1.推薦系統(tǒng)的作用

隨著信息技術(shù)和互聯(lián)網(wǎng)的發(fā)展，我們已經(jīng)進(jìn)入一個(gè)信息過(guò)載的時(shí)代。在這個(gè)時(shí)代，無(wú)論是信息消費(fèi)者還是信息生產(chǎn)者都遇到了巨大的挑戰(zhàn)，即如何生產(chǎn)和獲取適合的信息，都是一件困難的事情，而基于數(shù)據(jù)分析的推薦系統(tǒng)則是解決這一挑戰(zhàn)的重要利器。所謂推薦系統(tǒng)，就是通過(guò)對(duì)用戶的購(gòu)買，訪問(wèn)等信息進(jìn)行分析，從中識(shí)別出用戶的偏好，從而建立起用戶同信息之間的關(guān)系，將用戶感興趣的信息推送給該用戶。

在電子商務(wù)行業(yè)，推薦系統(tǒng)不單單可以更好地幫助商家進(jìn)行熱門產(chǎn)品的銷售，更多的在于挖掘商品的長(zhǎng)尾，從而實(shí)現(xiàn)更多的冷門商品銷售。但就商品而言，那些冷門的長(zhǎng)尾商品往往只代表了一小部分用戶的個(gè)性化需求，只有通過(guò)對(duì)用戶興趣的充分分析，才能更好的挖掘出商品的需求，最終提升這些產(chǎn)品的銷售情況。

推薦系統(tǒng)，主要是通過(guò)對(duì)用戶訪問(wèn)、瀏覽和購(gòu)買產(chǎn)品等行為進(jìn)行分析，從中識(shí)別出用戶的商品偏好，幫助電子商務(wù)商家進(jìn)行更為個(gè)性化的產(chǎn)品推薦，在這個(gè)過(guò)程中，數(shù)據(jù)分析起到了關(guān)鍵性的作用。我們通過(guò)數(shù)據(jù)分析，去識(shí)別用戶的行為以及其同產(chǎn)品之間的關(guān)聯(lián)性，將適合的產(chǎn)品在適合的時(shí)間，通過(guò)便捷的操作方式提供給適合的用戶。

2.冷門商品的推薦

就現(xiàn)在情況來(lái)看，當(dāng)前最為普遍的商品推薦主要是利用產(chǎn)品之間的關(guān)聯(lián)性進(jìn)行推薦。比如用戶去電商網(wǎng)站點(diǎn)擊瀏覽了A商品，那么電商網(wǎng)站立即基于產(chǎn)品之間的關(guān)聯(lián)性，將具有高關(guān)聯(lián)度的產(chǎn)品B推薦給該用戶。但在傳統(tǒng)的關(guān)聯(lián)算法中，當(dāng)A和B同為熱門商品時(shí)，商品本身購(gòu)買的次數(shù)就很多，商品A和B的支持度較高，商品A和B之間的關(guān)聯(lián)性就更加容易被發(fā)現(xiàn);反之，如果商品A或者B是一件冷門商品，它們之間的支持度可能較低，但一旦它們之間有著較強(qiáng)的置信度，可以確認(rèn)兩者之間有著較強(qiáng)的關(guān)聯(lián)性，進(jìn)行冷門商品的推薦，對(duì)于用戶和商家來(lái)說(shuō)，都是更有意義的。但在實(shí)際的挖掘過(guò)程中，這些冷門商品的關(guān)聯(lián)分析，由于購(gòu)買記錄數(shù)量較少，傳統(tǒng)的關(guān)聯(lián)算法可能難以實(shí)現(xiàn)對(duì)于冷門商品關(guān)聯(lián)性的挖掘，也給我們的冷門商品的推薦帶來(lái)了不小的難題。

對(duì)于冷門商品的推薦，我們需要人工的去從數(shù)據(jù)出發(fā)，通過(guò)不斷探索數(shù)據(jù)之間的關(guān)系，去更好地找到關(guān)聯(lián)產(chǎn)品，并基于規(guī)則進(jìn)行計(jì)算。很多我們事先設(shè)定好的規(guī)則，在這里的效果都不是太好，它更傾向于通過(guò)人的思維去逐步發(fā)現(xiàn)蘊(yùn)含著數(shù)據(jù)之間的蛛絲馬跡。JMP，作為SAS(全球最大的統(tǒng)計(jì)學(xué)軟件公司)推出的一種交互式可視化統(tǒng)計(jì)發(fā)現(xiàn)軟件系列，強(qiáng)調(diào)以統(tǒng)計(jì)方法的實(shí)際應(yīng)用為導(dǎo)向，交互性、可視化能力強(qiáng)。我們借助JMP強(qiáng)大的數(shù)據(jù)交換能力，可以實(shí)現(xiàn)對(duì)于海量數(shù)據(jù)的探索性數(shù)據(jù)分析，幫助我們快速地進(jìn)行數(shù)據(jù)分析工作，更為重要的是，JMP的交互性可以滿足我們對(duì)于數(shù)據(jù)分析的種種要求，實(shí)現(xiàn)從未知到已知，從多到少，逐步識(shí)別各種商品之間的關(guān)系，更好地進(jìn)行商品關(guān)聯(lián)分析。

圖：利用JMP的圖形生成器進(jìn)行圖形化的探索性分析

3.用戶的分類及識(shí)別

除了利用產(chǎn)品之間的關(guān)聯(lián)性進(jìn)行產(chǎn)品推薦之外，利用用戶之間的關(guān)系進(jìn)行產(chǎn)品推薦也是一種重要的產(chǎn)品推薦方式。當(dāng)我們認(rèn)定A用戶同B用戶是具有相同偏好的用戶時(shí)，如果A用戶成功購(gòu)買過(guò)A商品，我們即可將A商品也推薦給B用戶。通過(guò)分類，我們可以很好地識(shí)別用戶，進(jìn)而實(shí)行更有針對(duì)性的產(chǎn)品推薦，但現(xiàn)在的問(wèn)題是我們面臨的商品分類和數(shù)量超乎我們的想象，商品之間的特性不盡相同，一個(gè)普遍性的用戶分類難以應(yīng)用于所有商品的推薦，即A和B用戶都是40歲左右已婚中年婦女，但A用戶愛好文學(xué)，平時(shí)喜歡看文學(xué)小說(shuō)，B用戶熱衷理財(cái)投資，關(guān)注投資理財(cái)知識(shí)的學(xué)習(xí)，她們之間的收入也存在較大差異。我們只有在確定各類商品特性的情況下，基于商品的特性再進(jìn)行分類屬性的選擇，才能為每一類商品的客戶選擇提供更為準(zhǔn)確的依據(jù)。但實(shí)現(xiàn)情況下，商品種類太多，用戶人群太大，都成為阻礙我們進(jìn)行精細(xì)客戶分類的障礙。JMP提供的分割(即決策樹)平臺(tái)，可以基于任意目標(biāo)變量，進(jìn)行基于關(guān)鍵因子的用戶篩選，幫助我們快速找到區(qū)分客戶的關(guān)鍵因素，實(shí)現(xiàn)基于不同問(wèn)題的快速用戶分類。

圖：基于分割(即決策樹)平臺(tái)的客戶分類

4.其他規(guī)則的發(fā)現(xiàn)

除了商品和用戶之間的關(guān)系之外，用戶對(duì)于信息需求的時(shí)間，獲取的方式等等規(guī)律也是推薦系統(tǒng)需要關(guān)注的問(wèn)題。只有將這些因素更好的結(jié)合到一起，用戶才能更好的響應(yīng)我們的推薦，而這些都依賴于數(shù)據(jù)分析的作用。