论文部分内容阅读
摘要：电子商务个性化推荐极大提升了用户购物体验，引起了学界的广泛关注。计算机领域的学者首先对个性化推荐的算法、模型进行了研究，随后营销和信息系统领域的学者们也从消费者行为视角来探讨电子商务个性化推荐。本文将从用户接受和消费者的影响两个方面来阐述电子商务个性化推荐的研究现状及展望，以期为后续相关研究提供理论支持和帮助。
关键词：电子商务；个性化推荐；用户接受；用户评价
引言
近几年，电子商务网站迅猛发展，虽然给用户带来购物上的便利，但同时也让用户面临信息超载从而导致选择困难。因此，个性化推荐系统应运而生。电商网站中的个性化推荐系统可以根据当前消费者浏览、购买和评价等信息的输入，利用系统数据库中商品的属性信息以及相似消费者的历史数据，通过系统算法比对过滤，为当前消费者提出推荐建议[1]。
有关电子商务个性化推荐的研究大致分为两个方向：一是计算机领域学者致力于提升个性化推荐系统的推荐质量；二是营销和信息系统领域的学者们以管理和消费者行为视角来探讨电子商务个性化推荐。本文将在第二个方向下进行阐述，具体结构如下：首先介绍了个性化推荐的定义和类型，接着梳理了消费者行为视角的电子商务个性化推荐国内外文献，总结研究现状，最后提出展望。
1、个性化推荐的定义和类型
推荐系统是一种信息过滤和决策支持的工具，可以根据用户的客观行为或明确的偏好，主动向目标用户提供个性化信息、感兴趣的项目和决策支持，个性化推荐由推荐系统产生，是为用户展示感兴趣的信息、商品或服务的过程。其应用领域广泛，包括电影、音乐、书籍、文献、在线学习、电子商务等，以电子商务领域的应用最广泛突出。
个性化推荐过程包括数据输入、推荐算法和推荐结果输出。根据推荐算法的不同，将个性化推荐分为基于协同过滤的推荐、基于内容的推荐和混合推荐。
1.1 基于协同过滤的推荐
基于协同过滤的推荐依赖于许多消费者对产品的评价（例如，购买历史记录或评价）以及人口统计学和其他特征的数据库，以预测目标消费者对一些尚未体验过的产品的评价。基于协同过滤的推荐可以通过找出与当前用户相似兴趣的用户，将该用户感兴趣的东西推荐给当前用户，因此个性化程度较高、推荐的产品多样、覆盖的范围比较广。但是，由于其依赖于用户的评价信息和行为数据，因此当用户数据稀疏不足时，可能存在推荐算法表现差和无法将新产品和新用户进行匹配的问题。
1.2 基于内容的推荐
基于内容的推荐系统利用用户的个人偏好来提出建议，其可以根据用户的搜索、评价或者相关行为数据来构建用户信息库，过程简单透明，推荐的结果容易被用户理解和接受，同时也解决了新产品的问题，但其无法解决用户的冷启动问题。此外，由于其可以分析的内容有限，所以导致推荐的个性化程度较低，且有的商品特征属性抽取比较困难，很难做出精确的匹配。
1.3 混合推荐
混合推荐结合了两种或两种以上的推荐技术，以此获得更好的性能，同时减少任何单个推荐技术的缺点。这类推荐兼具两类算法的优点，但推荐过程比较复杂，运算量相对来说比较大。最常见的混合推荐是协同过滤与其他信息过滤技术相结合的模式。
2、基于消费者行为视角的电子商务个性化推荐研究现状
2.1 电子商务个性化推荐系统的用户接受相关研究
国内外学者对电子商务个性化推荐系统的用户接受大多以推荐系统受意愿为研究对象，以信息技术接受模型（TAM）、技术接受和使用整合模型（UTAUT）等为理论框架构建推荐系统接受模型。通过对国内外相关研究成果的梳理，发现影响用户接受个性化推荐系统的因素大致可以分为个体因素、系统因素和社会因素。
个体因素包括消费者知识、消费者特征和消费者对推荐系统的熟悉度。Sherrie（2006）实证研究用户的感知个性化和熟悉度影响对推荐系统的认知信任和情感信任进而影响用户接受推荐系统意愿[2]；马庆国（2009）得出用户的积极情绪能直接提高对推荐系统的接受意愿[3]；Victoria（2013）认为随着消费者产品知识水平的提高，推荐系统的推荐质量对消费者满意度的影响会变小[4]；王伟军等（2017）实证结果显示：具有创新性的用户更愿意采纳个性化推荐系统，隐私关注度负向影响用户采纳意愿[5]。
系统因素包括推荐系统类型、推荐系统质量和推荐信息质量。Baier（2010）认为展示有序，内容易被理解的信息更容易被消费者接受[6]；杨一翁等（2016）认为清晰的展示界面、透明且主动的推荐原因解释以及推荐系统的反馈和互动可以增强用户对推荐系统的感知有用性和感知易用性，最终影响用户采纳意向[1]；Nilashi（2016）实证得出推荐信息的准确性、新颖性和多样性会影响消费者对个性化推荐的信任[7]。
社会因素主要指主观规范。刘蓓琳（2009）认为主观规范对用户接受电子商务个性化推荐技术产生重要影响，其中包括社会规范和个人规范[8]；Jaewon（2011）指出个性化推荐增加了用户与其他人建立连接的程度，这种积极的连接程度影响用户对推荐系统的信任和使用意愿[9]。
2.2 电子商务个性化推荐对消费者的影响研究
2.2.1 对消费者购物体验的影响研究
消费者在網络购物时倾向于使用两阶段过程来达成他们的决策：首先，消费者常筛选大量可用产品，并确定考虑集；随后，他们在产品的重要属性上进行相对比较，并做出购买决策。陈明亮（2009）从消费者的购买决策过程和购买决策结果两方面构建了个性化推荐影响力模型，解释了个性化推荐影响消费者产品选择、决策质量和决策自信的机理[10]。但是当消费者意识到他们的自由被个性化推荐减少或威胁时，他们很可能会产生心理上的抗拒。
2.2.2 对消费者购买意愿的影响研究 个性化推荐是电子商务网站和消费者之间的关键接触点，更大的消费者参与度将会导致更高的购买产品意愿，且若个性化推荐与消费者自身期望契合度越高，越容易产生额外购买。Senecal（2004）对比其他推荐方式发现个性化推荐系统是最有影响力的推荐源头，此外，消费者更愿意购买推荐的体验产品而不是搜索产品[11]。此外，信息编排、推荐质量、呈现方式等对消费者的购买意愿都产生不同程度的影响。
3、研究展望
本文系统梳理了国内外有关消费者行为视角的个性化推荐相关文献，通过回顾整理发现：过去对推荐系统接受和用户评价的研究重点在系统层面，大都集中于用户对推荐系统的认知和态度，忽略了用户对推荐信息层面的感知；而由于消费者网络购买过程的复杂性，个性化推荐影响消费者决策方面的研究在当前及未来很长一段时间内都会处于研究的热点和前沿，还需后续的不断探索。因此，本文提出以下展望：
（1）研究者可以从信息层面来研究消费者对推荐信息的感知和采纳；
（2）研究者可以尝试运用实验法来模拟消费者购买行为来验证个性化推荐对消费者购买决策各个阶段的影响。
参考文献：
[1] 杨一翁，孙国辉，王毅.消费者愿意采纳推荐吗？——基于信息系统成功-技术接受模型[J].中央财经大学学报，2016（7）：109-117
[2] Komiak S Y X，BenbasatI.The effects of personalization and familiarity on trust and adoption of recommendation agents[J].MIS Quarterly，2006，30（4）：941-960.
[3] 马庆国，王凯，舒良超.积极情绪对用户信息技术采纳意向影响的实验研究——以电子商务推荐系统为例[J].科学学研究，2009， 27（10）：1557-1563.
[4] Yoon V Y，Hostler R E，GuoZ.Assessing the moderating effect of consumer product knowledge and online shopping experience on using recommendation agents for customer loyalty[J].Decision Support Systems， 2013， 55（4）：883-893.
[5] 王伟军，王阳，王玉珠.移动商务用户个性化推荐采纳行为影响因素的实证研究[J].系统管理学报，2017（5）：816-823.
[6] Baier D， Eva Stüber. Acceptance of recommendations to buy in online retailing[J]. Journal of Retailing and Consumer Services， 2010，17（3）：0-180.
[7] NilashiM， JannachD， Ibrahim O B.Recommendation quality， transparency， and website quality for trustbuilding in recommendation agents[J]. Electronic Commerce Research & Applications， 2016（19）：70-84.
[8] 刘蓓琳.电子商务用户个性化推荐技术接受影响因素研究[D].北京：中国矿业大学，2009.
[9] Choi J， Lee H J， Kim Y C.The Influence of Social Presence on Customer Intention to Reuse Online Recommender Systems：The Roles of Personalization and Product Type[J]. International Journal of Electronic Commerce， 2011，16（1）：129-154.
[10] 陳明亮， 蔡日梅. 电子商务中产品推荐代理对消费者购买决策的影响[J]. 浙江大学学报（人文社会科学版）， 2009， 39（05）：138-148.
[11] SenecalS，NantelJ.The influence of online product recommendations on consumers’online choices[J]. Journal of Retailing，2004，80（2）：159-169.
作者简介：
曹琦，江苏科技大学硕士研究生，研究方向：企业管理。
关键词：电子商务；个性化推荐；用户接受；用户评价
引言
近几年，电子商务网站迅猛发展，虽然给用户带来购物上的便利，但同时也让用户面临信息超载从而导致选择困难。因此，个性化推荐系统应运而生。电商网站中的个性化推荐系统可以根据当前消费者浏览、购买和评价等信息的输入，利用系统数据库中商品的属性信息以及相似消费者的历史数据，通过系统算法比对过滤，为当前消费者提出推荐建议[1]。
有关电子商务个性化推荐的研究大致分为两个方向：一是计算机领域学者致力于提升个性化推荐系统的推荐质量；二是营销和信息系统领域的学者们以管理和消费者行为视角来探讨电子商务个性化推荐。本文将在第二个方向下进行阐述，具体结构如下：首先介绍了个性化推荐的定义和类型，接着梳理了消费者行为视角的电子商务个性化推荐国内外文献，总结研究现状，最后提出展望。
1、个性化推荐的定义和类型
推荐系统是一种信息过滤和决策支持的工具，可以根据用户的客观行为或明确的偏好，主动向目标用户提供个性化信息、感兴趣的项目和决策支持，个性化推荐由推荐系统产生，是为用户展示感兴趣的信息、商品或服务的过程。其应用领域广泛，包括电影、音乐、书籍、文献、在线学习、电子商务等，以电子商务领域的应用最广泛突出。
个性化推荐过程包括数据输入、推荐算法和推荐结果输出。根据推荐算法的不同，将个性化推荐分为基于协同过滤的推荐、基于内容的推荐和混合推荐。
1.1 基于协同过滤的推荐
基于协同过滤的推荐依赖于许多消费者对产品的评价（例如，购买历史记录或评价）以及人口统计学和其他特征的数据库，以预测目标消费者对一些尚未体验过的产品的评价。基于协同过滤的推荐可以通过找出与当前用户相似兴趣的用户，将该用户感兴趣的东西推荐给当前用户，因此个性化程度较高、推荐的产品多样、覆盖的范围比较广。但是，由于其依赖于用户的评价信息和行为数据，因此当用户数据稀疏不足时，可能存在推荐算法表现差和无法将新产品和新用户进行匹配的问题。
1.2 基于内容的推荐
基于内容的推荐系统利用用户的个人偏好来提出建议，其可以根据用户的搜索、评价或者相关行为数据来构建用户信息库，过程简单透明，推荐的结果容易被用户理解和接受，同时也解决了新产品的问题，但其无法解决用户的冷启动问题。此外，由于其可以分析的内容有限，所以导致推荐的个性化程度较低，且有的商品特征属性抽取比较困难，很难做出精确的匹配。
1.3 混合推荐
混合推荐结合了两种或两种以上的推荐技术，以此获得更好的性能，同时减少任何单个推荐技术的缺点。这类推荐兼具两类算法的优点，但推荐过程比较复杂，运算量相对来说比较大。最常见的混合推荐是协同过滤与其他信息过滤技术相结合的模式。
2、基于消费者行为视角的电子商务个性化推荐研究现状
2.1 电子商务个性化推荐系统的用户接受相关研究
国内外学者对电子商务个性化推荐系统的用户接受大多以推荐系统受意愿为研究对象，以信息技术接受模型（TAM）、技术接受和使用整合模型（UTAUT）等为理论框架构建推荐系统接受模型。通过对国内外相关研究成果的梳理，发现影响用户接受个性化推荐系统的因素大致可以分为个体因素、系统因素和社会因素。
个体因素包括消费者知识、消费者特征和消费者对推荐系统的熟悉度。Sherrie（2006）实证研究用户的感知个性化和熟悉度影响对推荐系统的认知信任和情感信任进而影响用户接受推荐系统意愿[2]；马庆国（2009）得出用户的积极情绪能直接提高对推荐系统的接受意愿[3]；Victoria（2013）认为随着消费者产品知识水平的提高，推荐系统的推荐质量对消费者满意度的影响会变小[4]；王伟军等（2017）实证结果显示：具有创新性的用户更愿意采纳个性化推荐系统，隐私关注度负向影响用户采纳意愿[5]。
系统因素包括推荐系统类型、推荐系统质量和推荐信息质量。Baier（2010）认为展示有序，内容易被理解的信息更容易被消费者接受[6]；杨一翁等（2016）认为清晰的展示界面、透明且主动的推荐原因解释以及推荐系统的反馈和互动可以增强用户对推荐系统的感知有用性和感知易用性，最终影响用户采纳意向[1]；Nilashi（2016）实证得出推荐信息的准确性、新颖性和多样性会影响消费者对个性化推荐的信任[7]。
社会因素主要指主观规范。刘蓓琳（2009）认为主观规范对用户接受电子商务个性化推荐技术产生重要影响，其中包括社会规范和个人规范[8]；Jaewon（2011）指出个性化推荐增加了用户与其他人建立连接的程度，这种积极的连接程度影响用户对推荐系统的信任和使用意愿[9]。
2.2 电子商务个性化推荐对消费者的影响研究
2.2.1 对消费者购物体验的影响研究
消费者在網络购物时倾向于使用两阶段过程来达成他们的决策：首先，消费者常筛选大量可用产品，并确定考虑集；随后，他们在产品的重要属性上进行相对比较，并做出购买决策。陈明亮（2009）从消费者的购买决策过程和购买决策结果两方面构建了个性化推荐影响力模型，解释了个性化推荐影响消费者产品选择、决策质量和决策自信的机理[10]。但是当消费者意识到他们的自由被个性化推荐减少或威胁时，他们很可能会产生心理上的抗拒。
2.2.2 对消费者购买意愿的影响研究 个性化推荐是电子商务网站和消费者之间的关键接触点，更大的消费者参与度将会导致更高的购买产品意愿，且若个性化推荐与消费者自身期望契合度越高，越容易产生额外购买。Senecal（2004）对比其他推荐方式发现个性化推荐系统是最有影响力的推荐源头，此外，消费者更愿意购买推荐的体验产品而不是搜索产品[11]。此外，信息编排、推荐质量、呈现方式等对消费者的购买意愿都产生不同程度的影响。
3、研究展望
本文系统梳理了国内外有关消费者行为视角的个性化推荐相关文献，通过回顾整理发现：过去对推荐系统接受和用户评价的研究重点在系统层面，大都集中于用户对推荐系统的认知和态度，忽略了用户对推荐信息层面的感知；而由于消费者网络购买过程的复杂性，个性化推荐影响消费者决策方面的研究在当前及未来很长一段时间内都会处于研究的热点和前沿，还需后续的不断探索。因此，本文提出以下展望：
（1）研究者可以从信息层面来研究消费者对推荐信息的感知和采纳；
（2）研究者可以尝试运用实验法来模拟消费者购买行为来验证个性化推荐对消费者购买决策各个阶段的影响。
参考文献：
[1] 杨一翁，孙国辉，王毅.消费者愿意采纳推荐吗？——基于信息系统成功-技术接受模型[J].中央财经大学学报，2016（7）：109-117
[2] Komiak S Y X，BenbasatI.The effects of personalization and familiarity on trust and adoption of recommendation agents[J].MIS Quarterly，2006，30（4）：941-960.
[3] 马庆国，王凯，舒良超.积极情绪对用户信息技术采纳意向影响的实验研究——以电子商务推荐系统为例[J].科学学研究，2009， 27（10）：1557-1563.
[4] Yoon V Y，Hostler R E，GuoZ.Assessing the moderating effect of consumer product knowledge and online shopping experience on using recommendation agents for customer loyalty[J].Decision Support Systems， 2013， 55（4）：883-893.
[5] 王伟军，王阳，王玉珠.移动商务用户个性化推荐采纳行为影响因素的实证研究[J].系统管理学报，2017（5）：816-823.
[6] Baier D， Eva Stüber. Acceptance of recommendations to buy in online retailing[J]. Journal of Retailing and Consumer Services， 2010，17（3）：0-180.
[7] NilashiM， JannachD， Ibrahim O B.Recommendation quality， transparency， and website quality for trustbuilding in recommendation agents[J]. Electronic Commerce Research & Applications， 2016（19）：70-84.
[8] 刘蓓琳.电子商务用户个性化推荐技术接受影响因素研究[D].北京：中国矿业大学，2009.
[9] Choi J， Lee H J， Kim Y C.The Influence of Social Presence on Customer Intention to Reuse Online Recommender Systems：The Roles of Personalization and Product Type[J]. International Journal of Electronic Commerce， 2011，16（1）：129-154.
[10] 陳明亮， 蔡日梅. 电子商务中产品推荐代理对消费者购买决策的影响[J]. 浙江大学学报（人文社会科学版）， 2009， 39（05）：138-148.
[11] SenecalS，NantelJ.The influence of online product recommendations on consumers’online choices[J]. Journal of Retailing，2004，80（2）：159-169.
作者简介：
曹琦，江苏科技大学硕士研究生，研究方向：企业管理。