电子商务个性化推荐系统(Personalized Recommendation System in E-commerce),是建立在数据挖掘基础上的一种高级智能商务系统,帮助电子商务网站为其顾客购物提供个性化的商品推荐和信息服务。电子商务个性化推荐系统在电子商务网站得到了广泛应用,扮演着重要角色,在为网站顾客提供快速准确的商品推荐、促进顾客购买、提供个性化服务、提高网站交叉销售能力等方面发挥越来越重要的作用。而顾客满意度则是企业提高竞争力的重要因素,能够提升顾客的忠诚度并促进顾客的重复购买。因此,提高个性化推荐系统的顾客满意度对电子商务企业具有重要意义。本文在阅读了大量文献的基础上,对国内外电子商务个性化推荐系统及其顾客满意度进行了分析和总结,考察了国内外有关电子商务个性化推荐系统顾客满意度的评价指标体系,并以SERVQUAL量表为模型,设计了本文的电子商务个性化推荐系统顾客满意度评价指标体系。该顾客满意度评价指标体系包括了推荐内容、服务质量、系统反应、技术能力和支持效应五个一级指标以及21个二级评价指标。同时采用层次分析法(AHP),并辅助以Matlab软件进行计算,对各级指标进行了权重赋予。最后,本文通过灰色关联分析法对京东商城、亚马逊和淘宝网三家电子商务网站的个性化推荐系统顾客满意度进行了分析。以本文设计的电子商务个性化推荐系统顾客满意度评价指标体系为依据,本文设计了相应的调查问卷,并分别进行了发放和回收。通过灰色关联分析,得出三家电子商务网站的个性化推荐系统的顾客满意度“淘宝网>京东商城>亚马逊”的结论。本文进一步从一级指标层面分析了三家电子商务网站个性化推荐系统的灰色关联度及其排序,通过对各一级指标和二级指标的深入分析,提出了提高推荐内容质量、提高推荐服务的准确性、加强顾客与推荐系统的交互体验、提升推荐系统的实用效应和增强推荐系统对顾客购买决策的支持性等建议,提高电子商务个性化推荐系统的顾客满意度。