网络推荐：营销智能系统的实践，本文主要内容关键词为：智能论文,系统论文,网络论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
2006年10月，Netflix投入上百万美元组织了一项竞赛活动，用以奖励那能够为其DVD推荐系统作出10%（以推荐系统使用者的评分等级衡量）改进的团队。不考虑组织一个上百万美元活动为企业所带来的非凡的宣传效用，长尾理论的提出者Chris Anderson及其众多支持者和研究评论者都认为，推荐系统10%的改进最终带给Netflix的效益将远远超过其投入。
究竟什么是网络推荐系统，为什么Netflix会如此重视它，它到底能为企业带来什么样的影响？
关注特定使用者
推荐系统，其思想可以追溯至两位学者Negroponte和Kay，他们分别在1970年和1984年推出了各自的研究成果《The Architecture Machine》和《Computer Software》。然而，这种“智能系统”的实践应用却是近期的事。随着网络公司如Amazon.com、Netflix等获得成功，推荐系统越来越受到重视。
Bo Xiao和Izak Benbasat认为，推荐系统是一种通过获取使用者个人的兴趣和偏好信息，加以综合处理，并据此作出推荐建议的软件。Weiquan Wang认为，推荐系统是一种基于网络的软件，以使用者个人的兴趣、偏好、以往购物行为记录等为基础，作出相应的推荐。Asim Ansari、Skander Essegaier和Rajeey Kohli认为，推荐系统是一种具备代理性质的软件，利用使用者的行为和偏好信息，过滤可能的购买选择，并作出建议。Hubl和Trifts认为，它是一种通过掌握使用者对某特定产品的偏好信息，了解使用者的决策偏向性，进而以列表的形式向使用者作出推荐的工具软件。Ting-Peng Liang、Hung-Jen Lai和Yi-Cheng Ku认为，它是一种信息系统，在评估使用者偏好的基础上，作出符合特定消费者喜好的产品或者内容，其核心是辨识和评估适合推荐的内容的重要性。Ansaretal认为，它是一种基于消费者的需要和偏好信息，代表顾客进行一系列的行为，并作出购买建议的软件实体程序。然而，所有的定义表述的实质内容基本一致，都认为推荐系统应当包括以下三方面内容：是一种软件；需要获得使用者个人的兴趣、偏好等相关信息，并进行处理；作出推荐建议。
不同的推荐系统，其表现形式有所不同。从销售排行榜到用户评级打分，从“浏览过、买了该商品的人，同样也浏览了、买了……”到编辑推荐或用户评论，都可以被视为推荐系统的表现方式。但是，它们对不同的商品和不同的顾客所能产生的效果并不一样，产品种类（如搜索产品和体验产品）和复杂程度，消费者所拥有的产品相关知识的多寡，推荐系统采用的算法和使用者偏好结构的相似性等，都会影响推荐系统的最终效果。因此，商家有必要有选择地采用多种推荐系统形式，形成一个综合性的推荐系统体系。
解决供给和需求分裂所带来的难题
推荐，本质上是一种消费者兴趣爱好的共享。借助这种共享行为，对于消费者而言，可以找到和自己爱好类似的同伴，形成特定的消费偏好群体，并相互学习以改进自己的消费决策行为。对于营销者而言，在广告等宣传手段的效果越来越弱的情况下，推荐作为一种消费者之间的信息传播行为，其被消费者信赖的程度要远远高于营销者所做的各种营销宣传努力。而且，由推荐而自动形成的消费群体免去了传统营销行为——细分市场时存在的营销者主观介入过多的可能和细分变量选择的困境。因此，如何借助推荐进行更为有效的营销是新的市场环境中营销者需要重新思考的一个重要问题。
如今，借助网络的扩散作用，消费者不仅能够看到营销者提供的所有产品，同时也能方便地得到它们。但是，能够看到所有的产品，能够方便地得到想要的产品，并不意味着消费者能够过滤繁多的信息，识别并找到自己真正想要的产品。供给的极大丰富造成了消费者的信息过载，而网络使这种情况进一步恶化。因此，考虑到消费者有限的信息认知能力和处理能力，丰富的产品信息供给未必能够提高消费者的感知价值。
消费者需求正在分裂并形成“小群体”，这是买方市场的一个重要特点。供给的丰富使得消费者的选择空间变得更大，更能够按照自己的爱好作出消费决策，形成有特定偏好的小群体，而不必盲从于大众文化。小众群体的出现使得电视、电台等大众营销宣传手段的效果越来越差，营销者必须寻求性价比更高的“小众营销”。虽然，补缺营销中的很多手段可以为我们所借鉴，但是这些手段都缺少可变动的灵活性，也就是说，适合这个补缺市场的手段未必适合另一个补缺市场。将推荐视为一种“小众营销”手段同样存在上述困难，因为推荐建议的产生通常是基于相似的偏好或者是对特定主题内容的深度了解。偏好或者主题以外的推荐内容通常难以获得信任。所以，若要将推荐作为一种有效的营销手段，我们需要克服的一个问题是如何获得多个推荐基础并实现灵活转换？
推荐系统对消费者和营销者的影响
网络推荐系统作为一种通过搜集、处理使用者的个人信息，并据此向其作出相应推荐建议的软件，其信息的搜集、处理以及建议的作出都可以在一定的规范下实现自动化，而且建议的作出可以根据产品和消费者的不同而有所不同，这就很好地克服了推荐基础的获得和灵活转换的问题。
■推荐系统对消费者的影响
对于消费者而言，网络推荐系统可以被视为一种辅助其作出消费决策的支持系统，可以帮助其减少决策所付出努力，提升决策质量。消费者的决策努力可以从决策所耗时间和产品搜索程度来衡量。决策所耗时间是指消费者搜寻产品信息和作出购买决策所花的时间。由于推荐系统承担了沉闷和繁琐的基于消费者偏好的产品选集的筛选和整理，消费者能够减少信息搜索时间并集中精力于那些更优的符合要求的选择上。产品搜索程度是指消费者已经搜寻过的，但需要更多的相关信息以进一步考虑是否购买的产品可选择集合的数目。推荐系统依照消费者提供的偏好信息，向他们提供了一个预测的按对特定消费者吸引力大小排列的推荐列表，因此，较之于没有使用推荐系统的消费者，推荐系统使用者只需要搜寻和获取更少可选择产品（如推荐列表中的前几项）的信息。这就大大降低了消费者所需要考虑的产品选择集合，减少了消费者需要找寻的信息量和评估信息的工作量，也就相应地减少了作出决策所需付出的努力。
推荐系统作为一种网络营销工具，能够有效地解决供给极大化和消费者需求分裂所带来的营销难题。
■推荐系统对营销者的影响
推荐系统对于营销者的影响，主要可以从降低营销成本和提高营销准确性两方面来考虑。产品的丰富性和消费者小众群体的出现，使得企业宣传的产品覆盖面受到限制，大众宣传的经济性受到置疑。在传统的营销手段中，基于营销资源的有限性和投入回报的考虑，企业不能为所有的产品都进行宣传，也不能对所有的产品在宣传时都一视同仁。因此，有选择地进行重点宣传是营销者常用的策略。但是，市场需求的日趋分化增加了识别营销重点的困难程度，同时也促使营销者不得不将营销资源分散到各个可能有效的小众市场上。这不仅减少了营销资源的规模效应，也增加了营销活动之间的协调成本，不利于提高营销活动的效率。
传统的营销细分是按照社会人口统计细分进行的。在这样的前提下，营销者是针对某个特定的人口细分市场中典型顾客的需求进行产品设计的，因此他们无法断定任何一位特定的顾客是否会购买这一产品，营销者只能从概率的角度说明顾客购买的可能性。营销者若想提供对顾客真正有意义的产品，就必须将产品和顾客的真正需求联系起来。而要做到这一点，就应该根据顾客的实际生活方式进行市场细分。
推荐系统的采用可以较好地解决上述两方面的问题。由于推荐系统的信息采集、处理和推荐建议的作出由一套软件自动实现并实时生成，所以大大提高了营销效率。而且对于所有的产品而言，实现这样一个过程，其成本是一样的，企业无需再为特定营销资源的分配伤脑筋。虽然推荐系统是以同样的低成本方式对所有的产品进行宣传和促销，但却不是以“一刀切”的方式进行的，它所作出的推荐建议是基于对隐含顾客偏好信息的消费行为的分析，如顾客个人以往的消费记录、具备相似偏好的其他消费者的消费结果、其他消费者的消费统计等等。每一种推荐的作出都是建立在试图契合顾客偏好基础之上的，因此，推荐系统可以帮助营销者避免从事营销活动的主观性，增强营销的准确性。
推荐系统作为一种网络营销工具，能够有效地解决供给极大化和消费者需求分裂所带来的营销难题。作为一个软件，其营销功能的实现无需营销者的过多介入，基本实现了营销自动化，大大减少了营销成本。同时，信息技术的应用避免了大量信息下营销活动顾此失彼的不足，能够把所有的产品联系起来形成一个整体。因此，推荐系统应当在未来引起营销者足够的重视。