基金項(xiàng)目：2019年度廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目《基于人工智能技術(shù)的廣西連鎖零售業(yè)業(yè)務(wù)流程優(yōu)化設(shè)計(jì)研究》（編號(hào)：2019KY1520）

摘?要：隨著信息技術(shù)的發(fā)展，線下零售企業(yè)積累了大量消費(fèi)數(shù)據(jù)，如何合理利用數(shù)字化技術(shù)成為新時(shí)代實(shí)體零售店發(fā)展的關(guān)鍵。本文從精準(zhǔn)商品推薦與優(yōu)化購物流程兩方面分析實(shí)體零售店數(shù)字化技術(shù)的應(yīng)用策略。一方面，找出目標(biāo)用戶、保健品消費(fèi)用戶在購物行為方面的整體相似程度，以此得出與設(shè)定閾值相符的相似用戶集合，同時(shí)把集合當(dāng)中設(shè)定的相似用戶所購買的保健品商品類別視作其喜好，并最終得到目標(biāo)用戶在保健品商品挑選方面的興趣狀況，獲得結(jié)論;另一方面，針對(duì)當(dāng)今實(shí)體零售業(yè)受到電商沖擊面臨壓力的現(xiàn)狀，從五個(gè)方面探究如何運(yùn)用數(shù)字化手段提升用戶體驗(yàn)的具體方法。

關(guān)鍵詞：零售店;數(shù)字化應(yīng)用;推薦算法;流程優(yōu)化;策略研究

當(dāng)下來看，雖然電子商務(wù)的整體發(fā)展態(tài)勢(shì)十分迅猛，實(shí)體店購物作為一種不僅能夠滿足物質(zhì)消費(fèi)，同時(shí)還能夠滿足心理消遣的休閑方式，仍舊為現(xiàn)代生活所必不可少的娛樂方式，實(shí)體店也在這當(dāng)中展現(xiàn)出了持久的生命力。當(dāng)顧客逛街購物時(shí)，其最為注重的就是消費(fèi)體驗(yàn)。在大數(shù)據(jù)時(shí)代，實(shí)體零售店只有積極地尋求創(chuàng)新，利用數(shù)字化技術(shù)優(yōu)化服務(wù)流程與提高營(yíng)銷水平，才能確保實(shí)體零售店在新時(shí)代不被電子商務(wù)所取代。本文將從精準(zhǔn)商品推薦與優(yōu)化購物流程兩方面分析實(shí)體零售店數(shù)字化技術(shù)的應(yīng)用策略。

一、基于數(shù)字化應(yīng)用的實(shí)體零售店精準(zhǔn)商品推薦

傳統(tǒng)實(shí)體零售相比電子零售而言，最大的缺點(diǎn)在于便捷性不足。然而，通過應(yīng)用數(shù)字化技術(shù)，可以解決實(shí)體零售業(yè)便捷性問題，例如可以通過為用戶提供精準(zhǔn)的商品推薦，減少用戶在店選購過程所需時(shí)間。然而，商品推薦的主要應(yīng)用場(chǎng)景主要在于電子商務(wù)，電子商務(wù)由于每日產(chǎn)生的數(shù)據(jù)量大，因此實(shí)現(xiàn)精準(zhǔn)推薦的難度遠(yuǎn)低于每日數(shù)據(jù)量較少的實(shí)體零售店。本文假設(shè)一個(gè)實(shí)體零售店商品推薦場(chǎng)景：一家百貨超市希望提高其保健品商品的銷售情況，因此希望在借鑒顧客個(gè)人購物行為數(shù)據(jù)的基礎(chǔ)上為其尋找匹配的商品，并以商品作為標(biāo)準(zhǔn)制定屬于用戶自身的“標(biāo)簽”，從而進(jìn)行更加精準(zhǔn)化的商品推薦。

若想實(shí)現(xiàn)此種運(yùn)營(yíng)方式，其中有兩個(gè)難點(diǎn)需要進(jìn)行考慮：其一，精準(zhǔn)推薦技術(shù)所依據(jù)的是大量的數(shù)據(jù)，從用戶單獨(dú)個(gè)體方面來講此條件可能是與其不相符的，然而若將實(shí)體零售企業(yè)數(shù)年的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)的話，則可獲取十分豐富的基礎(chǔ)數(shù)據(jù)。其二，將保健品的購買狀況進(jìn)行個(gè)體分配之后，相應(yīng)的數(shù)據(jù)會(huì)大大減少，然而并非代表保健商品無購買需求。

1.推薦算法思路

雖然用戶購買保健品的數(shù)據(jù)較少，然而可將保健品消費(fèi)者看作是優(yōu)質(zhì)用戶資源，之后進(jìn)行剩余顧客購物行為的分析，判斷其和優(yōu)質(zhì)用戶在行為方面的整體相似度。簡(jiǎn)單來講，若某個(gè)用戶未消費(fèi)過保健品，同時(shí)又必須設(shè)計(jì)出針對(duì)此種用戶的保健品精準(zhǔn)推薦方案的話，則可就其整體的購物行為展開數(shù)據(jù)分析，探析其和優(yōu)質(zhì)用戶間在購物行為方面的整體相似度，若相似度存在的話，則兩種用戶間有一致的興趣偏好類型，購買習(xí)慣方面也具備相似性。因此，若優(yōu)質(zhì)用戶消費(fèi)過某款保健品的話，則此類用戶可能也存在潛在的消費(fèi)欲望。

基于上述內(nèi)容，本篇將展開針對(duì)用戶購物行為方面的精準(zhǔn)推薦技術(shù)設(shè)計(jì)，即在探析用戶購物行為的基礎(chǔ)上，盡可能地降低直接分析數(shù)據(jù)偏少的保健品數(shù)據(jù)，而是在其中納入用戶購物行為相似度這個(gè)參數(shù)，從而得到優(yōu)質(zhì)相似用戶，再以優(yōu)質(zhì)相似用戶的興趣作為前提，為用戶提供針對(duì)性的精準(zhǔn)推薦結(jié)果。

（1）基于購物行為分析的推薦算法設(shè)計(jì)

此算法核心內(nèi)容為：若用戶所購買的商品方面具備一致偏好的話，則其于保健品方面同樣具備偏好一致性。以此作為中心思想，探尋和目標(biāo)用戶相符的消費(fèi)過保健品的優(yōu)質(zhì)用戶，此種做法的目標(biāo)即是為目標(biāo)用戶進(jìn)行精準(zhǔn)推薦。在進(jìn)行具體設(shè)計(jì)時(shí)大致可劃分成三個(gè)步驟：第一，關(guān)于用戶相似性方面的計(jì)算。把在保健品方面消費(fèi)過的人群當(dāng)作優(yōu)質(zhì)用戶，以此獲得商品評(píng)分矩陣，由此來進(jìn)一步計(jì)算優(yōu)質(zhì)用戶、目標(biāo)用戶兩者的購物行為相似性;其次，明確出最近鄰集合。獲取和目標(biāo)用戶相似性較高的優(yōu)質(zhì)用戶，以此當(dāng)作最近鄰;最后，以最近鄰作為基準(zhǔn)進(jìn)行推薦。于最近鄰集合當(dāng)中分析最近鄰所消費(fèi)過的保健品，進(jìn)而獲得推薦結(jié)果。下述內(nèi)容是就幾個(gè)步驟展開的詳細(xì)論述：

①用戶相似性計(jì)算

在原始購物數(shù)據(jù)當(dāng)中獲取用戶購物數(shù)據(jù)，以此獲得用戶商品評(píng)分矩陣Rmn，計(jì)算公式如下：

上圖所展示的是m*n階矩陣，在這當(dāng)中m所代表的是用戶數(shù)目，n所代表的是商品數(shù)目。R矩陣當(dāng)中的所有元素ri，j均是戶i在物品j方面所給出的評(píng)分，因?yàn)橄到y(tǒng)當(dāng)中關(guān)于用戶、商品方面的評(píng)分?jǐn)?shù)據(jù)所代表的均是購物行為數(shù)據(jù)，在這當(dāng)中評(píng)分ri，j代表的即是用戶i在商品方面的總購買次數(shù)。除此之外，矩陣當(dāng)中的數(shù)據(jù)同樣會(huì)將用戶類型作為基礎(chǔ)把用戶劃分成兩個(gè)內(nèi)容：其一，未消費(fèi)過保健品的一般用戶方面額商品評(píng)分，在矩陣當(dāng)中展示的即是第1行到第k-1行的內(nèi)容，其二，消費(fèi)過保健品的優(yōu)質(zhì)用戶所對(duì)應(yīng)的商品評(píng)分，在矩陣當(dāng)中所展示的即是第k行到第m行的內(nèi)容。

因?yàn)楸酒?dāng)中談到的用戶相似性方面的計(jì)算，均是基于線下零售方面的，所以個(gè)體用戶的數(shù)據(jù)比較稀疏，與歐式距離標(biāo)準(zhǔn)不符。本篇在用戶相似性方面的內(nèi)容計(jì)算所使用的是余弦相似度的方式，此方式可憑借多維空間當(dāng)中的向量夾角作為基礎(chǔ)展開策略，能夠很好的展現(xiàn)不同用戶在方向這個(gè)維度方面的狀況，此種計(jì)算方式能夠讓用戶相似性方面的計(jì)算和背景貼近。

②確定最近鄰集合

在明確最近鄰集合方面共有三類方式可供挑選：其一為TOP-K排序法，此種辦法的操作方式即是獲取和目標(biāo)用戶在相似度方面最相匹配的K名用戶，把此些用戶視作近鄰集合;其二為閾值截取法，即是憑借篩選的方式獲取和目標(biāo)用戶相似度高于閾值相似用戶的數(shù)據(jù)，以此當(dāng)作近鄰集合;其三是將第一、第二類方式進(jìn)行融合的方式，首先是以閾值截取的辦法獲取相似用戶群體，之后在借助TOP-K排序法找到和目標(biāo)用戶相似度最相匹配的k名用戶，獲取到的這些用戶即是近鄰集合。

有關(guān)參數(shù)方面的設(shè)定，在購物小票當(dāng)中的推薦欄內(nèi)能夠展示的保健品數(shù)量最多是四類，同時(shí)因?yàn)楸＝∑废M(fèi)用戶的購買類別多是一種，所以必須挑選3名-4名相似用戶，才能夠符合推薦結(jié)果數(shù)量，因此把K值明確為4，這樣既與數(shù)量限制相符，同時(shí)也能夠很好地展示空間。所以如何明確最佳的閾值T即是最近鄰確定方面的內(nèi)心內(nèi)容。本篇選取了歷史購物數(shù)據(jù)量較大的用戶數(shù)據(jù)，同時(shí)挑選了2.5萬份在保健品方面消費(fèi)過的人群，并在數(shù)次閾值設(shè)置的基礎(chǔ)上獲得到了目標(biāo)用戶比例結(jié)果、每個(gè)用戶的平均相似用戶數(shù)量結(jié)果，詳細(xì)內(nèi)容展示在表1。由平均相似度用戶數(shù)量、目標(biāo)用戶覆蓋率這兩個(gè)方面來講，把閾值分別設(shè)定在0.55、0.65、0.7、0.75的時(shí)候，對(duì)應(yīng)的平均相似用戶數(shù)量和參數(shù)尤值的接近度是最高的，同時(shí)也有著較佳的用戶適用性。當(dāng)閾值設(shè)定在0.65與0.55的時(shí)候，獲得到的值與k相比偏高，但是閾值設(shè)定在0.75的時(shí)候又偏低，所以綜合考慮之后把閾值T設(shè)定值確定為0.7。

表1?閾值設(shè)定結(jié)果表

③根據(jù)最近鄰產(chǎn)生推薦

當(dāng)下已經(jīng)獲取到目標(biāo)用戶方面的最近鄰集合，之后需要依據(jù)最近鄰集合來獲取保健品推薦結(jié)果。由原始數(shù)據(jù)當(dāng)中找到優(yōu)質(zhì)用戶保健品購買行為，之后展開分析，得到保健品評(píng)分矩陣，在這當(dāng)中a代表的是消費(fèi)保健品的用戶數(shù)目，b代表的是保健品種類總數(shù)，H矩陣當(dāng)中元素hij代表的是用戶i在保健品j方面給出的評(píng)分，用戶在保健品方面的評(píng)分?jǐn)?shù)據(jù)和商品相似，所代表的均為購買行為方面的數(shù)據(jù)，因此評(píng)分hij即是用戶i在保健品j方面的總購買次數(shù)。

根據(jù)最近鄰產(chǎn)生推薦的公式如下所示：

P（x，i）代表的為目標(biāo)用戶x在近鄰保健品i方面的興趣狀況;NX代表的是目標(biāo)用戶x自身的最近鄰集合;用戶y為目標(biāo)用戶x的最近鄰居之一;Sim（x，y）代表的為余弦相似度計(jì)算公式當(dāng)中用戶x、y兩者間的相似狀況;hy，i代表的為用戶y在保健品i方面的評(píng)分，因?yàn)橛脩艉捅＝∑贩矫娴臄?shù)據(jù)都是購買行為數(shù)據(jù)，所以hy，i所代表的就是用戶y在保健品i方面的整體次數(shù)。

二、基于數(shù)字化應(yīng)用的實(shí)體零售店購物流程優(yōu)化

就實(shí)體零售業(yè)方面來看，物聯(lián)網(wǎng)的普及與產(chǎn)品自身智能化的走向均推動(dòng)著實(shí)體零售店的發(fā)展。將來對(duì)于實(shí)體零售店的發(fā)展來講，零供關(guān)系將不再是主要矛盾，限制其發(fā)展主要是看其在消費(fèi)者需求、高效整合供應(yīng)鏈方面的能力，看其是否能夠更好地滿足消費(fèi)者的需求，是不是能夠進(jìn)一步地憑借智能化手段拓展傳統(tǒng)零售業(yè)的服務(wù)體驗(yàn)。在這當(dāng)中，信息科技水平、商店展示、運(yùn)作管理、用戶體驗(yàn)等將變成競(jìng)爭(zhēng)的主要內(nèi)容。零售業(yè)與民眾生活的關(guān)聯(lián)度是十分密切的，而零售智能化、優(yōu)化用戶體驗(yàn)也將是未來發(fā)展的核心關(guān)注點(diǎn)。本篇將在下面的內(nèi)容當(dāng)中把服裝零售店作為案例，從5個(gè)不同的角度分析數(shù)字化手段在優(yōu)化用戶體驗(yàn)方面的效能：

1.智能櫥窗

在智能化水平的不斷發(fā)展之下，服裝店櫥窗方面的設(shè)計(jì)也不會(huì)僅僅以靜態(tài)模式進(jìn)行展示，為了具備更佳的視覺效果，櫥窗也開始走向動(dòng)態(tài)化，互動(dòng)化的模式。舉例來講，以透明屏、人臉識(shí)別技術(shù)、激光投影等方式能夠直接感應(yīng)人的動(dòng)作，之后依據(jù)算法的幫助，櫥窗即可展現(xiàn)出對(duì)應(yīng)的湖面，從而達(dá)到和消費(fèi)者進(jìn)行互動(dòng)的目標(biāo)，除此之外，消費(fèi)者方面的數(shù)據(jù)同樣可被看作是潛在交互信息，由櫥窗方面進(jìn)行記錄。因此，與電商平臺(tái)當(dāng)中的二維廣告相比，智能櫥窗不僅能夠提升消費(fèi)者的購物體驗(yàn)，同時(shí)還能夠進(jìn)一步地提升品牌效果。

2.智能展示

電商店家雖然在致力于全方面為消費(fèi)者展現(xiàn)產(chǎn)品，但是消費(fèi)者對(duì)于二維類的設(shè)計(jì)廣告已經(jīng)沒有了更多的設(shè)計(jì)。對(duì)于智能服裝零售店來講，其能夠憑借虛實(shí)集成與多元化的方式，讓消費(fèi)者享受最佳的商品互動(dòng)模式。舉例來講，當(dāng)消費(fèi)者看上展示臺(tái)上的一個(gè)商品并把它拿在手上的時(shí)候，商店內(nèi)部頂端的投射燈與動(dòng)作感應(yīng)裝置可以直接以顧客動(dòng)作方向?yàn)槠湔故旧唐穲D像，消費(fèi)者在點(diǎn)擊圖像之后，即可掌握關(guān)于商品方面的詳細(xì)信息，如顏色、價(jià)格、尺碼等，以此來達(dá)到最佳的互動(dòng)效果。

3.智能試衣

對(duì)于實(shí)體店來講，試衣為其最大的競(jìng)爭(zhēng)優(yōu)勢(shì)。對(duì)于智能服裝零售店來講，消費(fèi)者所能夠體驗(yàn)到的優(yōu)勢(shì)不會(huì)僅涉及到試穿，其同時(shí)能夠讓顧客在“魔鏡”的幫助下找尋最佳的服裝。消費(fèi)者站在“魔鏡”前的時(shí)候，無需移動(dòng)，僅僅憑借手勢(shì)即可直接更換款式與顏色。除此之外，對(duì)于店家方面來看，試衣鏡同樣能夠幫助其獲得更多的用戶數(shù)據(jù)，這樣不僅能夠讓用戶體驗(yàn)到個(gè)性化的服務(wù)，同時(shí)還能夠幫助其優(yōu)化營(yíng)銷策略。

4.智能定制

批量化的生產(chǎn)模式對(duì)于快消盛行的市場(chǎng)來講已經(jīng)不能占據(jù)優(yōu)勢(shì)，消費(fèi)者也開始找尋差異化的裝扮體現(xiàn)個(gè)性。將來在智能化技術(shù)方面的方式會(huì)更加偏向于私人定制方面，有關(guān)私人定制方面的實(shí)現(xiàn)模式，當(dāng)某個(gè)顧客想進(jìn)行定制時(shí)，直接以3D掃描儀獲得虛擬模型，再以全息投影進(jìn)行展現(xiàn)，這樣顧客即能夠很方便地進(jìn)行自由剪裁、搭配，也能夠設(shè)計(jì)出與自身喜好相符的服裝。以智能設(shè)備測(cè)試顧客在喜好、壓力、興趣等方面的內(nèi)容，智能設(shè)備即可以測(cè)試結(jié)果作為基礎(chǔ)，直接找尋與顧客需求最符合的服裝款式。

服裝定制必須有消費(fèi)者自身身體參數(shù)作為依據(jù)，但是當(dāng)下的服裝經(jīng)銷商所能夠服務(wù)的僅是提供尺碼信息，并不能輔助消費(fèi)者進(jìn)行測(cè)量。為了解決無法準(zhǔn)確獲取到人體參數(shù)的問題，實(shí)體店可以讓用戶穿著特殊服裝后通過拍攝的彩色照片來提取用戶的人體參數(shù)。利用價(jià)格低廉的深度相機(jī)Kinect作為攝像頭，通過這種相機(jī)獲取用戶方面的深度圖像數(shù)據(jù)，其中涵蓋所有用戶的身體參數(shù)數(shù)據(jù)。基于卷積神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)采集到的深度圖像進(jìn)行訓(xùn)練，最終得到人體參數(shù)的準(zhǔn)確預(yù)測(cè)，使智能定制成為可能。

5.智能支付

目前來看，日常生活中大家使用“支付寶”進(jìn)行支付的模式已經(jīng)得到了認(rèn)可與推廣。而智能手表與智能手環(huán)穿戴設(shè)備也將逐步在支付平臺(tái)出現(xiàn)并得到推廣。在科技不斷發(fā)展的當(dāng)下，民眾在實(shí)體店的消費(fèi)中將不會(huì)出現(xiàn)排隊(duì)等候結(jié)賬的現(xiàn)象，其更多的是自由進(jìn)行結(jié)賬，系統(tǒng)自動(dòng)在用戶賬戶上進(jìn)行扣除，以此來幫助消費(fèi)者最便利的完成購物。除此之外，隨著人臉識(shí)別技術(shù)的不斷成熟，未來可以采用人臉識(shí)別技術(shù)實(shí)現(xiàn)無人化的實(shí)體零售店管理，消費(fèi)者只需“刷臉”即可完成購物，不僅購物效率大大提高，而且結(jié)合RFID等技術(shù)也可以更好地避免出現(xiàn)偷盜事件。

6.案例分析——以數(shù)字化技術(shù)在櫥窗設(shè)計(jì)中的應(yīng)用為例

我們?cè)谏钪?，無意識(shí)消費(fèi)行為所占的比重也是比較大的。舉例來講，周末逛街僅想放松一下，但是被道路兩旁的櫥窗吸引，看到里邊的商品又可能是需要的，這樣即會(huì)出現(xiàn)消費(fèi)心理。所以櫥窗在推動(dòng)用戶消費(fèi)方面的作用是很大的，之前的商業(yè)櫥窗在設(shè)計(jì)方面大多參考的是商品業(yè)主、設(shè)計(jì)師方面的觀點(diǎn)，當(dāng)然經(jīng)驗(yàn)很豐富的設(shè)計(jì)師可能會(huì)為商品店鋪吸引較高的回報(bào)。然而對(duì)于數(shù)字化時(shí)代來講，單純的對(duì)用戶喜好、位置、背景等進(jìn)行分析與當(dāng)下的需求是不符的，當(dāng)下所進(jìn)行的更多的是精準(zhǔn)化數(shù)據(jù)的挖掘，這樣的數(shù)據(jù)基礎(chǔ)也讓櫥窗展示更具科技化。其實(shí)無意識(shí)消費(fèi)即為此種精準(zhǔn)化數(shù)據(jù)挖掘時(shí)代到來的重要特征，除此之外，對(duì)于部分商品，如較為昂貴的或是體型較大的商品是不能讓消費(fèi)者使用的，這樣的狀況也可能會(huì)導(dǎo)致一些消費(fèi)者流失。

3D全息技術(shù)的出現(xiàn)，便可很好地化解這一類型的矛盾。下圖是一個(gè)基于3D全息的櫥窗設(shè)計(jì)案例。

借助特殊化的儀器，比如輻射掃描儀與熱感應(yīng)等把顧客身體進(jìn)行精細(xì)的掃描，之后憑借現(xiàn)有的數(shù)據(jù)庫予以計(jì)算，并以實(shí)時(shí)化的方式為顧客呈現(xiàn)。通過數(shù)據(jù)計(jì)算的方式，將搭配、季節(jié)與場(chǎng)所等設(shè)置成相應(yīng)的參數(shù)，借助激光投影方式把顧客的立體形象進(jìn)行呈現(xiàn)，這樣的方式一方面能夠讓消費(fèi)者需求得到滿足，另一方面也能夠吸引潛在消費(fèi)者的購買欲。3D全息技術(shù)同時(shí)還能夠幫助消費(fèi)者以自由方式控制片段播放與產(chǎn)品的播放，這樣能夠幫助觀看者與商品兩者間進(jìn)行更好的互動(dòng)。3D櫥窗在安全性方面的性能也是較佳的，全息投影屬于激光投影技術(shù)，是一種虛擬物品，不會(huì)發(fā)生盜竊事件，但是同時(shí)可以讓消費(fèi)者了解產(chǎn)品，可謂是一種雙贏的模式。

商業(yè)領(lǐng)域借助3D技術(shù)，能夠?qū)⒃酒届o的空間活躍起來，全方面的優(yōu)化消費(fèi)者的視覺體驗(yàn)。高新技術(shù)的使用一方面能夠讓商家獲取更多的利潤(rùn)，另一方面也能夠?yàn)橄M(fèi)者提供更多的商機(jī)。其實(shí)從設(shè)計(jì)本身來講，其即是以顧客需求為導(dǎo)向，這樣才能服務(wù)顧客。在技藝不斷發(fā)展的基礎(chǔ)上，3D全息櫥窗的模式很好的優(yōu)化了街窗原有的展示特性，我們也迎來了一個(gè)更具時(shí)尚感，更現(xiàn)代化的櫥窗時(shí)代。

三、結(jié)語

消費(fèi)群體在服務(wù)、體驗(yàn)與產(chǎn)品方面的預(yù)期不斷提升，智能化的應(yīng)用水平也隨之提升，實(shí)體零售店在未來可能走向軟硬結(jié)合、交互化的方向進(jìn)行。特別是對(duì)于零售行業(yè)，傳統(tǒng)零售店逐步走向智能化的趨勢(shì)，一方面能夠增加消費(fèi)者在購物方面的體驗(yàn)水平，另一方面也能夠幫助商家獲取更多的信息來進(jìn)行進(jìn)一步的營(yíng)銷策略制定。整體來講，智能零售店的未來發(fā)展前景是十分廣闊的，在智能技術(shù)商店進(jìn)行購物的體驗(yàn)值得期待。

參考文獻(xiàn)：

[1]周功建.“新零售”時(shí)代傳統(tǒng)零售企業(yè)轉(zhuǎn)型策略研究[J].電子商務(wù)，2018（07）：3-4.

[2]楊海平.大數(shù)據(jù)與零售銀行數(shù)字化管理[J].中國(guó)金融，2014（10）：81-82.

[3]項(xiàng)安達(dá)，王鴻.數(shù)字化變革：零售銀行面臨的機(jī)遇與挑戰(zhàn)[J].新金融，2012（12）：19-24.

[4]Gong，?S.（2010）.A?collaborative?filtering?recommendation?algorithm?based?on?user?clustering?and?item?clustering.?JSW，5（7），745-752.

[5]Onuma，?Kensuke，?Hanghang?Tong，and?Christos?Faloutsos.“TANGENT：a?novel，‘Surprise?me，recommendation?algorithm.”?Proceedings?of?the?15th?ACM?SIGKDD?international?conference?on?Knowledge?discovery?and?data?mining.?ACM，2009.

作者簡(jiǎn)介：劉岳恒（1982-?），女，廣西賀州人，研究生學(xué)歷，廣西工商職業(yè)技術(shù)學(xué)院講師，主要從事連鎖經(jīng)營(yíng)管理、大學(xué)生創(chuàng)新創(chuàng)業(yè)教育研究