基于结构方程模型的电子商务推荐系统信任模型实证研究

《基于结构方程模型的电子商务推荐系统信任模型实证研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于结构方程模型的电子商务推荐系统信任模型实证研究张璇邓少灵上海海事大学经济管理学院摘要：电子商务推荐系统是在海量信息Z屮，给用户推荐其可能喜欢的商品或服务的一种应用系统。怎样提高推荐系统的采纳率是系统设计者最为关心的问题。本文运用结构方程模型，从用户信任的视角，对社会化推荐系统进行了实证研究，研究结果表明用户对推荐结果的感知有用性，与推荐系统的交互度，推荐系统的透明度与用户的满意度和使用意向之间有一定的正向关联。关键词：结构方程模型;推荐系统;用户信任;作者简介：张璇，硕士，现就读于上海海事大学经济管理学院，主要研究方向为电了商务；作者简介：

2、邓少灵，副教授，所在单位:上海海事人学经济管理学院，研究方向:电子商务。引言电子商务推荐系统是一种提升电子商务零售网站整体营销性能的个性化推荐工具。但网上推荐系统名目繁多，各式各样的商品推荐常使得用户困惑其可信度，因此如何使推荐系统赢得用户的信任，是专业导购平台在设计推荐系统时必须要考虑的关键因素。本文基于用户信任的视角，构建了电子商务推荐系统信任模型的理论框架，并通过收集数据进行了实证研究，本文的研究结论对完善电子商务推荐系统的设计具有一定积极意义。1、相关概念界定及文献综述电子商务推荐系统主要有如下四种模式：仃）普通账户数据，即把用户简单地

3、按照位置（地理位置或1P地址），婚姻状况，或者性别来分组。通过这种分类方式，可以有效地提高用户对相关广告或促销的响应。例如淘宝专门针对上海市的用户推送的上海城市专享日，即生鲜食品专场。(2)同类产品的关联，即提供相关产品的快速链接可以刺激其他产品的销售，也可以给购物经验丰富的用户提供更便捷的体验。例如在当当购买一本教辅材料,网页会自动给你推荐相关书籍的组合，方便用户购买。(3)近因、频率和货币价值(RMF)分析，RMF是一种衡量客户价值和客户创利能力的重要工具和手段。通过这种方式，每一个用户都会拥有一个唯一的RFM值，该值通过如下三个问题来估算

4、:近因(Recency)即客户最近一次消费吋间；频率(Frequency)即客户客户一定时间段内的消费次数;货币价值(MonetaryValue)即客户的消费金额，消费金额是对电子商务网站运营情况的最直接的指标。在这种情况下，当电子商务平台想提高转化率或者使用户感到满意时，可以决定在何吋和发送什么内容给特定用户。(4)协同过滤的方式，简单来说是利用某兴趣相投、拥有共同经验之群体的喜好來推荐用户感兴趣的信息。这意味着整个电商网站可以实现对每个用户都是单独策划的，通过对大数据的推算，协同过滤可以发现隐藏在一堆数据中的趋势或者市场需求。协同过滤可以在

5、推荐时显示原因，例如提示“看过这个商品的人也看过的商品”“根据浏览记录推荐的商品”或者“和当前商品相似的有库存商品”(对于售罄商品而言)。像这样的个性化商品推荐可以提高用户的网购体验,促进销售也可以增加客户与相关的、有价值的产品Z间的互动。冃前这种方式做得最好的网站是亚马逊。为了解决传统推荐系统面临的冷启动，稀疏性等问题，研究人员把信任因素引入了推荐系统得研究。现有文献的研究主要集中在如何计算用户之间的信任程度以设计出有更高用户釆纳率的推荐系统。Young-DukSeo(2017)根据计算出的用户Z间的关联强度为用户提供个性化的推荐服务。谭学清

6、等(2014)对信任推荐的相关文献进行分析，认为当前的信任研究因素过于单一，应该从基于情境信任的推荐出发展开研究。而在实际应用中，例如对当前的任意一个电子商务平台的推荐系统来说，存在的最大问题是推荐的无目的性，推荐的商品价格参差不齐，而口经常岀现很多猎奇的商品，影响用户体验。一个优秀的推荐系统不仅对结果的准确度有要求，用户的个性化体验也是很重要的。因此，本文对影响推荐系统的信任因素的研究是很有意义的，只有对这些问题有一个清晰的认识，才能够设计出一个有效的推荐系统。2、理论模型及研究假设2.1理论模型针对电子商务推荐系统的特点，本文提出了推荐系统

7、信任模型的理论模型:图1推荐系统信任模型的理论框架下载原图其中，感知有用性是指认为某一项技术可能给用户带来哪些用处，可能有哪些功能对用户有用，是用户决定是否采纳一项技术的重压因素。本文是指用户对使用电子商务系统推荐系统能够提高其网购效率程度的感知程度。当用户通过使用电子商务推荐系统获得的商品满意度越高，即感知有用性越高时，用户继续使用推荐系统的意向也就越强。系统交互度是指用户和电子商务网站之间的交流程度。推荐系统的交互功能指用户在使用电子商务平台进行购物的过程屮，通过对商品进行收藏、提问、评分以及评论等一系列行为帮助推荐系统完善对用户偏好的学习

8、。电子商务网站通过互动项目了解用户的偏好后，可以进行个性化的推荐。在实际接触过的推荐系统中，常见的向用户推荐某商品的原因主要有:与您收藏商品类似的商品