基于多源大数据的个性化推荐系统效果研究

  个性化推荐系统已成为各大电商向消费者提供个性化购物体验的重要工具之一，通过推荐系统，商家可以提高收入和消费者满意度。但传统推荐系统通常只利用消费者在当前网站的历史信息推荐个性化商品，无法获得消费者在其他网站的数据来优化推荐效果。大数据时代，一些第三方公司抓住机遇，利用不同公司的多源大数据提供更好的个性化推荐服务。然而，这种新型的推荐系统对消费者购物行为的影响存在极大的未知性。         探究基于多源大数据的个性化推荐系统对消费者购物行为的影响。为了建立推荐系统与消费者购物行为之间的因果关系，采用实地实验有效地避免传统研究方法存在的内生性问题，并具有较好的外部有效性。一方面，基于内部数据和外部数据构造解释性变量，探究内部数据特征和外部数据特征与推荐效果之间的关系；另一方面，通过检验消费者特征与内外部数据的推荐效果间的交互效应，进一步分析外部数据和内部数据的推荐效果如何随消费者的特征变化，帮助企业更好地利用多源大数据提升推荐效果。         研究结果表明，基于内部数据的推荐系统能够显著提升消费者点击个性化推荐商品的概率，可以降低消费者决策时间，激励消费者浏览更多的商品。外部数据的推荐效果不仅与外部公司网站的用户数量相关，也会受到外部网站与当前网站的关联程度的影响。消费者特征对基于内部数据和外部数据的推荐效果起调节作用，如果消费者是当前网站的老用户，利用该消费者在当前网站的内部数据提供个性化推荐的效果更佳。         通过分析基于多源大数据的推荐效果对消费者购物行为的影响，进一步完善个性化推荐领域的理论框架。研究结果对如何利用多源数据构建更加有效的推荐系统具有重要指导价值，并为不同网站之间的数据共享机制提供重要的管理建议。

Research on the Effectiveness of Personalized Recommender System Based on Multi-Source Big Data