杨一翁 孙国辉 王 毅

一、引言

面对网上琳琅满目、良莠不齐的商品及其相关信息，时间、精力有限的消费者在网络购物时遭遇“信息超载”难题，推荐系统应运而生。推荐系统（recommender system）是一种信息过滤技术，能根据当前消费者的浏览、购买和评价等信息输入，结合商品的属性信息，利用系统数据库中相似消费者的历史数据，通过系统算法过滤其选择，从而为当前消费者提出推荐建议。［12］推荐系统像一位了解消费者偏好的私人购物助理，能帮消费者更高效地找到合意商品，因此在各大购物网站得到了日益广泛的应用。消费者在网购时见到的各类推荐信息，如：“购买此商品的顾客也同时购买……”（亚马逊）、“猜你喜欢……”（京东）和 “看过本商品的人还看了……”（当当）等，就是由购物网站后台的推荐系统给出的。网商应用推荐系统的主要目的是刺激消费者更多地购买以提高销售额。消费者在进入购物网站后，会被动地接触到各类推荐信息，消费者自己能决定的是：是否采纳这些推荐信息？因此，网商成功应用推荐系统的关键在于探明：哪些因素影响消费者对推荐信息的采纳意向？

推荐系统研究始于20世纪90年代中期，是一个年轻的研究领域。现有研究主要关注推荐系统的算法优化，即提高推荐信息的准确性等；而较少关注推荐系统对消费者网购决策的影响。哪些因素影响消费者对推荐信息的采纳意向？少量研究基于技术接受模型（technology acceptance model，TAM），试图回答该问题。TAM认为：用户对新技术的使用取决于感知有用性与感知易用性。