基于大数据的电子商务个性化信息推荐服务模式研究

乔 岚

（宁夏财经职业技术学院，宁夏银川，750021）

基于大数据的电子商务个性化信息推荐服务模式研究

乔 岚

（宁夏财经职业技术学院，宁夏银川，750021）

借助于电子商务网站虽然能够给用户们提供比较多的产品以及服务，但是也让用户们寻求符合自身需求的产品信息难度得到了一定程度的提升，为了使得企业自身的市场竞争能力得到提升，也就需要构建一个基于大数据的电子商务个性化信息推荐服务模式，来为用户们提供更加优质的信息服务。

大数据；电子商务；个性化信息推荐服务

0 引言

在应用电子商务网站给予用户们提供产品以及服务的过程中，要想在海量的信息中迅速准确的找到可以满足用户需求的产品以及服务，就必须构建一个良好的个性化信息推荐服务模式，只有这样才能够在基于大数据的情况来来给予用户们提供相应的产品以及服务需求，并让用户自身的个性化需求得以充分的满足，并让企业的服务质量得以提升，从而为自身的可持续发展奠定一个良好的基础。

1 基于大数据的个性化信息服务应用技术

1.1 数据挖掘技术

通过数字挖掘技术的应用能够直接在海量的数据信息中找出一些不容易被发现的信息，然后在这些信息的基础上对后续的发展趋势进行合理的预测。通过数据挖掘技术的应用，能够让电商自身的市场决策能力得到一定程度的提升，其主要有以下三种类型。

（1）Web内容挖掘：进行Web内容挖掘的目的主要是从搜索资源以及数据库两方面招收，来进行各种网页信息的组合，然后再次基础上对用户们的喜好以及实际需求进行分析，这样也就能够将一些用户们没兴趣的信息进行屏蔽，从而使得用户们的检索水平得到大幅度的额提升，其主要原理在于将非结构数据进行采集以及整理，然后直接填充到用户数据中来构成结构数据库，然后再借助于过滤以及分析技术来进行这些数据的合理处理。

（2）Web使用挖掘：借助于该挖掘模式可以就用户们在浏览Web过程中所产生的浏览记录以及访问情况进行汇总分析，并在此基础上进行用户喜好的合理制定，从而给予用户们提供一些个性化的推荐内容。

（3）Web结构挖掘：进行Web结构挖掘的效果在于从内部结构和链接之中来进行有用信息的有效挖掘，并借此来实现网页的分类以及聚类处理[1]。这样就能够对用户们在浏览网页过程中所遗留下来的各种信息进行归纳分析，并使得电子商务网站的各种属性得以提升，从而使得网站自身的搜索功能以及搜索效率得以有效的提升。

1.2 协同过滤技术

运用协同过滤技术可以就用户们可能感兴趣的东西进行有效的粪便，并能够用来识别某一用户的偏好产品。在电子商务网站的运营过程中借助于协同过滤技术的应用，其可以在大量的用户之后来进行具备有类似爱好用户的寻找，并将这些用户们对某一产品的评价进行汇总分析，这样也就能够从侧面反映出来该用户的偏好，然后就能够根据该用户的偏好来进行个性化信息推荐服务模式的制定，从而让零售网站自身的服务品质得到大幅度的提升。

1.3 用户建模技术

用户建模技术主要是就用户们感兴趣的信息中来进行相关特征的提取，然后根据建模技术来对用户们的偏好产品进行管理。随着大数据时代的到来，也就导致了所构建的用户兴趣模型需要是一种具备有数据结构形式的兴趣模型，其能够给予用户们提供一些准确的网络信息以及良好的服务，对于用户们的网购行为也有着一定的影响意义。在进行用户兴趣模式的更新过程中，一般存在有直接更新和间接更新两种模式，其中前者是在用户们对推荐商品进行反馈的前提下进行模型的更新，并需要耗费用户们的额外时间，因此更新效果较低，而后者主要是对用户们的浏览行为进行跟踪分析，并在此基础上通过挖掘技术来实现兴趣模型的更新工作。

2 电子商务个性化信息推荐服务模式简析

2.1 热点信息推荐

热点信息推荐作为现阶段商务网站上面最为常见的一种商品推送模式，其本质是一种主动的推荐模式。电商平台可以通过对用户群们浏览数据进行整合分析的模式，来进行浏览热度最大的商品推送给用户们。在进行热点信息推荐环节中，多是借助于数据挖掘技术和协同过滤技术来找出该购物网站之中最热门的商品信息，并通过弹出窗口等模式将这些信息推送给用户们。借助于热点信息模式的应用一方面能够使得能够符合用户信息的前n种产品得到推送，并能够在保障这些推荐产品个性化的基础上，对其销售量进行保证。因此说在进行新产品的推送过程中，热点信息推荐有着非常重要的应用意义。

2.2 兴趣挖掘推荐

电商切也可以通过数据挖掘技术来就用户们所留下的海量浏览信息以及消费习惯等深层次的数据进行挖掘分析，然后在此基础上对用户们的个性化需求进行获取，并根据这些个性化需求来进行推荐服务的选择。借助于兴趣挖掘推荐的模式能够直接构建一个用户个性化的信息模块，并对顾客信息模型中的各种产品信息进行有效的过滤处理[2]，其具体的推荐流程图如图1所示。

2.3 定制信息推荐

为了满足用户们的个性化需求，也就可以通过定制信息推荐这一被动的推送模式，来进行相关产品信息的推送。在该信息推荐模式之中，其主要是在围绕用户吸取的基础上，根据用户们的需求分类来进行用户感兴趣商品的寻找，然后将这些产品直接推荐给用户们。在定制信息推荐的过程之中，需要同时应用到数据挖掘技术以及协同过滤技术，并需要对不同的用户们进行服务模式和服务策略的合理分类，从而进行针对性信息服务的有效提供。而在对用户们的实际需求分析完成之后，就可以自此基础上进行各种信息资源的搜索分类，然后通过个性化信息推荐的模式将这些信息推送给用户们，从而很好的满足用户在电子购物过程中的多种个性化需求。

图1 兴趣挖掘推荐流程图

3 结束语

近年来我国的电子商务得到了迅速的发展，而用户们如何从大量的商品信息之中找到用户们感兴趣的产品，并进行个性化信息推荐服务模式的构建，也就成为了各电商企业所需要迫切解决的一个问题。本文主要就电子商务个性化信息推荐服务所应用的服务技术以及几种具体服务模式进行了分析与研究，希望能够为我国电力商务的进一步发展提供一些理论上的帮助。

[1]石颖莹,葛万成,汪亮友等.K-means聚类个性化推荐算法改进研究[J].信息通信,2016,(1):19-21.

[2]李旖凡.互联网金融O2O模式研究——以融360为例[D].西南财经大学,2016.

Research on e-commerce personalized information recommendation service model based on big data

Qiao Lan
(Ningxia Finance Economics Professional Technology Institute ,Yinchuan Ningxia,750021)

With the help of e-commerce website although can give users provide more products and services,but also allows users to seek to meet the needs of their own product information is improved to some degree, in order to make the enterprise market competition ability, also need to build a model based on electronic recommendation service personalized information of large data, to provide better information service for users.

big data; e-commerce; personalized information recommendation service

基于宁夏地区电子商务产业布局及发展模式的人才培养方案研究（ NGY2017276）。