王茜+錢(qián)力

摘要：在以博客、社交網(wǎng)絡(luò)、云計(jì)算、物聯(lián)網(wǎng)等信息發(fā)布方式和技術(shù)為載體的大數(shù)據(jù)時(shí)代，數(shù)據(jù)具有異構(gòu)復(fù)雜、增長(zhǎng)劇烈的特征，用戶對(duì)信息的個(gè)性化、知識(shí)化、專業(yè)化、智能化的需求，給商務(wù)網(wǎng)站個(gè)性化推薦服務(wù)帶來(lái)極大挑戰(zhàn)。從梳理大數(shù)據(jù)和個(gè)性化推薦服務(wù)內(nèi)涵入手，本文分析了大數(shù)據(jù)背景下商務(wù)網(wǎng)站個(gè)性化推薦服務(wù)所呈現(xiàn)的新特征和面臨的挑戰(zhàn)，從精準(zhǔn)深度挖掘、數(shù)據(jù)關(guān)聯(lián)、個(gè)性化決策、知識(shí)化平臺(tái)等視角，探討了大數(shù)據(jù)背景下商務(wù)網(wǎng)站個(gè)性化推薦服務(wù)的發(fā)展方向。

關(guān)鍵詞：大數(shù)據(jù)；商務(wù)網(wǎng)站；個(gè)性化推薦服務(wù)；語(yǔ)義網(wǎng)；知識(shí)組織

中圖分類號(hào)：F7246文獻(xiàn)標(biāo)識(shí)碼：B

收稿日期：2014-03-20

作者簡(jiǎn)介：王茜（1981-），女，河南項(xiàng)城人，中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心博士后，河南師范大學(xué)商學(xué)院副教授，管理學(xué)博士，研究方向：電子商務(wù)、企業(yè)戰(zhàn)略管理；錢(qián)力（1981-），男，河南項(xiàng)城人，中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心館員，中國(guó)科學(xué)院大學(xué)博士研究生，研究方向：智能信息處理與信息可視化。

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金后期資助項(xiàng)目“數(shù)字資源長(zhǎng)期保存的技術(shù)研究與實(shí)踐”，項(xiàng)目編號(hào)：09FTQ005。

博客、社交網(wǎng)絡(luò)、基于位置的服務(wù)（LBS）等新型信息發(fā)布方式的涌現(xiàn)，以及云計(jì)算、物聯(lián)網(wǎng)等技術(shù)的興起，將人們帶入大數(shù)據(jù)時(shí)代[1]。海量數(shù)據(jù)在為商業(yè)網(wǎng)站制定決策提供越來(lái)越充分的信息的同時(shí)，也給商務(wù)網(wǎng)站個(gè)性化推薦服務(wù)帶來(lái)極大挑戰(zhàn)：一方面，數(shù)據(jù)的異構(gòu)復(fù)雜性、增長(zhǎng)的劇烈性，而且商務(wù)網(wǎng)站的商業(yè)氛圍逐步成熟、飽和度也逐步提高，迫使它們的信息服務(wù)模式做出改進(jìn)、突破；另一方面，服務(wù)用戶也被雜亂無(wú)章的海量數(shù)據(jù)包圍，要求商務(wù)網(wǎng)站充分利用現(xiàn)代信息技術(shù)，更準(zhǔn)確、及時(shí)及更智能的為服務(wù)用戶提供主動(dòng)化、人性化、個(gè)性化、系統(tǒng)化、專業(yè)化的服務(wù)。因此，關(guān)注大數(shù)據(jù)環(huán)境下電子商務(wù)個(gè)性化推薦服務(wù)的特征與挑戰(zhàn)，探討個(gè)性化推薦服務(wù)新的發(fā)展動(dòng)向，對(duì)于打造商務(wù)網(wǎng)站競(jìng)爭(zhēng)優(yōu)勢(shì)、拓展個(gè)性化推薦服務(wù)研究?jī)?nèi)容等方面具有重要的實(shí)踐意義和理論意義。

一、大數(shù)據(jù)的內(nèi)涵與特性

隨著信息爆炸式增長(zhǎng)，“大數(shù)據(jù)”一詞越來(lái)越成為人們關(guān)注的熱點(diǎn)與焦點(diǎn)，先后被《自然》雜志、計(jì)算機(jī)社區(qū)聯(lián)盟、麥肯錫、《華爾街日?qǐng)?bào)》、《紐約時(shí)報(bào)》、瑞士達(dá)沃斯世界經(jīng)濟(jì)論壇、奧巴馬政府等以不同形式進(jìn)行討論。在中國(guó)，“大數(shù)據(jù)”也已成為炙手可熱的話題，僅以中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)檢索為例，截止到2014年3月1日，以大數(shù)據(jù)為題名的論文2 633篇，2013年之前共發(fā)文539篇，而2013年全年發(fā)文達(dá)到1 833篇，主要涵蓋計(jì)算機(jī)技術(shù)、經(jīng)濟(jì)戰(zhàn)略、電子政務(wù)、新聞傳媒、電子商務(wù)、企業(yè)管理等領(lǐng)域。關(guān)于大數(shù)據(jù)的內(nèi)涵雖然尚未統(tǒng)一，但通過(guò)梳理相關(guān)表述（表1），發(fā)現(xiàn)對(duì)大數(shù)據(jù)的關(guān)注點(diǎn)卻是趨于一致的，認(rèn)為大數(shù)據(jù)是指那些超出傳統(tǒng)數(shù)據(jù)庫(kù)系統(tǒng)處理能力的數(shù)據(jù)，具有規(guī)模性、復(fù)雜性、高速性、時(shí)效性及價(jià)值性。在大數(shù)據(jù)時(shí)代，一方面，數(shù)據(jù)不再僅僅承載著簡(jiǎn)單記錄功能，也不再是一堆凌亂的數(shù)字，而是承載著信息和知識(shí)的金礦，具有巨大的經(jīng)濟(jì)價(jià)值與社會(huì)價(jià)值。另一方面，數(shù)據(jù)來(lái)源的多樣性、數(shù)據(jù)增長(zhǎng)的劇烈性、數(shù)據(jù)規(guī)模的龐大性、數(shù)據(jù)價(jià)值的時(shí)效性、數(shù)據(jù)之間的關(guān)聯(lián)性等方面，都對(duì)目前的數(shù)據(jù)處理能力與方式具有挑戰(zhàn)性。

二、電子商務(wù)個(gè)性化推薦服務(wù)內(nèi)涵與模式

在互聯(lián)網(wǎng)普及的時(shí)代，為了解決顧客信息超載的問(wèn)題，引導(dǎo)顧客較為便捷地找到打算購(gòu)買(mǎi)的商品，推薦系統(tǒng)便成為眾多電子商務(wù)企業(yè)提供的一種服務(wù)模式。所謂推薦系統(tǒng)，是一種根據(jù)顧客的需求、偏好、個(gè)人資料及歷史交易行為，為網(wǎng)絡(luò)消費(fèi)者提供決策建議的軟件系統(tǒng)，如推薦他們想要的商品或從哪里獲得想要的商品[7-9]。傳統(tǒng)電子商務(wù)推薦服務(wù)，或是基于顧客歷史數(shù)據(jù)來(lái)抽取和推薦他們共同偏好的商品如熱銷(xiāo)商品推薦等[10-11]，或是根據(jù)網(wǎng)站促銷(xiāo)意圖將其主打產(chǎn)品推送給顧客，如新品推薦、特價(jià)推薦等[12]，能夠?yàn)轭櫩吞峁┹^好的決策支持服務(wù)。但在追求個(gè)性化、語(yǔ)義化的Web30背景下，傳統(tǒng)推薦服務(wù)所展示的實(shí)際效果并不理想，很多用戶都將這些推薦當(dāng)做垃圾廣告處理。個(gè)性化推薦系統(tǒng)的興起能夠很好地解決傳統(tǒng)推薦系統(tǒng)所帶來(lái)的問(wèn)題，它基于顧客個(gè)性化特征和需求，依托協(xié)同過(guò)濾、內(nèi)容過(guò)濾、知識(shí)發(fā)現(xiàn)、交互式推薦等技術(shù)，在合適的場(chǎng)景、合適的時(shí)機(jī)、通過(guò)合適的渠道，把合適的內(nèi)容，推薦給合適的用戶，為顧客提供個(gè)性化的購(gòu)物體驗(yàn)[13-14]。在個(gè)性化推薦服務(wù)系統(tǒng)中，消費(fèi)者不再是被動(dòng)的信息或網(wǎng)頁(yè)瀏覽者，而是主動(dòng)參與者。目前商務(wù)網(wǎng)站的個(gè)性化推薦服務(wù)模式有個(gè)性化定購(gòu)?fù)扑]、關(guān)聯(lián)挖掘推薦、基于主體或關(guān)鍵詞的排序推薦等。

（一）個(gè)性化定購(gòu)?fù)扑]

用戶根據(jù)自身的需求和對(duì)商品信息的自我評(píng)估，直接填寫(xiě)表單，提交給商務(wù)網(wǎng)站，之后商務(wù)網(wǎng)站通過(guò)郵件或者其他通信方式滿足用戶的需求。這種推薦方式增強(qiáng)了商務(wù)網(wǎng)站與顧客的直接聯(lián)系，捕獲顧客需求，但是該推薦方式缺乏服務(wù)主動(dòng)性，在具體實(shí)施時(shí)不能夠?yàn)轭櫩驼业椒掀湫枨蟮挠袃r(jià)值的產(chǎn)品提供支持。

（二）關(guān)聯(lián)挖掘推薦

商務(wù)網(wǎng)站根據(jù)用戶已經(jīng)在其服務(wù)中體現(xiàn)出的行為，進(jìn)行關(guān)聯(lián)挖掘，發(fā)現(xiàn)及推薦用戶可能需求的服務(wù)產(chǎn)品。目前在實(shí)踐層面運(yùn)用最廣的有基于用戶的協(xié)同推薦系統(tǒng)和基于物品的協(xié)同推薦系統(tǒng)?；谟脩舻膮f(xié)同推薦系統(tǒng)根據(jù)用戶的購(gòu)買(mǎi)或?yàn)g覽記錄等，挖掘出用戶之間的相似度，然后利用與目標(biāo)客戶相似度較高的客戶對(duì)相關(guān)產(chǎn)品的喜好，作為預(yù)測(cè)目標(biāo)客戶對(duì)特定商品喜好的程度，進(jìn)而根據(jù)喜好程度來(lái)對(duì)目標(biāo)用戶進(jìn)行推薦?；谖锲返膮f(xié)同推薦系統(tǒng)則是依據(jù)物品被購(gòu)買(mǎi)或被瀏覽的記錄，挖掘出相似物品進(jìn)行推薦。這種推薦方式關(guān)鍵在于信息的獲取與信息的過(guò)濾，因此，在實(shí)施層面仍面臨著無(wú)法有效推薦新產(chǎn)品、新客戶、不能夠及時(shí)的感知用戶興趣的變動(dòng)等問(wèn)題，同時(shí)由于在推薦信息過(guò)程中采用的是比對(duì)推薦方法，因此，在推薦效果方面與用戶需求還存在一定差距。

（三）基于主題或者關(guān)鍵詞的排序推薦

通過(guò)用戶提供的需求主題或者關(guān)鍵詞，在服務(wù)產(chǎn)品檢索平臺(tái)中進(jìn)行匹配檢索，將一定的檢索結(jié)果推薦給用戶。這種推薦方式的缺點(diǎn)是檢索出太多的推薦結(jié)果，而且其中夾雜著很多的干擾信息。endprint

三、大數(shù)據(jù)環(huán)境下電子商務(wù)個(gè)性化推薦服務(wù)的特征

（一）海量數(shù)據(jù)為基礎(chǔ)的推薦服務(wù)

社會(huì)化媒體、電子商務(wù)、移動(dòng)通訊的出現(xiàn)和發(fā)展，將我們帶入了一個(gè)大數(shù)據(jù)時(shí)代。我們每個(gè)人每天都以不同形式制造、傳遞著不同類型的數(shù)據(jù)，每天都有PB級(jí)別的數(shù)據(jù)產(chǎn)生。這些爆炸增長(zhǎng)的數(shù)據(jù)對(duì)于我們的重要價(jià)值在于其本身包含的巨量的信息，在當(dāng)今互聯(lián)網(wǎng)時(shí)代，每一條信息都有一個(gè)與之相對(duì)應(yīng)的人，每個(gè)人的情感、愛(ài)好、生活習(xí)慣、消費(fèi)傾向也都將體現(xiàn)在數(shù)據(jù)之中。因此，海量數(shù)據(jù)不但使電子商務(wù)企業(yè)的個(gè)性化推薦顯得必要而且也成為可能。

（二）復(fù)雜多樣及異構(gòu)的數(shù)據(jù)推薦服務(wù)

伴隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，網(wǎng)絡(luò)信息的服務(wù)模式也變遷迅速，例如，近期“微信”服務(wù)風(fēng)靡全球，對(duì)原有的短信服務(wù)模式發(fā)起的全新的沖擊，甚至對(duì)其有著顛覆性的更新。而電子商務(wù)企業(yè)未來(lái)的服務(wù)也不僅面對(duì)著文本信息表達(dá)的服務(wù)產(chǎn)品，像音頻、視頻、圖像等特征的復(fù)雜數(shù)據(jù)，同時(shí)各自具備著獨(dú)特的數(shù)據(jù)結(jié)構(gòu)，這也作為未來(lái)大數(shù)據(jù)發(fā)展的一個(gè)方向。

（三）關(guān)聯(lián)數(shù)據(jù)的豐富性個(gè)性化推薦

大數(shù)據(jù)時(shí)代是web30發(fā)展的產(chǎn)物，數(shù)據(jù)之間的關(guān)聯(lián)從技術(shù)上可以面向全球服務(wù)，同時(shí)數(shù)據(jù)價(jià)值的提升進(jìn)一步促進(jìn)企業(yè)用戶對(duì)關(guān)聯(lián)數(shù)據(jù)的高度重視。在此背景下，能夠?yàn)橛脩敉扑]更豐富、更全面的服務(wù)信息，不僅讓用戶掌握了他們迫切需求的服務(wù)產(chǎn)品，而且也讓他們從多個(gè)側(cè)面來(lái)了解與之相關(guān)的服務(wù)產(chǎn)品，一方面增加用戶的社會(huì)認(rèn)識(shí)，另一方面提升電子商務(wù)企業(yè)的服務(wù)質(zhì)量。

（四）語(yǔ)義個(gè)性化推薦

過(guò)去，電子商務(wù)的個(gè)性化推薦基本都是基于關(guān)鍵詞的匹配檢索，進(jìn)而發(fā)現(xiàn)與用戶相關(guān)的需求信息，進(jìn)行個(gè)性化推薦。而當(dāng)今，語(yǔ)義網(wǎng)的出現(xiàn)讓計(jì)算機(jī)理解用戶的想法和語(yǔ)言，更人性化、智能化的在第一時(shí)間為用戶挖掘到深層信息。Berners-Lee在1998年首次提出語(yǔ)義網(wǎng)的概念[15]，其核心是：通過(guò)給萬(wàn)維網(wǎng)上的文檔（如HTML）添加能夠被計(jì)算機(jī)所理解的語(yǔ)義，從而使整個(gè)互聯(lián)網(wǎng)成為一個(gè)通用的信息交換媒介。簡(jiǎn)單地說(shuō)，語(yǔ)義網(wǎng)是一種能理解人類語(yǔ)言的智能網(wǎng)絡(luò)，它不但能夠理解人類的語(yǔ)言，而且還可以使人與電腦之間的交流變得像人與人之間交流一樣輕松。

（五）Alert與RSS模式的個(gè)性化推薦

當(dāng)前用戶在大數(shù)據(jù)環(huán)境下，被浩瀚的數(shù)據(jù)所包圍，很難在第一時(shí)間發(fā)現(xiàn)、了解自己需求的服務(wù)信息，而Alert服務(wù)具備及時(shí)性、個(gè)性化的特征，服務(wù)系統(tǒng)發(fā)現(xiàn)與用戶需求相關(guān)的信息時(shí)，第一時(shí)間提醒用戶去關(guān)注，極大提升了用戶的工作效率。RSS以 XML標(biāo)準(zhǔn)化格式分發(fā)信息，通過(guò) XML 標(biāo)準(zhǔn)定義信息的包裝和發(fā)布格式，其強(qiáng)大的信息聚合和推送功能為信息提供者和接收者提供便利。例如，當(dāng)前的一些期刊出版商、Google學(xué)術(shù)搜索等服務(wù)機(jī)構(gòu)，為用戶提供的alert及RSS服務(wù)，得到了廣大用戶的好評(píng)。

（六）個(gè)性化推薦的多維度性

可以推薦個(gè)性化的本地域或者跨地域的社群組織、愛(ài)好圈以及社交網(wǎng)絡(luò)等相關(guān)的服務(wù)信息，將這些信息有效聯(lián)系起來(lái)，讓服務(wù)信息具備更全面的維度，為用戶提供多個(gè)側(cè)面的個(gè)性化推薦服務(wù)。

四、大數(shù)據(jù)環(huán)境下電子商務(wù)個(gè)性化推薦服務(wù)面臨的挑戰(zhàn)

（一） 企業(yè)數(shù)據(jù)的保存與利用

電子商務(wù)企業(yè)在web30的信息時(shí)代，企業(yè)數(shù)據(jù)每時(shí)每刻都在劇增，如何將這些數(shù)據(jù)信息迅速、有效保存是企業(yè)服務(wù)質(zhì)量的關(guān)鍵，同時(shí)保存僅僅是企業(yè)服務(wù)的一個(gè)中間環(huán)節(jié)，如何挖掘、利用好保存的大數(shù)據(jù)，將是一個(gè)電子商務(wù)企業(yè)未來(lái)發(fā)展的關(guān)鍵。如果僅僅保存，這對(duì)于大數(shù)據(jù)是嚴(yán)重浪費(fèi)。就海量數(shù)據(jù)，提供高附加值的數(shù)據(jù)分析服務(wù)，將大數(shù)據(jù)封裝轉(zhuǎn)化為服務(wù)，形成可對(duì)外開(kāi)放、可商業(yè)化的核心能力，一定程度上也實(shí)現(xiàn)了商業(yè)模式的創(chuàng)新，為個(gè)性化推薦提供強(qiáng)大的數(shù)據(jù)服務(wù)基礎(chǔ)。

（二） 企業(yè)數(shù)據(jù)的快速處理計(jì)算

海量數(shù)據(jù)對(duì)計(jì)算機(jī)硬件的性能帶來(lái)挑戰(zhàn)，因?yàn)槠髽I(yè)要求在最短的時(shí)間內(nèi)，盡可能創(chuàng)造最大的價(jià)值，而面對(duì)大數(shù)據(jù)，通過(guò)什么信息技術(shù)進(jìn)行快速處理、計(jì)算，形成結(jié)構(gòu)化的、開(kāi)放應(yīng)用的數(shù)據(jù)，這個(gè)問(wèn)題不僅僅電子商務(wù)企業(yè)面臨的一個(gè)挑戰(zhàn)?，F(xiàn)今的云計(jì)算，在概念層面上，一定程度上解決了這方面的一點(diǎn)問(wèn)題，但是，在目前的現(xiàn)實(shí)信息環(huán)境中，由于網(wǎng)絡(luò)以及硬件的限制，還不能匯聚更多的計(jì)算機(jī)，達(dá)到預(yù)訂的計(jì)算目標(biāo)。

（三） 企業(yè)數(shù)據(jù)的有效組織形式

企業(yè)數(shù)據(jù)的組織形式直接決定著其服務(wù)模式、服務(wù)質(zhì)量。傳統(tǒng)的以關(guān)鍵詞進(jìn)行匹配檢索的服務(wù)模式，目前仍然是個(gè)性化推薦的主流，這些數(shù)據(jù)大多以關(guān)系數(shù)據(jù)庫(kù)的形式，將其各自的元數(shù)據(jù)進(jìn)行集中或者分布式進(jìn)行組織。但是，隨著數(shù)據(jù)量的增長(zhǎng)、服務(wù)要求的提升、語(yǔ)義網(wǎng)的迅速發(fā)展，數(shù)據(jù)組織形式肯定要發(fā)生轉(zhuǎn)變。例如，為用戶提供個(gè)性化關(guān)聯(lián)服務(wù)、語(yǔ)義個(gè)性化推薦服務(wù)等更高層面的知識(shí)服務(wù)，傳統(tǒng)的簡(jiǎn)單組織方式已經(jīng)不能滿足這方面的發(fā)展需求。在這一方面，可以借鑒當(dāng)前的熱點(diǎn)研究Link Open Data、Virtuoso（語(yǔ)義存儲(chǔ)工具）、RDF等與語(yǔ)義網(wǎng)相關(guān)的數(shù)據(jù)組織方式。

（四） 企業(yè)提供服務(wù)模式的轉(zhuǎn)變

數(shù)據(jù)是企業(yè)提供服務(wù)的基礎(chǔ)，面對(duì)數(shù)據(jù)規(guī)模、存儲(chǔ)方式以及組織方式等特征的轉(zhuǎn)變，企業(yè)所提供的傳統(tǒng)服務(wù)模式勢(shì)必也同步轉(zhuǎn)變，來(lái)應(yīng)對(duì)當(dāng)前整個(gè)數(shù)據(jù)環(huán)境的更新。主要面臨以下幾種轉(zhuǎn)變方式的挑戰(zhàn)：

1.由被動(dòng)服務(wù)為主動(dòng)服務(wù)。被動(dòng)服務(wù)是指客戶主動(dòng)到企業(yè)電子商城中發(fā)現(xiàn)自己需要的商品，更具有目的性、針對(duì)性，但是對(duì)于企業(yè)來(lái)說(shuō)，嚴(yán)重忽視了客戶巨大的潛在需求，通過(guò)主動(dòng)服務(wù)模式，將與每一個(gè)用戶潛在的信息需求更精確的發(fā)現(xiàn)，推薦給用戶，一方面方便了用戶，甚至給用戶意想不到的需求驚喜，另一方面增強(qiáng)了企業(yè)銷(xiāo)售的強(qiáng)度。

2.由基于關(guān)鍵詞或者主題詞檢索的服務(wù)轉(zhuǎn)為基于語(yǔ)義的智能檢索服務(wù)。隨著web30、語(yǔ)義網(wǎng)的迅速發(fā)展，智能檢索服務(wù)開(kāi)始具備一定的知識(shí)基礎(chǔ)，例如DBPedia發(fā)布規(guī)范的大數(shù)據(jù)集、各個(gè)行業(yè)領(lǐng)域的發(fā)布的知識(shí)組織體系（KOS）等知識(shí)組織規(guī)范，同時(shí)借助傳統(tǒng)的敘詞表以及行業(yè)的巨大的語(yǔ)料資源，為用戶提供語(yǔ)義的智能檢索服務(wù)逐步將開(kāi)始實(shí)施，從而實(shí)現(xiàn)為用戶提供更準(zhǔn)確地信息檢索方式。endprint

3.由傳統(tǒng)的個(gè)性化信息檢索結(jié)果推薦服務(wù)轉(zhuǎn)變?yōu)閭€(gè)性化知識(shí)推薦服務(wù)。個(gè)性化信息檢索結(jié)果是將每條信息進(jìn)行羅列在頁(yè)面中，供用戶瀏覽，通過(guò)查看詳情來(lái)衡量此信息的重要度。而個(gè)性化知識(shí)推薦服務(wù)，是將每條信息分割成更小的帶有語(yǔ)義的知識(shí)單元，用戶能夠在第一時(shí)間內(nèi)更快、更準(zhǔn)確的掌握每條信息的概要內(nèi)容，進(jìn)行決策是否對(duì)自己有價(jià)值。

五、電子商務(wù)個(gè)性化推薦服務(wù)的發(fā)展方向

（一）個(gè)性化推薦的精準(zhǔn)深度挖掘

在運(yùn)營(yíng)商內(nèi)部，根據(jù)用戶喜好推薦各類業(yè)務(wù)或應(yīng)用是常見(jiàn)的，比如應(yīng)用商店軟件推薦、電視視頻節(jié)目推薦、關(guān)注購(gòu)物推薦等服務(wù)，通過(guò)關(guān)聯(lián)規(guī)則、信息

摘要抽取、情感分析等智能分析算法進(jìn)行計(jì)算后，可以將之延伸到商用化服務(wù)，即此過(guò)程也是利用“數(shù)據(jù)挖掘技術(shù)”幫助運(yùn)營(yíng)商進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)。典型的一個(gè)反面例子，我們生活中日常的“垃圾短信”，其實(shí)這些所謂的垃圾信息并不一定都是“垃圾”，只是因?yàn)槭盏降娜瞬⒉恍枰灰暈槔?，而通過(guò)對(duì)用戶行為數(shù)據(jù)進(jìn)行挖掘分析，可以給需要的人發(fā)送需要的信息，這樣的“垃圾短信”就成了有價(jià)值的信息。典型的一個(gè)正面例子，即在日本的麥當(dāng)勞，用戶在手機(jī)上下載優(yōu)惠券，再去餐廳用運(yùn)營(yíng)商DoCoMo的手機(jī)錢(qián)包優(yōu)惠支付，從而運(yùn)營(yíng)商和麥當(dāng)勞可以充分利用搜集到相關(guān)消費(fèi)信息，例如經(jīng)常買(mǎi)什么漢堡，去哪個(gè)店消費(fèi)，消費(fèi)頻次多少，然后精準(zhǔn)推送優(yōu)惠券給用戶。

（二）商品之間豐富的數(shù)據(jù)關(guān)聯(lián)

大數(shù)據(jù)時(shí)代，關(guān)聯(lián)數(shù)據(jù)可謂是企業(yè)增強(qiáng)自身競(jìng)爭(zhēng)力的一種潛在法寶，不僅能夠建立海量商品之間的關(guān)聯(lián)關(guān)系，而且還改善用戶搜索商品關(guān)鍵詞、豐富用戶檢索商品結(jié)果內(nèi)容的類型、改善商品排序策略以及創(chuàng)建用戶與商品的個(gè)性化關(guān)聯(lián)等方面都占據(jù)著重要角色。

首先，企業(yè)充分利用目前網(wǎng)絡(luò)中發(fā)布的開(kāi)放資源，將自身的產(chǎn)品與之進(jìn)行關(guān)聯(lián)發(fā)現(xiàn)，豐富了企業(yè)客戶需求信息的深度與廣度，幫助客戶發(fā)現(xiàn)更多或者潛在的需求信息；其次，企業(yè)充分利用自身的海量數(shù)據(jù)，通過(guò)關(guān)聯(lián)數(shù)據(jù)的格式規(guī)范，將自身數(shù)據(jù)進(jìn)行加工發(fā)布，讓更多的網(wǎng)絡(luò)平臺(tái)進(jìn)行關(guān)聯(lián)發(fā)現(xiàn)，一方面拓展了自身銷(xiāo)售的途徑，另一方面達(dá)到了通過(guò)其他平臺(tái)來(lái)宣傳自己的效果；最后，企業(yè)完全可以基于關(guān)聯(lián)數(shù)據(jù)開(kāi)發(fā)自身的商城平臺(tái)，實(shí)現(xiàn)海量分散數(shù)據(jù)的增值服務(wù)，例如目前的易淘網(wǎng)站，通過(guò)關(guān)聯(lián)淘寶、京東等等商城的信息，取得了不錯(cuò)的營(yíng)銷(xiāo)效果。

（三）知識(shí)大匯聚的電子商務(wù)智能平臺(tái)

例如當(dāng)今的易淘網(wǎng)，匯聚多個(gè)電子商城于一體，提供個(gè)性化推薦服務(wù)，既省時(shí)、又準(zhǔn)確、全面的為用戶推薦商品信息。但是，未來(lái)的發(fā)展，在上述的基礎(chǔ)上，服務(wù)產(chǎn)品的粒度會(huì)更小，而且隨著行業(yè)領(lǐng)域知識(shí)組織體系（KOS）的建設(shè)與完善，計(jì)算機(jī)能夠?qū)W習(xí)與理解結(jié)構(gòu)化的細(xì)粒度服務(wù)信息，為用戶提供知識(shí)服務(wù)，商品平臺(tái)的服務(wù)模式也從傳統(tǒng)的基于關(guān)鍵詞匹配的檢索服務(wù)平臺(tái)邁向基于語(yǔ)義的智能檢索服務(wù)平臺(tái)，最終建設(shè)成一個(gè)知識(shí)大匯聚的智能商務(wù)平臺(tái)。

（四）商務(wù)網(wǎng)站的個(gè)性化決策功能

電子商務(wù)企業(yè)可以利用每日產(chǎn)生的海量商務(wù)運(yùn)營(yíng)數(shù)據(jù)，加以運(yùn)用成熟的運(yùn)營(yíng)分析技術(shù)，借助現(xiàn)代先進(jìn)信息技術(shù)工具，特別是自然語(yǔ)言處理、語(yǔ)義網(wǎng)以及行業(yè)知識(shí)組織系統(tǒng)等技術(shù)平臺(tái)，有效提升企業(yè)數(shù)據(jù)資源的利用能力，讓大數(shù)據(jù)成為企業(yè)決策的制勝法寶，持續(xù)保持自己的核心競(jìng)爭(zhēng)位置。例如亞馬遜在制定新產(chǎn)品和服務(wù)的決策過(guò)程中，利用大數(shù)據(jù)技術(shù)分析消費(fèi)者有關(guān)新產(chǎn)品和服務(wù)的海量數(shù)據(jù)，能夠很好地捕捉到新產(chǎn)品受歡迎的程度，預(yù)判消費(fèi)者購(gòu)買(mǎi)行為，進(jìn)而決定新產(chǎn)品和服務(wù)運(yùn)營(yíng)策略（推向市場(chǎng)、取消或全新嘗試等）。再如2012年美國(guó)總統(tǒng)大選，兩黨雙方均不惜代價(jià)，利用大數(shù)據(jù)來(lái)預(yù)測(cè)大選中選民的趨勢(shì)。當(dāng)時(shí)羅姆尼共和黨堅(jiān)信形勢(shì)對(duì)自己有利，蓄勢(shì)待發(fā)。奧巴馬民主黨也分秒不停，想摸準(zhǔn)選民的風(fēng)向，主導(dǎo)選情。數(shù)周內(nèi)他們對(duì)選情數(shù)據(jù)進(jìn)行的細(xì)粒度采集和多位形勢(shì)分析，作為制定競(jìng)選策略和掌握獲勝機(jī)遇的機(jī)制[15]。

六、小結(jié)

大數(shù)據(jù)既為商務(wù)網(wǎng)站帶來(lái)了挑戰(zhàn)，同時(shí)又為他們開(kāi)來(lái)了機(jī)遇。數(shù)據(jù)的海量倍增、服務(wù)性能的壓力也受到了一定程度的影響以及為用戶所帶來(lái)的困擾等等方面迫使電子商務(wù)企業(yè)從根本上進(jìn)行轉(zhuǎn)變，從服務(wù)意識(shí)中感受未來(lái)的緊迫性。同時(shí)，隨著大數(shù)據(jù)技術(shù)與平臺(tái)的成熟發(fā)展、數(shù)據(jù)規(guī)范及知識(shí)組織體系的擴(kuò)展與壯大，為電子商務(wù)企業(yè)創(chuàng)建自身的品牌服務(wù)帶來(lái)了商機(jī)，比如個(gè)性化推薦的情景感知服務(wù)，商城平臺(tái)能夠在第一時(shí)間理解“當(dāng)前用戶是誰(shuí)？應(yīng)該為他提供什么服務(wù)？應(yīng)該為他提供一個(gè)可視化導(dǎo)航？”等用戶需求服務(wù)，為用戶節(jié)省時(shí)間的同時(shí)，也為用戶帶來(lái)了方便與驚喜。

參考文獻(xiàn)：

[1]孟小峰，慈祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計(jì)算機(jī)研究與發(fā)展，2013，50（1）：146-169.

[2]Mckinsey Global Institute. Big data：The next frontier for innovation， competition， and productivity[R/OL].[2013-01-22].http：//www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation

[3]Grobelink M. Big-data computing：Creating revolutionary breakthroughs in commerce， science， and society[R/OL].[2013-01-22].http：//videolectures. Net/eswc2012_grobelink_big_data/

[4]IBM. What is big data？[EB/OL].[2013-03-02].http：//www-01.ibm.com/software/data/bigdata.

[5]Barwick H. The “four Vs”of Big Data. Implementing Information Infrastructure Symposium[R/OL].[2013-01-22].http：//www.computerworld.com.au/article/396198/iiis_four_vs_big_data/endprint

[6]Big data[EB/OL].[2013-01-22].http：//en.wikipedia.org/wiki/Big_data.

[7]]Ricci， F. Travel recommender systems， IEEE Intelligent Systems[J].November/December，2002：55-57.

[8]Ansari， A.， Essegaier， S.， et al. Internet Recommendation Systems[J].Journal of Marketing Research. August，2000， 37（3）：363-375.

[9]Haubl， G.， and Trifts， V.， Consumer Decision Making in Online Shopping Environments：The Effects of Interactive Decision Aids[J]. Marketing Science， 2000，19（1）：4-21.

[10]J.B. Schafer， J.A. Konstan， J. Riedl. E-commerce recommendation applications[J]. Data Mining and Knowledge Discovery，2001（5）：115–152.

[11]B. Sarwar， G. Karypis， J. Konstan， J. Riedl. Analysis of recommendation algorithms for e-commerce[C].Proceedings of the 2nd ACM conference on Electronic commerce， 2000：158-167.

[12]江秀佳，何源光.國(guó)內(nèi)電子商務(wù)個(gè)性化推薦系統(tǒng)改進(jìn)研究[J].圖書(shū)情報(bào)工作，2009，53（16）：137-140.

[13]朱巖，林澤楠.電子商務(wù)中的個(gè)性化推薦方法評(píng)述[J].中國(guó)軟科學(xué)，2009（2）：183-191.

[14]柏林森.電子商務(wù)個(gè)性化推薦初探[R/OL].[2013-01-22].http：//blog.sciencenet.cn/blog-3075-517258.html.

[15]楊鳴.大數(shù)據(jù)可改變企業(yè)發(fā)展游戲規(guī)則—技術(shù)處理及模式分析[R/OL].[2013-05-22].http：//scholarsupdate.zhongwenlink.com/news.asp？NewsID=10812.

（責(zé)任編輯：李江）endprint

[6]Big data[EB/OL].[2013-01-22].http：//en.wikipedia.org/wiki/Big_data.

[7]]Ricci， F. Travel recommender systems， IEEE Intelligent Systems[J].November/December，2002：55-57.

[8]Ansari， A.， Essegaier， S.， et al. Internet Recommendation Systems[J].Journal of Marketing Research. August，2000， 37（3）：363-375.

[9]Haubl， G.， and Trifts， V.， Consumer Decision Making in Online Shopping Environments：The Effects of Interactive Decision Aids[J]. Marketing Science， 2000，19（1）：4-21.

[10]J.B. Schafer， J.A. Konstan， J. Riedl. E-commerce recommendation applications[J]. Data Mining and Knowledge Discovery，2001（5）：115–152.

[11]B. Sarwar， G. Karypis， J. Konstan， J. Riedl. Analysis of recommendation algorithms for e-commerce[C].Proceedings of the 2nd ACM conference on Electronic commerce， 2000：158-167.

[12]江秀佳，何源光.國(guó)內(nèi)電子商務(wù)個(gè)性化推薦系統(tǒng)改進(jìn)研究[J].圖書(shū)情報(bào)工作，2009，53（16）：137-140.

[13]朱巖，林澤楠.電子商務(wù)中的個(gè)性化推薦方法評(píng)述[J].中國(guó)軟科學(xué)，2009（2）：183-191.

[14]柏林森.電子商務(wù)個(gè)性化推薦初探[R/OL].[2013-01-22].http：//blog.sciencenet.cn/blog-3075-517258.html.

[15]楊鳴.大數(shù)據(jù)可改變企業(yè)發(fā)展游戲規(guī)則—技術(shù)處理及模式分析[R/OL].[2013-05-22].http：//scholarsupdate.zhongwenlink.com/news.asp？NewsID=10812.

（責(zé)任編輯：李江）endprint

[6]Big data[EB/OL].[2013-01-22].http：//en.wikipedia.org/wiki/Big_data.

[7]]Ricci， F. Travel recommender systems， IEEE Intelligent Systems[J].November/December，2002：55-57.

[8]Ansari， A.， Essegaier， S.， et al. Internet Recommendation Systems[J].Journal of Marketing Research. August，2000， 37（3）：363-375.

[9]Haubl， G.， and Trifts， V.， Consumer Decision Making in Online Shopping Environments：The Effects of Interactive Decision Aids[J]. Marketing Science， 2000，19（1）：4-21.

[10]J.B. Schafer， J.A. Konstan， J. Riedl. E-commerce recommendation applications[J]. Data Mining and Knowledge Discovery，2001（5）：115–152.

[11]B. Sarwar， G. Karypis， J. Konstan， J. Riedl. Analysis of recommendation algorithms for e-commerce[C].Proceedings of the 2nd ACM conference on Electronic commerce， 2000：158-167.

[12]江秀佳，何源光.國(guó)內(nèi)電子商務(wù)個(gè)性化推薦系統(tǒng)改進(jìn)研究[J].圖書(shū)情報(bào)工作，2009，53（16）：137-140.

[13]朱巖，林澤楠.電子商務(wù)中的個(gè)性化推薦方法評(píng)述[J].中國(guó)軟科學(xué)，2009（2）：183-191.

[14]柏林森.電子商務(wù)個(gè)性化推薦初探[R/OL].[2013-01-22].http：//blog.sciencenet.cn/blog-3075-517258.html.

[15]楊鳴.大數(shù)據(jù)可改變企業(yè)發(fā)展游戲規(guī)則—技術(shù)處理及模式分析[R/OL].[2013-05-22].http：//scholarsupdate.zhongwenlink.com/news.asp？NewsID=10812.

（責(zé)任編輯：李江）endprint