1f 因为痛，腕灿青 春（鼬碱千16.

24、50我要买；1 件2）购物车、收藏夹会根据用户当前选中的商品进行实时计算、推荐商品。戏路遥全集平凡的世界，（精装全三册）商家：当当网收篇人气：4227板遍褊成矗板*标签：添加富柏冬季新款男士可脱卸帽短款法国北部精端羽期斜套祺色，170/88 （:商家：Fuba装专营店收藏人气：3收蹴此商品的人还直欢标签：添加富柏冬季新款男士可脱卸帽短款法国北部精端羽绒服外套一军绿色，1TW日商家:Fuba装专营店收藏人气：5收蠹此商品的人还1标签：添加你往何处去第贝尔文学奖得主显克维奇经典代表作: 基督教兴起与罗马帝国衰落的史诗。独家附噌精35.30 折移.X清空购物车商品金额总计：总计（不含运费）：收藏的商

25、品购买以上商品的顾客还买过但为了避免用户取消订单去选择别的商品，通常是在用户收到商品之后再推荐的。坳漏清空QQfW 其他邮箱漂流瓶fi贺卡明信片日历记事本附件夹/件中转站鼬控间（269+8）为您迭择的帽销商品当当优品匚电D - 掀CZlHLdn kL4）独立的个性化页面集合所有数据源的推荐大全，但目前该产品数据表现不好，计划与购物流程更 深度结合。您关注的分类您可能感兴趣的商品当当自营生活良品红石榴 鲜活营养. . .34.50 39.90 030条评论）时尚美妆社会科学自燃料学考试小说文学全部n小调查七012考研数学（数学一）历年真题精解汇编/2011年3月印刷（免费赠送考研教育网网络课程卡

26、11访）修*薯数学轻巧手册譬二.15迎5rHrtff您对当当的个性化推荐有哪 些建议？（不超过500$）19.50 Y 26.00 （36条评论）25.20 Y 38.80* （13条评论）7.20（35条评论）当当网也有对人的推荐，即挖掘潜在与之兴趣相投的人群，便于follow其最近的购物 行为，扩展推荐。当当网经验表明，个性化推荐技术是电子商务网站（特别是大型电子商务）的重要手段。 粗略估算，个性化推荐对销售贡献10%15%是没有任何问题的；以上有几个最重要的应用： 商品信息页面上的买了 *也买了；商品信息页面上的打包购买推荐；购物车推荐。当当网的这些个性化推荐在电子商务应用中并不少见，至

27、少它的竞争对手卓越网也在这 上面下了不少功夫。总的说来，知名电子商务智能应用平台服务专家、香港海洋科技 （）认为，个性化推荐在网店里是必不可少的环节，在此环节不仅涉及到网 站可用性、用户体验，更关系着商机是否有一个科学的自我推荐系统，推荐联系着商家与网 购者，网购者期待一种更为全面、客观的推荐数据，而商家可在这些数据中做一些平衡。在推出个性化推荐功能整整三年之后，当当网日前对该系统进行了整体升级，升级后的 “个性化推荐2.0”增添了更为灵活多样的交互方式和用户定制功能，可以根据当当网用户 的购买、暂存架、书架、浏览历史以及相似用户购买行为等信息，为用户进行更为精准和全 方位的一对一、定制式商品

28、推荐。凭借多层面算法及数据源的融合，当当网“个性化推荐2.0”实现了基于海量用户行为 的数据挖掘，并由此实现了真正意义上的精准推荐。不仅对用户暂存商品、书架、购买数据、 相似用户购买数据进行分析，还创新性地对相似用户的评论及书架数据，用户自助定制的喜 好商品分类以及轻松有趣的喜好大探底游戏进行数据整合，最大程度挖掘潜在需求，提升推 荐准确率，从而使用户的购买和选择更为轻松便利。用户可以随时修正自己的喜好，系统会 立刻自动为用户计算并重新推荐商品。个性化推荐系统还可以根据用户喜好为用户进行畅销 书和新书的个性化榜单推荐，根据浏览历史推荐百货及图书等商品，并为你找到志趣相投的 朋友，用户越活跃，推

29、荐就越准确。为了使用户更更高效、更轻松地获得准确的系统推荐，当当网“个性化推荐2.0 ”特别 设计了 “喜好大探底” FLASH游戏，用户只需要简单勾选自己的性别、年龄区间、职业和 几本感兴趣的图书，系统就会自动运用相关算法，给出为用户量身打造的个性化推荐。除个性化推荐之外，“推荐”已经渗透到当当网购物流程的各个环节，如搜索页、单品 页、“我的当当”页面、购物车、暂存架、个性化邮件等。例如，打开当当网的任一单品页， 都可以看到该商品的“最佳拍档”，用户往往可以从中发现自己感兴趣的其他商品。就如同 沃尔玛经过对顾客购物行为进行分析后，把啤酒摆在纸尿布的旁边，从而大大增加了销量， 当当网的后台统计

30、数据显示，“最佳拍档”购买点击占单品页总购买点击的15%左右。此次改版当当网为消费者带来了诸多带有服务理念的导购模块。其中最具新意的当属 “靠谱内容”模块，它会即根据不同用户的属性提供不一样的内容展示，新用户可以在新客 购入中发现大家热追的商品，老用户能够在“猜你喜欢”中找到贴心的推荐内容。2011年7月27日，全新改版后的当当网首页在众多用户期待的目光中华丽亮相。此 次改版主要是为了满足消费者日趋个性化消费习惯和个人偏好，为客户带来更贴心的用户体 验，从而从整体上提升当当网的消费者使用体验。 此次改版当当网为消费者带来了诸多 带有服务理念的导购模块。其中最具新意的当属“靠谱内容”模块，它会即

31、根据不同用户的 属性提供不一样的内容展示，新用户可以在新客购入中发现大家热追的商品，老用户能够在 “猜你喜欢”中找到贴心的推荐内容。除此之外，“用户关注”模块也是一大亮点，帮助用户可以在第一时间捕捉到收藏最 多、好评最多、浏览最多的各种热点商品，让用户在选择商品时可以有更多的参考和比较。 经过几次重大改版，当当网越发呈现出服务智能化和品类多样化的特征。版面清新更加符合 网购用户的操作习惯。（三）个性化推荐系统在当当网中的新运用：一般情况下,网站针对已注册用户根据用户信息或购买记录进行推荐。同时，个性化推荐 还应该考虑到匿名购买者，也就是购买者不需要注册或者登录也能使用个性化推荐功能。这 类技术

32、的实现要选择合适的匿名用户行为特征识别方法,如服务器端日志挖掘技术和客户端 信息采集技术等，从而实现对此类用户的个性化推荐。针对用户存在多兴趣或兴趣发生转移情况，当当网提出了基于项目相似性的邻居用户协 同推荐算法。该算法改进了传统协同过滤算法，使之适合用户多兴趣下的个性化推荐。个性化推荐最热门应用就是将推荐和社会网络结合起来把社会网络加入个性化推荐系 统，借助顾客的朋友、家人的评分信息来进行推荐产品。它让顾客的朋友和家人做“导购”， 把他们买的而且评分较高产品推荐给顾客，这样的推荐更容易为顾客所接受，和发生购买行 为。（四）个性化推荐系统在当当网未来的发展趋势：据相关负责人介绍，“当当网未来的

33、目标将不仅是要为客户提供丰富的商品，同时购物 体验的提升也是当当网未来的努力方向。希望此次改版能够给用户带来全新的浏览体验。” 当当网的这次新首页的改版，在兼顾原有用户使用习惯的同时，增加很多非常实用的导购服 务模块，为消费者提供购物指引的同时，也让购物变得更加有乐趣。分析人士认为，过去十年，当当网一直致力于B2C平台的技术创新，在ERP管理、商 品搜索、用户评论、SNS社区等领域不断进行技术积淀。此番推荐系统的升级，有助于当 当网提升推荐准确率、挖掘顾客潜在需求，增加用户粘性及商品购买转换率，进而将当当网 平台打造成为一个博（商品信息）大（海量用户）精（个性化服务）深（用户粘度）的电子商务社

34、区， 实现从网购1.0向网购2.0的战略升级。四、个性化推荐系统在当当网运用中的特点（一）“当当推荐”系统功能分析及推荐效果评价：1）当当推荐系统功能“当当推荐”系统采用的是嵌入式的推荐架构，即推荐引擎是商务系统的一部分，一般通过 函数库、类库或软件组件等形式实现。主要提供的推荐方式:根据用户填写的调查问卷或 输入感兴趣的关键词来进行推荐;根据用户对推荐产品的评价做出推荐：根据用户的浏 览历史提供推荐;根据相似用户的购买记录进行推荐。该系统采用的推荐技术主要是基于 内容推荐和协同过滤推荐。基于内容推荐技术只要用户在该电子商务网站有购买记录或浏览 记录就可以得到推荐，相比之下，协同过滤推荐存在更

35、为严重的新用户“装料”问题，只有积累 了一定量的购物记录,才能够获得推荐资格。正因为两种推荐技术各有短处,为了取得更好的 推荐效果，“当当推荐”系统允许用户选择不同的推荐方式,还允许通过修改推荐记录来改善推 荐结果。2）推荐效果评价通过对当当网关键词、购物兴趣、相似人推荐、浏览历史4种个性化推荐方式推荐效果 的统计。平均值如下：准确率 51% 43%33% 42%覆盖率 42% 37%17% 32%注:由于“根据相似人推荐”存在较严重的新用户问题新注册的用户由于没有足够的数据记录均无法得到推荐，故没有统计数据。（注:以上数据参考图书情报工作2009年16期江秀佳何源光国内电子商务个性化 推荐系

36、统改进研究）总体而言,针对新用户,当当网个性化推荐系统无论是从推荐的准确率和覆盖率的角度， 推荐效果都不理想,平均准确率为42%,平均覆盖率为32%。根据分析结果来看在这4种推荐 方式中只有根据关键词推荐和推荐效果比较好，在结合其他定性问题进行综合分析后，发现 有明确购物需求的受访者对“根据购物兴趣推荐”的满意度比较高，而没有明确购物需求的 受访者则比较偏爱“根据浏览历史推荐”。（二）当当网特性化推荐2.0：凭借多层面算法及数据源的交融，当当网“特性化推荐2.0 ”完成了基于海量用户行为的 数据挖掘，并由此完成了真正意义上的精准推荐。不只对用户暂存商品、书架、购买数据、 类似用户购买数据进行分

37、析，还对类似用户的评论及书架数据，用户自助定制的爱好商品分 类进行数据整合，最大程度挖掘潜在需求，提升推荐正确率，从而使用户的购买和挑选更为 轻松便捷。当用户改变自己的喜好时，体系会立即自动为用户重新推荐商品。特性化推荐体 系还可以根据用户爱好进行畅销书和旧书的特性化榜单推荐，根据浏览历史推荐百货及图书 等商品并为顾客找到志趣相投的朋友，用户越活泼，推荐准确率就越高。“根据您的兴趣和爱好，做您最好的智能导购员”，抱着这样的理念，当当网一直致力 于完善它的个性化推荐系统。继不久前推出服装鞋类商品上门试穿服务后，近日，当当网服 装事业部再度推出个性化导购服务，该服务可根据用户的浏览、购买历史记录智

38、能的向用户 推荐相关商品，并立即告诉用户买了同款商品的其他用户还买过什么商品，作为用户选购商 品的参考。当当网服装商城此次上线的个性化导购功能基于云计算技术，通过上千台服务器的 运算，可以瞬时对十几万用户的购买行为进行分析并实时向用户推荐个性化的相关商品，还 可以按每个顾客在当当网的购物年限，计算出其是否够VIP会员资质，从而决定是否为其 提供折上折的购买优惠。当当网事业部负责人表示，服装的特点是经不起积压，靠着瞬时计算的智能导购功 能，则可以精准预测、分析出用户的购买偏好，从而更好的解决积压问题，并对商品下一步 销售情况进行预测。其实最好的搜索就是不用搜索，而是主动向顾客推荐他可能想要的商品

39、， 为用户量身打造全新的个性化导购专员五、个性化推荐系统在当当网运用中的不足与风险（一）：个性化推荐系统在当当网运用中的不足：通过对当当网个性化推荐系统的综合分析，认为目前国内个性化推荐系统主要存在以下 不足1）统扩展性差,推荐效率低。目前当当网的推荐系统采用的是嵌入式的推荐架构，这样 一样它依赖于电子商务应用平台,扩展性和可移植性差，难以支撑大规模的运算,导致系 统实时推荐效果差。2）个性化程度低，推荐效果不理想。虽然目前当当网的个性化推荐系统已经取得了初 步发展，可以根据用户的购买经历和浏览经历有选择的进行推荐，但是还是很简单的，推荐 的正确性也不高，无法真正依据个人兴趣提供个性化服务，其

40、次各种推荐算法都有各自短处, 特别针对新用户的推荐效果不理想。3）自动化程度较低。当当网个性化推荐系统都是基于用户提供的显性数据建立用户模 型,对浏览行为重视不足，导致较严重的数据稀疏问题。4）智能化程度低。整体智能化程度低，不能采取后台计算方式为不同用户选用合适的 推荐策略。5）缺乏对领域知识的应用。目前个性化推荐系统在建立用户兴趣模型时并没有针对 不同职业、不同兴趣特征的用户，结合其领域背景提供推荐，或是结合不同商品分类的领域特 征向用户提供推荐目前，网上书籍推荐系统普遍存在个性化程度不高的问题，尤其在国内较为明显。为了 吸引用户的关注，网上书店往往借助网页制作技术，使网页中信息呈现的多元

41、化和丰富性， 这样反而可能造成用户对信息的混淆，浪费了用户很多无谓的时间来浏览不必要的信息。目 前的网上书籍推荐系统提供的推荐信息一般是大众化的信息，即对所有用户推荐的内容相 同，如商品销售排行榜、编辑推荐等。一些具备个性化推荐的功能，也局限于用户的注册信 息和购物篮信息的简单匹配，推荐范围过窄且灵活性不足。这些推荐系统由于个性化程度较 低，对用户的推荐也不太准确。在个性化服务环境下，网上书店在向用户推荐商品时，能把 用户需要的商品放在网页上容易查询到的地方，让用户觉得该网站了解其所需，仿佛专为他 所开设似的。随着网上购书的方式越来越受用户认同，各个网上书店提供的服务对用户的差 异也越来越小，

42、个性化推荐技术在提高网上书店竞争优势上有广阔的应用前景。虽然网上书 店获取信息的渠道较多，但综合性得利用各种信息来产生实时推荐的并不多见。例如在协同 过滤推荐应用中，一般以利用用户的显性评分信息为主，而如何与隐性评分信息有效结合， 来较为完整地反映用户需求，是一个值得关注的问题。（二）当当网个性化推荐运用中的风险：而今，所有的个性化推荐都不会只采用一种算法，而是文中各种算法的结合。不过，愈 加智能的个性化推荐仍存在一些风险。当当网曾推荐了本富人不说，却默默在做的33件 事，有网友说：认为谁穷疯了么，你爱推荐给谁给谁，别总给我推荐这类书！当然，这段 话已经被我们“翻译”得很温和了。或许，网站应该

43、反思一下如何不让个性化推荐冒犯到用 户。此外，网站搜集的信息越多，消费者越会感到隐私受侵犯。如果你的朋友都收到了以下 推荐：“你的好友最近购买了一些减肥药，你要不要也试试？ ”这多令人尴尬啊！亚马逊解 决这一冲突的方法是，允许消费者修改或删除记录。当当网现在也采用了类似的方法解决。（三）在个性化推荐上当当网和亚马逊的对比分析：在个性化特色服务上国内的当当网和国外的亚马逊还存在不小的差距，亚马逊推出的 个性化服务能在顾客注册后记忆其IP地址，当顾客再次访问时会直接进入“个人商店”个 人商店是针对访问者个人喜好设计的网页，注册用户可以直接快速地寻找到所需的物品，排 除其他信息的干扰：这项服务成功运

44、用了网络快速互动的特性，满足了顾客的个性化需求： 在特色服务方面上，亚马逊推出了诸如餐馆介绍、旅行订购、礼品推荐等内容，在提供这些 服务的同时又不失时机地推销网站的商品，让人不知不觉就掏了腰包。当当是国内开展服务较好的一家网上书店，目前它提供的服务还只是些基础服务，没有 亚马逊那样的个性化服务，特色服务也不够完善：虽然推出了e周刊这样的新书通报服务， 但工作效率却不尽人意。举个例子吧！我是当当网和亚马逊的老客户，在多次购物中发现了一个问题，为什么购 买同一本书，我在亚马逊订购花费的时间和在当当网上差别是那么大，几乎每次我在亚马逊 上购物都会让我花费大量时间，当然这倒不是说亚马逊的购书服务不方便

45、，而是它实在 有太多分散注意力的设置了!你的每一次走神，都是亚马逊个性化推荐系统努力的结果，亚 马逊都在悄悄制造一个新的消费机会。而当当网，它对“这一次”的消费完成行为要更执 着。另一个直观的体验来自于网店本身的印象。和当当网相比，亚马逊的网页主题感很强， 偏重图书和数码产品，像专卖店。而当当网卖的东西种类多，更像个庞大的百货公司。也许 是公司细定位有所不同才导致当当网有些“吃亏”。但是应该看到的是亚马逊在中国也渐渐 的放弃了卓越专卖店模式的定位，转而投向门类集全的百货商城。六、通过当当网浅谈个性化推荐系统对电子商务发展的影响:（一）电子商务新时代的到来：一个好的推荐系统可以大大提高用户的忠诚

46、度，并为电子商务带来了巨大的利益，个性 化推荐系统在当当网中的运用效果足已说明这点。2011年3月6日，推荐系统高峰论坛 在北京举行，知名IT评论人洪波，豆瓣网首席科学家王守昆纷纷表示，WEB2.0时代的到 来，互联网已经变得更为分享化和个性化，在今后的10年内，推荐技术会对人类生活产生 越来越重要的影响。无论是在电子商务特别是B2C领域，还是SNS中好友的推荐，推荐 算法都将变得无所不在。随着WEB2.0时代的到来，个性化推荐系统在电子商务将会受到 越来越广泛的应用。在国内，无论是基于电子商务的淘宝、当当，还是基于网络社区的QQ、 人人网、豆瓣，随处都可以看到它的身影，它为人们推荐商品进行消

47、费，推荐友邻。淘宝在 2011年3月31日提出向全球公布淘宝宏观交易数据，像国外的企业学习，在高校中建立 自己的研究所，并且开展推荐算法的竞赛，这些都是个性化推荐系统在我国发展的趋势。随 着人工智能技术的飞速进步，我们有理由相信将来的电子商务网站会更加的人性化，更加的 智能化，会为电子商务带来新的盈利点，甚至会引发一场新电子商务革命。（二）由推网的兴起：用户使用互联网最大的需求之一是想找到自己感兴趣的内容。搜索引擎的出现帮助用户 解决了对特定信息的查询问题。个性化推荐服务在某种程度上是对搜索引擎的一种提升。根 据用户的历史行为和信息，个性化推荐引擎能够在互联网的海量信息中自动为用户找到其所 感兴趣的资讯、商品或是手机应用。简单来说，个性化推荐引擎是一个另一维度的搜索，从“我想知道这个”到“给我点我感兴 趣的”