《网店个性化服务问题研究开题报告文献综述（含提纲）4800字》

天猫商城个性化服务发展研究1研究背景当今时代是一个信息科技的时代，随着时代的不断进步，科技不断的发达，越来越多的信息以电子传输的形式展现在人们面前，电子商务的发展也是势不可挡的，越来越多的电子商务网站涌现，电商企业的竞争也越来越激烈，那么电商企业如何在这激励的市场竞争中立于不败之地，目前急需去提升的就是要让用户可以更加方便快捷的在网站看到自己需要购买的商品种类，这就需要电子商务平台加强自身的个性化推荐服务模式的建设，能够精准和迅速将用户所需的商品信息推送给用户。电子商务平台在最初的时候，对于数据的操控太粗糙，用户要是想在网站购买一种商品，那么就在搜索词条中输入需要的商品名称或者是名称的关键字，那么平台就会对此进行筛选，这种服务过于简单，并不能很好的为用户服务。随着电子商务的不断发展，电子商务的服务越业越人性化和个性化，通过对用户所点击信息、购买信息的收集来确定用户这段时期的喜好，将用户喜好的商品类型推荐给用户，刺激用户的购买欲望，从而提高商品的销量，还有电商可以根据这些海量信息，来分析出用户的潜在的购买的可能性，然后向用户推荐现在还没有浏览的商品，便是以后可能会购买的商品，及早的抢占客户收中的购买意向，电商企业的个性化推荐服务的水平高低，不仅决定了为用户提供服务的质量高低，还可以提高企业的销量，从而增加企业的盈利能力。所以，提升电子商务个性化信息推荐水平有利于提高电商企业的服务质量，可以让国内的电子商务健康的成长。在各个电子商务网站里面，为用提供了许多的产品信息和销售服务时，就需要将这些产品信息进行分类，当客户提出要求时能自动推送到用户面前，而不需要用户在大量的信息中去寻找，这就要求电子商务的个性化推荐服务必须要精准及迅速。而让电子商务具有这样的精准全面的信息推送的服务模式可以让用户得到更好的网站体验，还可以使自己稳定老用户，发展越来越多的新用户，提高自身的竞争力。电子商务平台的盈利方式来源于向用户用费使用户成为平台的会员，在推广自己品牌的时候会投入大量的广告增加品牌的知名度和平台内商品的销量，那么这些平台就由大量的数据购成，每个用户在一段时间内所需要的商品种类是不同的，那么这个用户所需要购买的商品，会在平台上进行一定的浏览，那么电子商务平台对这些数据进行统计，将知道用户的需要，从而将相同类型的商品推送到客户面前，大大增加了商品的销量，也方便的用户。在电子商务平台有着各种各样的数据统计，那么用户如何根据这些数据资料而进行观察分析就需要用户提高自身的观察能力，而对于企业来说，如何对这些大量的数据进行操控，通过这数据了解用户的喜好，让用户可以更加便捷的来进行消费，就需要对这些数据进行个性化的推荐服务。对于大数据进行操控就是将这些大数据变为更为有效的服务，对于不同的用户不同的商户提供相对应的服务，这些大数据主要是由用户浏览的信息，对于商品的关注信息，用户的购买信息等等综合而生成的，而电子商务个性化推荐服务就需要对这些大量的数据进行综合整理与分析，然后了解到客户的喜好，将客户特定时间所需要的商品信息，推荐给用户，从而提高商品购买的成功率，电子商务企业也可以利用现有的大数据为平台开发新的服务项目，增加更多的固定用户群，并缩减企业的运营成本。2文献综述2.1国外研究现状个性化服务这一思想我们最早可以追溯到1970年Neproponte在“TheArchitectureMachine”等相关文献中查阅到。1992年，DavidGold利用协同过滤推荐功能模块，研制出邮件过滤系统，被认作为世界上第一次真正意义上面的推荐系统。1999年，SylvainSceneal通过实验进行研究得出：如果使用不同的推荐类型，那么其得出的效果也会不一样。虽然信息使用者会觉得专家还有系统推荐结果更专业，但是实验证明来自其他消费者的推荐其实比专家和系统推荐的效果更具可信性。2000年，Venkatesh&Davis基于TAM模子又增加了两个变量，别离是：社会影响、认知东西，这两个身分经由过程对感知有效性和感知易用性发生感化，进而对用户采取意向和行动发生影响。2000年前后，以Hill和Shardanand为代表的诸多美国学者对协同过滤推荐的内容进行研究，并发表了相关著作。2001年，Davdi.R提出用户自身对信息推荐服务的态度直接关系到用户接纳的程度。2002年在美国人工智能协会上，Aimstrong等第一次推出个性化导航系统。Smith在2002年时提出：消费者之间由于背景、学历、兴趣爱好等存在差异以及推荐信息来源的专业性程度高低会直接影响用户对推荐服务的信赖程度，从而影响推荐购买决策的制定。Qlusegun在2006年时对尼日尼亚电子商务平台推荐影响因素进行了研究，研究指出安全问题以及公民的收入是影响推荐服务的重要因素。2007年，Resnick和Varian在《RecommenderSystems》中对电子商务个性化保举体系做出了解说，他提出根据用户喜好和需求为用户提供合适的推荐，能够帮助用户尽快做出决策，到达摹拟发卖职员帮忙客户完成采办行动的进程。2009年，Franke&Keinz指出用户感知本身偏好的洞察力、表达偏好的本领和采办用意的强弱会直接对用户对产物的立场产生影响。Ling&Benbasa从社会学的角度入手，采用情境研究的手段，分析了推荐系统界面设计对于社会影响力认识的作用，提出个性化程度是非常重要的影响因素，从而对用户的信任度产生正向的影响。2010年，Ansari提出个性化推荐依据是指依照活动中包含的用户信息需求、学科背景、目标任务、兴趣爱好、检索策略等，为购物提出针对性意见的个性化推荐软件。2011年，IBM公司在其电子商务平台Websphere中增加了一个个性化举荐的功能，从而实现了电子商务平台的个性化。2011年，谷歌将个性化推荐元素增添到AdWords中，不仅要关注搜索关键词，同时也要用户最近一段时间内的搜索历史数据进行提取，分析这些数据，对用户的需求进行及时跟踪分析，为用户提供精准度的服务推荐。2015年，纽约大学提出了目前为止基于交际收集最为精准的个性化保举算法。2016年，AbdullahOsman在“影响网购行为的因素：购买意向的中介作用”指出主观规范、感知有用性对网络购买意愿有着显着的正面引导，但是主观规范对购物行为的负面影响并不大。2017年EricTKLim“通过电子口碑调查性别差异对减轻不信任的影响”发现性别在缓解电子商务与不信任之间的关系中的作用；通过研究探讨了解决性别差异的方法。2.2国内研究现状2008年，蔡日梅把个性化保举界说成为一种保举代办署理，它实际上是一种基于个性化信息向指定用户供给定向的个性化的信息办事的软件。2009年7月，中国在北京建立了百分点信息科技有限公司，成为了我国国内首个以个性化推荐系统为研究对象的团队，目前北京百分点信心科技有限公司也是我国最先进的个性化推荐技术的供应商。该团队深入研究了数据挖掘以及用户的需求分析，从而实现针对不同用户能够提供优质的个性化服务推荐。2009年9月，世界上最大的在线电影租赁网站悬赏数百万美元大奖奖励获奖团队，将预测结果精度提高10.05%以上者方可获得，这一活动将在线电影个性化推荐的效率大大的提高了。2009年9月，我国的电子商务平台凡客诚品提出了搭配推荐购买服务，通过对用户浏览习惯和购买习惯的分析，梳理商品信息，然后对用户兴趣偏好进行推荐算法的评估，再然后提供搭配推荐，最终达到推荐符合用户需求的商品，提升用户体验以及自身的销售能力。中国学者马庆国在2009年时，以TAM模型为依托，进行试验论证得出信息用户自身积极的情绪会对用户接纳程度产生正面的影响。2010年10月当当网将“个性化保举体系2.0”进行升级，在原来基础上加入交互方式以及支持用户定制的功能，并且实现了对海量用户需求行为的数据挖掘以及分析。首先对用户浏览、收藏、购买等行为的商品进行收集，然后对用户兴趣偏好进行推荐算法的评估，起首对用户阅读、保藏、采办等行动的商品举行搜集，然后对用户乐趣偏好举行保举算法的评估，终究实现了为用户举行一对一的商品保举，从而做到为用户保举精准需求。2011年百分点信息科技有限公司和电子科技大学互联网举行互助，建立了专注于交织保举、个性化保举体系和消费心理学等范畴举行研究。建立了目前我国海内第一个个性化保举体系结合研究所，挂住个性化推荐、交织推荐的研究同时非常关注消费者的消费心理范畴的研究。百度董事长李彦宏先生在2011年首次正式发布新的百度搜索首页，该首页具备推荐搜索功能，为用户提供更加精准化的个性化服务。百度的全新首页将用户的行为和乐趣结合起来，进行建模，通过对过程算法的不断改进和完善，为用户提供具有针对性的事件、信息和商品等。2012年，刘蓓林通过系统的研究证实了，个体因素、技术因素、社会因素对信息用户接纳行为共同产生作用。2015年，根据统计数据来看，目前京东是我国最大的B2C模式的电商平台，通过PC端和移动端共同创造了10%左右的订单，京东商城内置搜索推荐功能，有专门的部门负责推荐搜索的框架设计、算法设计以及产品设计等工作。目前，京东新版首页已经上线了“猜你喜欢”、“今日推荐”以及“别人关注”这三项功能，为不同的用户进行个性化的推荐服务。实在，用户与保举体系的交互并非直接的干系，用户只是感知了体系供给的保举信息，这是一种全新的信息服务模式。因此，本文认为个性化的推荐服务更加强调服务模式的创新，而不是一种系统或者技术。对以上各学者的分析，可以发现不同的学者对于个性化推荐服务的理解是不同的，但是其本质还是同样的。每一种定义都强调了电子商务平台需要以不同用户产生的历史行为数据为基础，根据不同用户的特征、兴趣、行为等来确定推荐的内容。基于已有学者的研究，本文以为：电子商务平台个性化推荐服务是指搜集操纵服务体系及时的搜集用户的相关行为数据并举行整合，按照分歧用户的特定需求拟定相对于应的信息数据，在基于大数据的背景下对电子商务个性化信息推荐服务模式的构建。3研究路径/论文设计框架1前言2相关概念界定2.1电子商务个性化推荐服务概念2.2电子商务个性化推荐服务的特点3电子商务个性化推荐服务的发展现状研究--以天猫商城为例3.1天猫商城的概况及发展历程3.2天猫商城开展电子商务个性化推荐的必要性3.3天猫商城应用的个性化信息推荐模式3.4天猫商城个性化推荐实施的效果4基于大数据的电子商务个性化信息推荐服务模式构建及实施4.1模式构建4.1.1电子商务信息服务模式4.1.2电子商务个性化信息推荐服务模式的构建思路4.1.3电子商务个性化信息推荐服务模式分析4.2模式实施4.2.1完善的推荐系统4.2.2大数据的安全性4.2.3个性化推荐的精确度4.2.4合理的利用数据4.2.5弹性的处理能力结论参考文献致谢4进度安排5参考文献[1]SarwarB,KarypisG,KonstanI,etalItembasedcollaborativefilteringrecommendationalgorithmsforc-commerce[C]Pro-ceedingsoftheACMECOOConference,2000,40(3).[2]PaulResnick,HalR.Varian.Recommendersystems[J].CommunicationsoftheACM,2007,40(3).[3]IEEETransactiononKnowledgeandDataEngineering,2005,Vol.17(6),pp.734-749.[4]杨旭，汤海京，丁刚毅.数据科学导论[M].北京:北京理工大学出版社2014:26-31.[5]HongxinLi,WeiheDuan.ExpandingtheEnterpriseExportsbyE-business[J].InternationalJournalofBusinessandManagement,2010,5(10).[6]MarkXu,RavniRohatgi,YanqingDuan.E-BusinessAdoptioninSMEs:SomePreliminaryFindingsfromElectronicComponentsIndustry[J].InternationalJournalofE-BusinessResearch(IJEBR),2007,3(1).[7]王浩.电子商务个性化信息推荐服务计量分析与发展对策研究[J].内蒙古科技与经济,2016（08）:59-62.[8]张韫.大数据背景下电子商务个性化推荐服务下的用户隐私保护[J].梧州学院学报,2016,26（01）:18-20+70.[9]杜念欣.大数据时代电子商务个性化推荐服务研究[J].中国管理信息化,2016,19（10）:137.[10]王茜,钱力.大数据环境下电子商务个性化推荐服务发展动向探析[J].商业研究,2014（08）:150-154.[11]孙雨生,张晨,任洁,朱礼军.国内电子商务个性化推荐研究进展:核心技术[J].现代情报,2017,37（04）:151-157.[12]孙雨