亚马逊“预测式购物”对图书馆个性化信息服务的启示

The Enlightenment of Amazon's Anticipatory Shopping for the Individualized Information Service of Our Libraries

Li Bingming

Abstract With the rapid development of information technology and the continuous improvement of intelligent penetration, the personalized information service and information resources push which based on the anticipatory analysis of the reader behavior become important means of innovative service of libraryis. Meanwhile Amazon analyzes the users shopping behavior data, forecasts its merchandise preference, ships ahead of time, reduces the waiting time for the users. So this paper proposes to establish the personal library for the readers, carry out the reader behavior analysis research, develop the diversified channels of personalized information push and predictable literature resource distribution mechanism.

Keywords Library. Amazon. Anticipatory shopping. Individualized information service. Big data.

1　亚马逊“预测式购物”内涵

1.1　“预测式购物”概述

2013年12月，全球著名电子商务网站亚马逊（Amazon）公司获得了一项名为“预测式购物”的新专利，这项新技术也称为“预测式发货”或者预期递达，英文全称为anticipatory shipping，可以通过对用户数据的分析，在他们还没有下单购物前，提前发出包裹。根据这一项技术，亚马逊将根据某一个网民的购物历史、购物意愿、搜索历史、购物车内容等数据，对其商品偏好进行分析，如果系统判定某一个用户极有可能购买新到的一种商品，亚马逊将会自动发货，将这一商品配送到距离该用户最近的一个物流仓库中，其后只要该用户在网站上下出订单，本已在离家不远的商品，将以最快的速度送到该用户的手中 [1]。

1.2　对“预测式购物”内涵的认识

尽管亚马逊“预测式购物”新技术在提出以后吸引了业界的大量关注，但这种基于用户行为分析模型的预测化营销模式早已被广泛应用，如早在2007年，沃尔玛就通过对消费者的购物行为等用户数据进行分析，创造了“啤酒与尿布”的经典商业案例 [2]；Facebook正在利用称作Deep Learning的新的人工智能技术来理解用户的心情或者猜测将要发生的事件，甚至仅仅基于那些并未有明确暗示的帖子，此外还能用于在照片中寻找特定物体，做出关于用户未来可能行为的复杂预测 [3]。

同为基于用户行为分析模型的预测化营销模式，而亚马逊“预测式购物”的创新之处在于通过复杂的算法来研究、分析其积累的庞大用户数据得出用户可能购买的商品后进行预测性送货，并在用户确认订单后实现最短时间内将商品送达，缩短用户等待商品的时间，提高用户购买商品的成功率。

无论是沃尔玛、Facebook还是亚马逊，这种预测都是基于用户行为信息分析而做出的。电商通过对用户在网站上发生的包括购买前、购买后的所有行为信息，比如搜索、浏览、评价、购买、退货、加入购物车、取出购物车、心愿单、收藏夹和使用优惠券等，甚至包括在与其合作的第三方网站上的相关行为，比如评论、商品价格比对、微博、观看相关产品评测以及好友之间的互动数据进行深度分析和理解，捕获潜在客户的购买心理和购买意向，从而制定对客户的贴心服务以及个性化的信息推荐。

2　基于亚马逊“预测式购物”的图书馆个性化信息服务平台搭建

亚马逊的“预测式购物”商品配送机制对于传统的图书馆来说是一种值得借鉴的做法。虽然图书馆只是一个对读者提供信息服务的公益机构，在其服务的过程中不能得到盈利的回报，而且也无法承担起较高的物流配送成本，但亚马逊“预测式购物”这种基于大数据的用户行为分析则是图书馆界需要学习和钻研的地方。图书馆应借鉴这种基于用户行为分析模型的预测化营销模式，通过对读者的行为信息进行采集、存储和组织，其后对这些海量数据进行分析和挖掘，准确捕获和定位读者的阅读习惯、潜在的阅读心理与倾向以及未来的信息需求，在图书馆智能化服务平台上建立每位读者的“心愿书架”，制定对读者的贴心服务和个性化信息服务。

2.1　构建图书馆智能化服务平台

2.1.1　图书馆智能化服务平台的构建

图书馆智能化服务平台应由数据采集模块、数据传输模块、大数据中心和应用服务模块等四部分组成。数据采集模块就是利用数据采集设备对读者在图书馆发生的所有行为进行全面的搜集，比如对读者进出馆的时间和次数、借还记录、阅览记录、上网日志、网站评论、服务调查、意见反馈、参考咨询、图书预约以及图书超期记录等等，数据传输模块借助于通信设备和网络，将数据采集模块采集到的数据安全、高效、准确地传输到大数据中心 [4]，大数据中心包含图书馆原有的信息资源，并且负责将这些海量的读者行为数据进行存储、组织和归类，并将这些读者行为信息与具有读者明确属性的读者进行整合，为应用服务模块提供个性化信息服务提供数据支撑。

2.1.2　图书馆智能化服务平台的功能

随着大数据时代的到来，一方面是传统的、单一的、粗犷式的信息服务模式已很难满足读者个性化信息服务的需求；另一方面是随着读者群数量和读者行为的数据量急剧增长，传统的数据存储架构和管理模式已严重滞后，无法完成多维度、全方位的数据采集、存储、组织和分析，从而无法从复杂、大量的数据中筛选、过滤出可准确预测读者感兴趣的内容，以及个性化信息服务的需求等倾向性信息，图书馆由于缺乏有效数据的支持也就无法针对读者完成最基本的、最有效的个性化信息服务的推送。因此，图书馆智能化服务平台应具备以下几个功能。

第一，保证数据采集、传输、处理和分析等整个过程得到安全、高效、准确的管理，并将采集到的读者行为数据进行标准化处理，确保数据具有较强的系统性、完整性和价值性，为准确预测读者未来阅读倾向和提供个性化信息服务提供扎实可靠的保障。

第二，对读者进行多维度的分析，以读者的专业、阅读习惯、阅读手段等相关属性建立分析维度，把所有的文献信息资源进行整理、筛选、归类，使之与读者的多维数据建立起操作性较强的关联库，以保证每一位读者接收到的个性化信息推送与其属性相关。

第三，建立读者行为分析体系，对读者构成、阅读习惯、阅读手段、内容偏好、读者信用等数据进行全面的分析，挖掘读者之间的关系并对其进行管理和相应的分析，建立“读者—资源—渠道”的读者行为分析体系。

2.2　贴近读者，完善个性化信息推送服务措施

2.2.1　建立读者的“个人图书馆”

为每个读者建立“个人图书馆”，允许读者管理自己的书籍以及与他人进行数据共享、交互和评论，并在个人图书馆内设置“心愿书架”，允许读者创建自己的多个心愿书单，通过“心愿书架”全面搜集读者感兴趣的、急需的，以及读者推荐的书籍目录，并通过“心愿书架”为读者及时推送新书上架的信息。

2.2.2　分析研究读者行为，实时捕获读者的阅读需求

通过对读者使用图书馆过程中产生的行为数据，比如借还记录、访问内容、上网日志和搜索关键词等行为数据，并结合读者相关属性进行读者行为分析研究，实时捕获读者的阅读需求，并进行细化、分类的个性化信息服务。如读者在检索文献时出现选择关键词的困境，可以通过智能化服务平台推送相关的关键词给读者选择；读者在进行跨学科课题研究时，及时将相关学科、交叉学科的文献经过系统的分析、判定准确地提供给读者；在文献借阅流通环节加强管理，对于一些已经外借而又有读者预约的文献，可与正在持有阅读该文献的读者进行协商“约还”，避免文献没有被有效地利用而滞留在某一读者的手中，造成文献信息资源的浪费。

2.2.3　制定多元化的信息推送渠道

在目前的信息技术环境下，读者接收个性化信息推送的渠道是多元化的，读者自身的阅读习惯、所处的阅读环境以及拥有的阅读终端在一定程度上决定采取的信息推送渠道，同时也决定了个性化信息推送的成功率和有效性。现实生活中有些读者本身拥有电脑而且使用电脑比较方便，可能更倾向于接受图书馆采取电子邮件的形式进行推送，有些读者喜欢阅读手机上的短信以及使用微信等方式，则可建立图书馆微信公众号，以私信的形式进行信息推送。此外，读者QQ群也是一种信息推送的有效形式，以专业、兴趣和研究方向等相关信息为导向组建不同的QQ群，有目的、有计划、有针对性地进行信息推送。诚然，要完成如此多元的个性化信息推送，图书馆的运营和服务成本会比较高，但对于提升读者的服务价值性、阅读收益率和读者的满意度等起到关键性的作用。面对过高的成本，可以通过统一规划图书馆智能服务平台，保证数据管理平台架构层次合理、高效，降低在数据采集、存储、组织和分析过程中的成本来维护整个智能服务体系的正常运营。

2.2.4　在所推荐的信息资源旁设置“不喜欢”按钮

通过在所推荐的信息资源旁边设置“不喜欢”按钮的形式，可以收集读者对所推荐信息资源的喜好，同时设置反馈信息栏，拓宽读者反馈信息的渠道，以补充数据采集模块采集到的主体性数据源，纠正预测读者行为数据的偏离性和互补性，提高预测读者阅读习惯、阅读倾向和未来阅读需求的准备判定。

2.2.5　制定可预测化的文献资源配送机制

随着无线射频技术（RFID）的快速发展，自助图书馆成为图书馆文献管理智能化的手段，效仿亚马逊“预测式购物”的商品配送机制开展人性化、智能化、可预测的文献资源配送的创新服务将成为可能，这种配送机制对于已经配备自助借还书系统的图书馆无疑是一项技术创新，特别是读者相对较为分散的公共图书馆尤其重要。深圳市图书馆在全市布点40个自助图书馆，利用自主研发的“城市街区24小时自助图书馆系统”进行技术创新和服务创新，开创了一种全新的、充分满足读者需求的服务方式 [5]。福州大学城利用自助图书馆构建共享互借的网络 [6]。依靠自助图书馆系统，图书馆不但可以完成申办新证、自助借书、自助还书、预约服务、查询服务等常规业务工作，还可以通过对所在街区、社区自助图书馆的借还记录、浏览记录、预约服务等数据进行深入的分析和挖掘，并结合所在区域读者群的相关属性，准确地预测该区域读者的个性化需求，有针对性进行自助图书馆文献资源配送，最大限度地满足读者的信息服务需求。

3　结语

当前，随着信息技术的快速发展和智能化普及率的不断提高，图书馆智能化建设正进入快速发展的时期，借助智能化服务平台“预测”读者的个性化需求已成为图书馆个性化信息服务的重要工具和内容，而开展“预测式”个性化信息服务则是改进图书馆信息服务工作的有效措施，也是在新的信息环境下提高图书馆文献资源利用率和服务质量的重要手段。因此，图书馆应实时捕获读者的阅读需求，以读者为中心，以满足读者需求为驱动，通过分析和挖掘读者潜在的信息需求，主动为读者量身定制各种可“预测”的个性化信息资源与推送服务机制。