本篇論文目錄導航：

【題目】目前移動電子商務信息服務問題探究
【第一章】移動電子商務信息服務系統優化研究緒論
【第二章】移動互聯網及電子商務概述
【3.1 3.2】移動電子商務的支撐技術
【3.3 3.4】移動電子商務的商業模式
【4.1 4.2】移動電子商務信息服務的需求
【4.3 - 4.5】移動電子商務信息服務的現狀
【5.1 5.2】利用數據挖掘設計推薦系統
【5.3 - 5.6】個性化信息服務的模塊設計
【第六章】移動電子商務個性化信息服務的提供
【結語/參考文獻】個性化信息服務在移動電商中的應用結語與參考文獻

第五章 移動電子商務個性化信息服務的構建

5.1 系統設計的原則。

信息服務是移動電子商務持續健康發展的重要保障，在充滿機遇和挑戰的市場中嶄露頭角并站穩腳跟是企業追求的目標。如今，越來越多的移動電子商務企業意識到了信息服務的重要性和緊迫性，但信息服務的實現是一項系統工程，涉及到企業創造價值、傳遞價值、實現價值的全過程，統一提供的沒有特色的信息服務已經無法滿足企業的需求，個性化的信息服務將為企業帶來更高的價值。所謂個性化信息服務，是指對用戶提出的明確要求，利用搜索軟件在海量信息庫中篩選提供符合其需求的信息；或通過對用戶個性、使用習慣的分析，主動地向用戶提供其可能需要的信息服務.與傳統的信息服務相比，個性化信息服務具有以下特點：

基于這些特點，為了為更好地推進移動電子商務企業有效地開展個性化的信息服務，應當遵循以下原則：

5.1.1 客戶導向原則。

信息服務其實就是通過信息的傳遞為客戶創造價值，那么創造什么樣的價值，如何創造價值就顯得非常重要。信息服務能否成功，與是否堅持客戶導向有著直接關系，只注重企業利益，不注重客戶利益的企業即使盈利也是暫時的，無法長期保持競爭力；反之，一個能以客戶需求為導向、時刻關注客戶利益的企業，即使暫時不盈利，將來也擁有可持續發展的能力。因此，堅持客戶導向，不斷提升客戶價值應當是個性化信息服務在具體的實現過程中應當遵循的首要原則。

在新形勢下，移動電子商務企業可以充分運用微博、網站、微信等新媒體工具，加強與客戶互動，及時把握客戶需求。同時，運用平臺擁有的海量數據，對客戶需求、消費行為和特征進行挖掘和分析，從而為信息服務的優化、調整和創新提供便利。

5.1.2 創新性原則。

一個成功的信息服務產品，不是對技術進行發明創造，而是對原有環節進行微創新，對不足之處進行補充和改進。創新應當成為一種理念，一種習慣，貫穿于企業的市場調研、產品開發、營銷推廣等各個環節，只要解決了用戶對于某一個環節的"痛點",就完全有可能成為一種成功的商業模式的雛形。如今，移動電子商務市場競爭愈演愈烈，在激烈的市場競爭中想要成功，必須堅持創新，而且應當是一個持續的過程，否則一旦停止創新就會固步自封，在競爭中敗下陣來。

5.1.3 開放性原則。

開放是移動互聯網的重要特性，信息服務也不例外。移動電子商務市場，單打獨斗已經不符合市場發展的需要。企業要更好地拓展市場，應當采取更加開放的策略，通過優勢互補實現多方合作，更加務實地推進信息服務的建設，共同做大規模，實現合作共贏。

目前的移動電子商務市場中，京東、大眾點評已經與騰訊展開合作，利用騰訊龐大的客戶資源來開發市場，魅族、高德地圖也與阿里巴巴進行合作，將自身的產品在阿里巴巴廣大的電子商務平臺上進行推廣，類似這樣的"聯盟"還有很多。各大企業都在有意識地進行開放自身優勢資源的嘗試，目前還處于初級階段，但已可以初見端倪。對于移動電子商務的參與者來說，找到一個模式把外部資源有效整合，形成一個開放性的平臺也是加強自身不足的一個好方法。開放意味著企業邊界的開放，有效地使供應商、消費者、競爭對手、創業者的能力為你所用，而不是為你所有，不斷地思考利益平衡，分析利益相關者的參與意愿，設計出共贏的體系結構是移動電子商務企業采取開放性策略的時候要充分考慮的。

5.1.4 靈活性原則。

由于移動電子商務的市場環境、競爭對手、技術、客戶需求都在經歷著前所未有的激烈變化，任何時候只要走錯一步就可能滿盤皆輸，這客觀上決定了企業在進行信息服務創新時，不是靜止不變的，而是要定期進行回顧、檢驗、評估，當企業外部市場環境發生變化時，就需要對自身服務進行調整和優化，目的是通過調整增強企業產品、服務的競爭力，在瞬息萬變的市場中存活下來。信息服務創新是一個持續不斷優化的過程，企業應當靈活地根據市場環境的變化、客戶需求的變化、產業鏈的成熟度對信息服務進行自適應的調整，使企業更好地適應市場的需要，這樣的模式才具有足夠的競爭力。

5.1.5 資源整合原則。

資源整合就是要優化資源配置，有取有舍，學會"做減法",拋棄沒有前途的產品，獲得整體資源效率的最大化。從戰略上來說，資源整合是將企業內部、外部任何對于提升企業競爭力有幫助的資源通過組織協調進行優化；從戰術上來說，資源整合是從企業自身的發展出發，尋求自身發展與客戶需求的最佳平衡點，提高客戶服務水平。

資源整合還要求在實際操作過程中要做到目標性、系統性、科學性、經濟性和統一性，就是要求資源整合要圍繞某一目標進行，從企業整理利益角度，重視企業內外資源的統籌兼顧，有效結合，有序整合，做到資源整合方法的科學性、資源配置的有效性以及目標的一致性和過程的統一性，避免利益沖突阻礙資源的有效整合。

上述原則是進行信息服務的開發時首先需要考慮的問題，在具體的實現過程中，我們要時刻牢記這些原則，才能保障信息服務的獨特性、準確性和有效性。

5.2 利用數據挖掘設計推薦系統。

個性化服務最重要的就是把握用戶的獨特需求，形成核心競爭力，因此需要采用數據挖掘技術來設計推薦系統。推薦系統是由 Malone 等人在 1987 年提出的，在Malone 的論文中推薦系統被分為了三大類：內容過濾、社會過濾和經濟過濾，即Cognitive filtering、Social filtering 和 Economy filtering.在剛開始的時候，推薦系統被定義為以人們提供的推薦為輸入并對其整合后進行輸出以指導接收者的系統1,隨著推薦系統的發展，在越來越多的領域中有更廣泛的應用。

在將移動電子商務信息服務推向個性化的過程中，推薦系統可以說是最基本的一步，也是至關重要的一環，可以將瀏覽者轉變為購買者，幫助用戶發掘自身興趣，提高用戶購物的滿意度。推薦系統還可以提高移動電子商務企業的交叉銷售能力，可以在用戶進行消費的同時推薦與其購買的商品相配套或具有互補作用的高附加值、高利潤商品，以此提高移動電子商務平臺的銷售額并增加用戶對平臺的忠誠度和黏度。

在激烈競爭的移動電子商務市場中，一個電子商務 app 與其競爭對手的距離只有一次點擊那么遠，要想形成自身的特有競爭力，推薦系統是一種行之有效的方法，對于提高客戶的滿意度、忠誠度都有良好的效果，還可以幫助企業反饋用戶喜好，研發個性化的推薦方法，形成個性化定制的用戶界面，而顧客則"用手投票",選擇最能滿足自身需求的網站，形成忠誠度后多次在同一網站購物，每次購買行為發生后后臺推薦系統可以進一步校正用戶的需求和興趣，在多次之后達到基本能滿足顧客的個性化需求之后，就與用戶建立了強聯系的關系，顧客對平臺的忠誠度也就越高。即便別的競爭對手爭奪用戶，用戶也會因為不愿再花時間去"訓練"別家的系統。同時，在用戶使用過程中，除了推薦商品之外，也可以向用戶推薦志趣相投的朋友，以社交的魅力增強用戶黏性，這也是目前發展的方向。

總的來說，移動電子商務個性化推薦系統的主要包含信息輸入、信息預處理、數據挖掘、信息輸出四個過程。

5.2.1 信息輸入。

信息的輸入主要有兩種，一種是主動式的輸入，還有一種是被動式的獲取。

（1）主動輸入信息是指用戶明確地將自己的信息輸入平臺以獲取推薦，用戶在網站注冊時就被要求填寫自己的年齡、性別、學歷、興趣、愛好、收入、地區等信息。

在以后的購物過程中，網站會根據用戶注冊時輸入的信息來進行推薦。這是一種比較原始的方式，但確實效率較高，獲得的潛在顧客信息也比較準確，但輸入的信息不宜過多，不然會讓用戶產生反感，或者會讓用戶產生對隱私的擔憂導致棄用。

（2）被動獲取信息是指系統能夠自動地獲取用戶過往的瀏覽記錄、搜索記錄、收藏記錄、購買記錄以及用戶購物的時間、地點、價格、折扣、商品評價等信息，以此來分析用戶的偏好和行為特征。對于用戶主動輸入的信息來說，被動獲取的準確度要低一些，并且需要獲取較多數據才能"勾勒出大概的輪廓",但優勢也非常明顯，不需要用戶輸入，利用服務器自動抓取數據，無需人工干預，比較容易進行，但也面臨如何保護用戶隱私的困擾。

總之，以上兩種方式都有各自的優缺點，在實際的推薦系統中，針對不同的使用場景和開發者意圖，可以根據需要自由選擇主動或被動獲取的信息，以取得更好的用戶體驗，方便開發者進一步地進行數據處理。

5.2.2 信息預處理。

由用戶主動輸入或被動獲取大量原始信息之后，由于不同類型的數據具有不同的存儲要求、字段長度、存儲格式，需要對數據進行規范化的操作才能由計算機來進行分析，因此必須先對信息進行預處理，使之符合推薦算法的要求。大量無序信息的規范化一般采取的步驟為數據集成、數據清洗、數據變換、數據簡化.

（1）數據集成：將不同運行環境下產生的異構數據進行集成，使數據的語義規則一致，解決自然語言意義的模糊性問題。該部分主要進行數據的選擇、沖突數據的處理以及數據一致性的確定。

（2）數據清洗：數據清洗的目的是要消除數據中的錯誤數據、噪音數據和無意義的數據，檢查是否有數據遺漏，對數據進行清洗，剔除重復數據和無用數據。

（3）數據變換：通過切換、投影等操作找到表示數據特征的規范化表示方法，即找到數據內在的規律。

（4）數據簡化：在保持數據原貌的基礎上，最大幅度地進行數據的簡化，以方便推薦系統加以利用。

在進行完上述四個步驟之后，原始信息由起初雜亂無章的無序狀態變成了有統一格式、標準的數據，信息的預處理得以完成，有利于下一步數據挖掘時的速度，改善個性化推薦系統運行的性能，提高推薦的精確度。在某些情況下，信息的預處理并不是獨立的，可以在信息輸入的同時對已輸入的信息進行處理，尤其是應對大量信息時這樣做可以提高效率。

5.2.3 數據挖掘。

移動電子商務的推薦系統在獲取了信息，并對信息進行預處理之后，就可以利用這些信息進行數據挖掘，發現用戶的偏好以形成個性化的推薦作為自身平臺的核心競爭力。數據挖掘是整個個性化推薦系統中最為關鍵的一個步驟，算法的設計決定了推薦的進度以及運算資源的消耗等重要的指標,在個性化信息服務中可以采用的算法有以下幾類：關聯分析、數據分類、聚類分析。

（1）關聯分析。

關聯分析用于發現大量數據之間存在的關聯性或相關性關系，這些關系在電子商務過程中通常對應于商品和顧客之間，可以輔助商務決策的制定。關聯分析實際上回答了這樣一個問題："什么商品與什么商品之間存在著聯系。"在移動電子商務中，對銷售數據和客戶數據進行關聯性分析可以幫助企業進行產品分類設計、交叉營銷和促銷分析；對網站或 app 訪問數據的分析可以用來判斷顧客的習慣與產品銷量的相關性，從而改進頁面的；對競爭環境和競爭對手的數據進行關聯分析，則可用來判斷市場趨勢等。

關聯分析最主要的一個應用是交叉營銷，交叉營銷指的是向購買某商品的用戶提供新的產品和服務的營銷過程。例如某超市發現在嬰兒尿布銷量提高的同時啤酒的銷量也同步提高，這兩件看似毫無關系的事情其實存在著內在的相關性，因為男性被老婆叫去買尿布的時候經常會順帶買些自己喜歡喝的啤酒，于是超市就將尿布與啤酒放在同一貨柜上同時進行促銷，結果銷量雙雙大增。移動電子商務也是一樣的道理，通過數據挖掘在大量的數據中找出兩者的關聯性，建立精確的模型，并運用已經得到的模型對客戶和商品進行關聯度評分，依據評分的結果對客戶進行符合其個性特點的交叉營銷。

（2）數據分類。

數據分類是將大量的數據按照一定的規則分成不同特征的群體，分為兩個步驟，第一步是建立多個集合，描述其不同的分類特征，即制定分類標準，第二部是按照集合對數據進行分類。分類有著廣泛的應用，在移動電子商務中，可以用來進行選擇性地投遞廣告，進行客戶細分和信譽證明等，對網站的訪問記錄進行分類，可以知道每一類客戶最喜歡訪問的頁面分別是什么，在分辨不明晰的時候進行分類標準的調整，對競爭對手的數據進行分類可以進行競爭對手的甄別，但數據分類的時候需要預定義類，需要有一定的操作經驗，一般用于數據差異明顯的情況。

數據分類的一個典型應用是分類廣告投放，傳統的廣告商在投放廣告時沒有進行區分，不管消費者對廣告是否感興趣，在訪問網站或者收取信息時都會看到投放的廣告，可以說是"地毯式的轟炸",不是"精確制導的導彈".為了精準的廣告投放就必須對客戶進行分類，以降低宣傳成本，提高宣傳效果。例如一家服裝類電商，在換季的時候需要向老顧客推送廣告郵件或短信息，這家公司有一個銷售數據庫和一個客戶數據庫，描述了各個產品的銷量和客戶的基本屬性，但是不知道客戶對于所投放的廣告是否感興趣，這時候就需要對客戶進行分類。首先是建立模型，從銷售數據庫中隨機抽取一定量的（通常至少要達到三分之一）數據，組成訓練數據庫（用于建立原型）和評估數據庫（用于評估原型）。建立原型時需預先定義類，可以根據不同的需要做相應的調整，比如換季時分為"購買換季新品的用戶"、"購買原來打折品的用戶",或者按照頻次分為"每次換季都購買的用戶"、"不經常購買的用戶".對訓練數據庫進行預定義類的分析，可以篩選出幾類客戶的特征，建立分類原型，再使用評估數據庫對原型進行評估，達到評估的準確率就可以按照原型進行分類，然后就可以進行分類廣告的投放，為企業降低成本，達到個性化的效果。

（3）聚類分析。

聚類分析是將具體或抽象的對象的集合分組成由類似的對象組成的多個類的過程。與數據分類最大的不同點就是分類預先定義了類，而聚類分析一開始沒有預定義類，而是直接產生多個數據集合，經過不斷調整以達到同一特征的類聚合的效果。因此，聚類分析的算法更為復雜，應用也更為廣泛。移動電子商務活動會產生大量的底層數據，決策者無法從這些數據中得出有用的結論，經過聚類處理后，可以給決策者提供基于這些底層數據上分類視圖，可以讓決策者知道哪些顧客最忠誠，哪些顧客貢獻了最大的利潤；對某個行業的數據進行聚類分析，可以知道在這個行業中哪些企業取得了成功，而進一步分析可以確定成功企業取得成功的原因。

聚類分析可以用于客戶的保持。在激烈的市場競爭中，開發一個新客戶的成本遠遠高于維持一個老客戶，對于一個電子商務平臺來說，要想維持一個客戶對自身產品和服務的忠誠是很難的。通常來說單個老客戶對于利潤的貢獻率高于新客戶，因此維持老客戶就顯得尤為重要，企業迫切需要知道是什么原因導致了老客戶的離開?？梢詫ζ髽I的客戶數據庫（包括現有的和已經轉移走的客戶）進行聚類分析，以深入了解用戶情況，產生多個細分的客戶群，每個客戶群有不同的特征，如不同的年齡、職業、收入、使用頻度等，然后分析不同客戶群的遷移率，找出他們流失的原因，采取相應的措施降低遷移率，保持現有的客戶。

當然，數據挖掘的實際實施過程遠比上述的復雜，本文只提供大概的思路，不可否認的是，數據挖掘在移動電子商務中的應用有助于識別客戶的購買行為，發現顧客的購買模式和趨勢，改進信息服務的質量，取得更高的顧客滿意度，設計更好的展示頁面和營銷策略，提高個性化的服務水平。

5.2.4 信息輸出。

利用數據挖掘方法形成推薦信息之后，接下來就是信息的輸出環節，要將推薦的結果在適當的時候，適當的位置呈現給用戶，一般需要達到以下的目標：

（1）對于新注冊的用戶，推薦系統默認推薦最新的商品和銷量最高的商品，并且可以按照不同的屬性進行升序或降序排列。

（2）當用戶對特定商品提出查詢要求時，推薦系統根據查詢要求反饋結果，并按照相關度排列，同時推薦給用戶其他購買同一商品顧客可能會購買的商品。

（3）當用戶隨意瀏覽時，默認將最能吸引用戶的個性化推薦的結果排在前列，但要允許用戶自由定制自己希望了解的內容。

（4）可以顯示與正在瀏覽的用戶興趣相同的用戶所購買的商品，并顯示他們購買后的評價信息。

（5）能夠根據用戶放入購物車中但未結算的商品的特征和關聯度來進行推薦。

（6）可以通過短信、微信、QQ、微博等多種移動通信方式向用戶推送其可能感興趣的商品或內容的廣告。

以上六點貫穿了用戶在使用移動電子商務購物的基本流程，但要實現個性化的信息服務，還必須在每個環節都細致入微，一絲不茍，才能達到理想的效果。