基于用户行为的电子商务个性化推荐探讨

摘  要;生活在快节奏社会的人们，无论是吃饭、出行等日常生活行为，还是一些学习行为，都在潜移默化中受到社会发展的影响，追求高效。而随着互联网和智能设备的普及，电子商务成为了人们购物的不二之选，但也因为互联网信息的海量化、便捷化，各个电子商户之间的竞争日趋白热化。一些商户把握当今社会人们追求个性化发展的特点，衍生出个性化推荐，希望通过分析用户行为数据，精准把控用户喜好，进行个性化推荐，提高顾客的忠诚度和购物体验。本文以用户行为数据分析为切入点，在此基础上探究个性化推荐，提出见解，希望可以为我国电子商务行业的发展提供一些参考意见。

关键词： 个性化推荐;用户行为;电子商务网站;信息管理

一、用户行为数据

电子商务网站的用户行为数据对网站运营的影响可谓无处不在，小到和网站的产品更新、推荐方式、服务推荐等日常行为息息相关，大到对网站的日常运营、产品的迭代更新、部门之间的协作配合都有指导引领作用，因此用户行为数据分析对于电子商务企业的经营发展至关重要。而对用户行为数据的考察分析主要包括以下3部分内容：首先是用户的访问渠道、渠道的流量监控以及最终的用户转化率;其次是对用户的浏览流程进行监控，包括浏览足迹、时长、路径、深度等;最后是综合分析页面的跳失率、转化率和用户活跃量、黏性等数据，探究用户留下来或者流失的可能原因。因此，用户行为数据分析已经成为各个电商网站研究的重要课题。

二、点击流数据对于分析用户行为的必要性

电子商务的成功和大量的用户行为数据分析密不可分。目前大多数电子商户在寻找目标客户时，通常都会对用户的购买信息、评级信息以及用户进入电商网站的方式例如链接、关键词搜索等进行分析锁定。但是，这种数据分析模式下的结果存在一定的局限性，对用户需求的预测和挖掘能力很弱。一个公司的未来发展趋势和领导者的决策息息相关，不准确的预测数据是无法为企业的顺利发展提供可靠保证的，在这个时候，点击流数据的出现弥补了这一空白。点击流，顾名思义就是客户在访问电商网站时每一次点击都会被企业网站日志记录在案，从而形成点击流数据。而点击流数据按照数据来源可以具体分为以下几种：

（一）问卷调查

雷玲等人通过将产品策略、网站策略、促销策略设置为自变量，将情感反应作为因变量，来探究用户冲动行为的购买机制，在研究中他们发现产品策略、网站策略和促销策略对用户的情感反应有显著影响，其中以促销策略为主，产品策略、网站策略次之。

（二）网页浏览日志

付关友等人以心理学为切入点，灵活运用内驱力理论对web用户的浏览行为以及是否对网页感兴趣之间的联系进行了深刻的探讨，最终得出当浏览网页的页数增加时，用户的兴趣也相应有所提升。

对用户行为展开数据分析，可以通过以上提到的问卷调查、网页浏览日志、实验室实验等途径获取需要的精确数据，继而利用不同的模型方法对其进行分析，得到定量或定性的用户分析结果。

三、以用户行为数据分析为导向的电子商务个性化推荐

互联网的快速发展为电子商务公司采集用户信息提供了便利的环境，电子商务公司在采集完用户信息数据时通过管理个性化用户网络体验，并且同步保留客户的通信，进行有效分析，将其结果转换为高质量的产品和服务反馈于用户，为客户提供更加优质的网络购物服务，形成良性循环。在这个信息大爆炸的时代，互联网每分每秒都在输出大量的新信息，信息严重超载，导致电子商户和用户都很难在海量的信息中快速找到自己需要的信息。

推荐系统的诞生就是对该问题的有力响应，推荐系统采用应用信息，在信息数据分析的基础上加上信息过滤技术，有效减少无关项，缩小选择范围，使客户可以在最短的时间内获取到其想要购买的商品的全部信息，或者使商户可以快速发掘潜在客户，提供针对性服务，提高工作效率，节省时间和成本。目前，推荐系统已被多个平台引进运用。许多电子商务公司立足于推荐系统，结合目前的个性化发展，形成个性化推荐营销战略，在摸清掌握用户的购物喜好的同时为用户实时推荐其可能感兴趣的商品，提高购买率。推荐系统的数据分析技术主要采用内容过滤和协同过滤，内容过滤就是指提供和用户历史购买记录相似的内容，而协同过滤就是识别和用户喜好相同的客户，提供其感兴趣的商品。

四、优化电子商务营销方案的有效措施

电子商务企业主要是通过高效率收集用户行为数据并进行具体分析，从而发掘用户的潜在需求和行为模式，以此为基础优化营销方案，提高经济利益，同时也为用户提供更加贴心的服务。

（一）完善购物流程，提高转化率

网站可以通过剖析用户的整体行为路径，发掘不同环节行为之间的联系，从而寻找规律，确定对转化率有影响的因素，以此为依据灵活调整经营战略，对于优势环节加大投入，劣势环节则减少，确保使网站的资源可以发挥出最大价值，获得最大效益。

借助漏斗分析可以直观地分析出用户行为路径每一个环节的转化和流失，对于流失严重的环节，还可以进一步细化进行多角度分析，发现漏点，进行针对性完善。首先是定义转化漏斗，找到需要分析的流程，量化其流程数据，将购物和回购行为抽象成漏斗，解构整个环节。其次是进行漏斗对比分析，谨慎查看用户行为在每一个漏斗的变化，对比分析用户特性、时间粒度等特征，抽丝剥茧，得出漏点事件，集中解决漏点问题。

（二）完善网页结构设计，准确迎合用户需求

商家可以根据网页热力图直观发现用户喜爱的板块和内容，优化网页结构，这也是数据价值最上层的表现，而最大字的点击热度比图片大，那么图片模块属于下层表现。如果网站一味注重图片的堆砌，就会影响网页排版体验。因此在设计网页结构时，商家应结合用户行为分析结果，将具有价值的上层表现置于最突出的地方，使用户可以一眼发现、一目了然。在实际操作的过程中，可以借助点击模型分析法将网页划分为不同的模块，构建一个平面图。而网页页面点击分析支持事件筛选属性、用户属性的任意维度，当页面组内跳转时将会延续上一页面的选择。点击分析和其他分析方法强强联合，共同探讨用户与网站交互之间的联系，有助于网站精准获悉用户需求，提供针对性服务。

（三）升级个性化体验，提高用户黏性

在进行网络购物时，不同的人因为教育背景、生活习惯、地域差异等，所以购物需求和喜好也有所出入，萝卜青菜各有所爱，适合自己的才是最好的。因此，商家如果想将用户长久地留下来，就要切实根据每一个用户的点击分析结果挖掘用户的喜好，从而量身定制推荐方案，确保用户在每一次浏览时都可以发现自己感兴趣的内容，获得良好的体验。如果商家的转化成本较低，产品替代性较高，那么用户黏性也会较低。想要提高用户黏性，商家就需要不断打磨自己的产品，将其变得独一无二，而且通过服务理念和品牌价值使用户对其产生依赖感也可以提高用户黏性。

（四）采集优质用户画像，进行定向推送

商户想要提高自己的竞争核心力，就要不断提升自己的服务品质，可以通过预估用户心理，结合用户的消费水平、喜好，推送给用户最有针对性和最有用的内容，使用户觉得是有效的，而不使用户觉得厌烦。首先是建立用户信息画像，获取用户收入、职业、资产等一系列基础信息，补充静态数据，建立画像原型，然后收集用户的浏览习惯、使用频次消费记录等动态数据，动静结合。其次是绘制行为画像，明确用户需求，杜绝重复推送和无效推送。最后是选择最优时间进行推送，在推送奢侈品、消费品时要考虑用户是否购买完下一次可能就不需要了，这只是一次性消费，应减少推送频率;而针对必需品，则可以根据用户购买时间推断下一次购买时间进行推送，而不是無时无刻推送，避免使用户产生厌烦心理。不断完善用户画像，提供贴心服务。

（作者单位为辽宁工业大学经济管理学院）

[作者简介：刘维军（1974—），男，辽宁抚顺人，研究生，硕士，讲师，研究方向：电子商务，信息管理。]

参考文献

[1] 谢军，吴静，高海霞.电子商务网站用户行为分析与网络营销优化措施[J].电脑知识与技术，2020（04）.

[2] 张莉.基于“用户画像”的精准营销策略研究[J].现代营销（下），2020（03）.

[3] 侯治平.用户行为模式下电子商务网站个性化推荐研究[J].电脑与信息技术，2011（08）.