高振清

（苏州健雄职业技术学院，江苏　太仓　215411）

基于大数据下的电子商务信息推荐研究

高振清

（苏州健雄职业技术学院，江苏太仓215411）

文章通过阐述大数据时代环境，分析基于大数据下的电子商务信息推荐，对大数据背景下电子商务信息推荐发展趋势展开探讨，旨在为如何促进电子商务信息推荐有序进行研究提供一些思路。

大数据；电子商务；信息推荐

伴随电子商务的飞速发展，对于以大数据为基础的电子商务信息推荐研究越来越为人们所关注。电子商务平台在为用户提供产品、服务的同时，也提升了用户在庞大信息中快速有效找出满足自身需求产品信息的难度。基于大数据下的电子商务信息推荐可实时动态、主动有效地向用户推荐贴近其偏好的相关信息，如此一方面可对用户个性化需求予以更好地满足，一方面可促进电商平台构筑稳定的用户全体及改善服务质量，进而强化企业市场竞争力［1］。

1　大数据时代概述

1.1大数据背景下的电子商务发展

电子商务指的是依托计算机网络技术，开展各式各样商业经济活动，从而期望达成商务网络化。就电子商务发展历程而言，可将其划分成3个层次：初级层次—构建易于推行的可操作系统层次；中级层次—维系可靠的商业链层次；高级层次—达成全面系统数字自动化层次。伴随信息技术的飞速发展，电子商务不断朝隐形化、精细化方向发展，基于大数据对消费者喜爱偏好进行挖掘，进而实施精准化营销。

互联网的诞生及大数据关联技术的发展，使庞大数据搜索、分析变得可行，在凭借互联网的特点又使得此部分数据可被高效、高速及大容量的传播，继而互联网开展推行由用户生成数据的模式，该模式有着及时、经济以及多源头等特点。近年来，电子商务飞速发展，很大原因是可收集数据开展分析，实时动态借助互联网获取用户需求，进而电商可开展精准化营销。此外，信息系统、人工智能及决策科学等技术的进步，促进了一系列分析手段及工具的发展，诸如数据挖掘、决策支持以及消费者行为模型等。

1.2大数据背景下的数据挖掘技术

大数据时代的数据有着复杂、零散的特点，经由过滤、分析方可转变成有价值的信息，然后相关信息整合为资源并转化成知识。大数据背景下的数据挖掘技术，以数据为源头，为分析、价值提升提供基础；以技术为手段，为精准化影响提供保障。

数据挖掘是为了自数据库中复杂、零散的数据中挖掘隐含的、有价值的知识，数据挖掘技术主要包括：（1）关联分析，即对用户信息进行挖掘，再结合模型开展用户相互及产品相互关联预测分析。（2）聚类分析，相较于传统分析手段更为复杂，结合数据库中记录经由工具划分成各种类别，进一步就每一类层次开展分析。（3）自动预测，借助数据挖掘工程对数据库中相关信息进行自动预测查找，同时结合此部分信息迅速获取结论［2］。

2　基于大数据下的电子商务信息推荐

2.1定题信息推荐

网购用户自主向购物网站提交信息需求，网站定期向用户推送关联信息方式来达成信息推荐服务。定题信息推荐多涉及对数据挖掘技术及简易信息聚合（Really Simple Syndication，RSS）技术等的应用，经由内容、结构挖掘获取对用户有价值的信息，再借助RSS对用户进行推荐。

定题信息推荐在图书类网站得到广泛推广，由于此类网站用户通常较为固定，他们明确自身需求并可见其准确地传达给信息提供人员，并且电商平台同样可对用户信息需求做出较为准确的判断。用户之于信息存在固定购物需要，由此电商平台便可定期结合实时更新的商品信息，提炼出满足用户需求的商品信息。其他类似于商对客（Business to Customer，B2C），个人与个人之间（Customer to Customer，C2C）的电商平台同样可对用户开展定题信息推送，基于新用户注册开展问卷调查等方式，对每一用户所需求的商品种类、性价比、品牌等属性倾向展开综合分析，以用户需求、意愿为前提，采取短信、站内私信、邮件等方式对用户进行商品信息推荐［3］。

2.2热点信息推荐

热点信息推荐指的是电商平台将时下最新推出或者最畅销等商品信息主动向用户推送的一类服务方式，此类推荐模式是电商平台的主动行为，电商平台结合实时更新的用户群浏览数据，整合出某一节点最为热点的商品信息并向用户进行推送。热点信息推荐主要应用的技术包括数据挖掘技术、协同过滤技术等，通过对这些技术的应用可获取实时热门商品信息，再通过用户较为常用的相关网站的悬浮窗口、弹出窗口等推送给用户。一般情况下，热点信息推荐要求用户多次点击浏览方可展开。

推行热点信息推荐模式，推荐不仅贴近用户爱好又热卖的商品，换言之所推荐商品一方面有着一定的个性化特征，一方面有着销售量的保证。此外，由于一般而言新产品极难为用户所关注或发现，因此将热点信息推荐模式应用于新产品推荐的效果同样值得我们期待。

2.3兴趣爱好挖掘推荐

电商平台可有效应用数据挖掘技术，对用户存储庞大数据：购买历史、浏览记录、消费习惯等展开深入数据分析来得出用户个性需求。

结合用户兴趣爱好特点推行的推荐模式，对平台信息处理水平提出了严苛要求，唯有强有力的信息处理水平方可找出各种隐藏的用户信息，尽可能缩减用户不良体验。兴趣爱好挖掘推荐主要是经由用户对个性化界面相关产品信息开展浏览，点击进入偏好商品，接收推荐信息，同时产品特点及对应比重均存储于产品信息库中，只要用户进行浏览或者购买等对应操作时，用户偏好模块便会对其信息展开个性化收集，并存储于人性化特点库中。

2.4定制信息推荐

定制信息推荐是结合用户定制信息需求来推送信息的一类推荐模式，作为一类以用户需求为主的被动推送模式，其主要是为了对不同用户的不同商品需求予以满足。定制信息推荐需要对数据挖掘技术中的使用挖掘技术及协同过滤技术展开大量应用。

购物网站依据用户专门需求，将信息对用户进行推送。定制信息推荐自用户需求角度出发，唯有有效挖掘到满足用户需求的信息方可进一步为用户提供良好推荐服务，平台信息推送受用户需求很大程度影响，良好的信息推荐方可调动起用户对信息产生深入要求。就定制信息推荐而言，要求对每个用户展开服务方式、服务策略不同划分，进而为所提供信息服务的针对性带来有力保障。就好比，针对相关用户文化水平、购物习惯等展开信息检索指定服务；针对相关用户兴趣爱好、特定需求开展推荐服务；针对用户年龄、性别等开展定制服务等［4］。

在对用户需求予以明确并实现信息资源搜索分类后，将信息对用户进行推送，用户可利用此部分信息来解决自身需求，并对结果予以反馈，定制信息推荐模式流程。

3　大数据背景下电子商务信息推荐发展趋势

3.1精准化营销

经由数据挖掘对用户兴趣爱好进行分析，进而将相关业务、应用推荐推荐给用户，好比团购信息、应用软件、电视节目等，进一步将其拓宽至商用化服务，这一步骤即为借助数据挖掘技术帮助运营商开展精准营销。精准化营销可应用Key-value存储，Map-Reduce模型等一系列理论开展分析，制定大数据营销部署计划，自精准化营销等相关应用出发，对数据相同检索延伸问题等进行处理。

3.2聚集分散数据以关联化

经由关联分析对数据相互间潜在关系进行挖掘，能够实现产品间的信息关联，网络检索时可迅速推荐关联产品，改善产品的销售情况及知名度。电商平台可对网上信息资源展开充分挖掘利用，有序实现自身商品与其他商品的关联，一方面促进用户信息的丰富，一方面促进需求信息深度、广度的提升，进而为用户选择商品提供更大的便利。

3.3电子商务智能平台

就好比近年来盛行的红包刷屏，将多家应用软件聚拢在一起，提供个性针对的信息推荐服务，既精准、又省时、全面地为用户推荐应用软件信息。不过，服务产品信息粒度会逐步缩小，伴随商品用户提供知识服务，商品平台服务模式不断发生转变，以语义为基础的智能检索服务平台将逐步取代传统以关键词匹配为基础的检索服务平台，经由互联网对用户信息、项目信息进行搜集，依据分析结果开展商品信息推荐，通过对一系列推荐模式的系统综合应用，以期构筑起一个知识汇聚的智能商务平台。

4　结语

总而言之，在庞大数据源源不断到来之时，电子商务数据有着多维性、剧烈增长的特点，用户对商品的需求无法有效把握，给电子商务信息推荐带来极大挑战和机遇。鉴于此，相关人员务必要不断钻研研究、总结经验，清楚地认识大数据时代内涵，全面分析基于大数据下的电子商务信息推荐，推动大数据时代下电子商务信息推荐的有序进行。

［1］刘建国，周涛，郭强，等.个性化推荐系统评价方法综述［J］.复杂系统与复杂性科学，2009（3）：1-10.

［2］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（8）：150-154.

［3］于红岩，甄宝华，韩雪，等.探索基于数据挖掘的C2C模式电子商务个性化信息推荐服务应用［J］.吉林广播电视大学学报，2014（5）：80-81.

［4］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（10）：164-165.

Study of recommended e-commerce information based on big data

Gao Zhenqing
（Suzhou ChienShiung Institute of Technology， Taicang 215411， China）

Through describing the era of big data environment， the article analyzes e-commerce recommendation information based on big data，and discusses the development trend of e-commerce information recommendation on the background of big data， which is intended to provide some ideas on the research of how to promote e-commerce information orderly .

big data； e-commerce； recommendation of information

高振清（1974— ），男，江苏太仓，本科，讲师；研究方向：计算机应用，电子商务。