基於移動互連網的電子商務個人化推薦的一些思考

在上周晚上冒著大雨參加了IT龍門陣主辦的，由口袋購物候迅發表的主題為“智能推薦在移動電子商務中的應用”的主題演講。在演講中，候迅提出了一種”發現式無意識購物“的觀點。很多人在很多時候，去商場，或者去壓馬路，可能並不是專門買什麼而去的，或者是為了專門買什麼而去，但是在逛的過程中，發現了一些促銷資訊、一些吸引眼球的廣告、一些好玩感興趣的東西等等，在很大可能上會產生購買行為。

由於手機的移動性，隨處可用，無處不在，我覺得在移動互連網上實現”發現式無意識購物“更具有意義。使用者購物，使用者在手機上逛街，這些都是使用者行為，但是怎麼提供給使用者虛擬購物環境，也就是這個”街“，讓使用者在無目的行為中，產生興趣，促使消費，這就是移動互連網應用開發商應該考慮的問題。

現實生活中，我的購物環境，也就是這個街，正常情況是個死的。你今天去，還是明天去，店鋪商品一般變化不大。但是在移動互連網的虛擬環境下，就不會存在這種情況。他沒有時間性，沒有地區性。在現實中逛街，當你在店鋪裡面發現了一件自己感興趣的商品，那麼店員就會給你講解溝通。在網路上，當然不會存在類似的角色，但是，我覺得，智能推薦提供了類似的功能。

智能推薦、Recommendation Engine、個人化智能推薦，這些都是在電子商務領域不可缺少的功能和研究課題。通過對使用者行為的分析，使用者分類彙總，推薦使用者可能感興趣的商品，這就是商品Recommendation Engine的目錄。

個人化智能推薦，我覺得也可以稱之為基於內容相關的推薦。使用者個人化推薦區別於普適推薦，使用者在使用應用時，有一些當時的使用情境，即上下文資訊，比如時間、所處地理位置、活動狀態、網路狀態等等。

基於內容相關的個人化智能推薦，這是一個目前在學術界研究的一個痛點課題，據我所知目前還沒有完善的模型。在實際應用中，我覺得可以這麼處理，一種方法是 利用上下文資訊在資料處理前進行過濾，另一種方式是在資料處理後，利用上下文資訊對結果進行過濾，第三種方法就是在運行時，根據上下文資訊參與資料運算。我覺得前兩種方法應該更容易些。

無論是傳統的普適推薦，還是個人化推薦，還是基於內容相關的個人化推薦，都離不開基本數學理論，但是針對實際應用情境，採用適合自己的演算法，模型，還是需要在實踐應用中進行逐步調整。