基于领域知识的个性化推荐在企业交叉销售中的应用

《基于领域知识的个性化推荐在企业交叉销售中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据■名家观察■现代管理科学■2011年第1期基于领域知识的个性化推荐在企业交叉销售中的应用●张玲玲陈全朱正祥石勇摘要：文章首先讨论了当前交叉销售方法的局限性，以及个性化推荐在交叉销售中应用的可行性．接着，讨论了领域知识的重要性，并将领域知识与传统个性化推荐方法结合以改进推荐效果。关键词：交叉销售；领域知识；个性化推荐；协同过滤一、引言交叉销售是客户关系管理(CRM)的重要应用领域之一。Aaron和Andrew等人认为．交叉销售是指鼓励已经购买了A产品的客户购买B产品。Jarrar和Neelv认为．交叉销售是指发现客户的不同需求．从而为

2、其提供不同服务或产品的营销方式。Kamakura等人认为，交叉销售足指努力增加客户使用同一家公司的产品或服务。本文认为．交叉销售是在现有销售信息基础之上对客户进行再销售的方式。当前的交叉销售应用一般采用关联规则或分类的方法，但这两类挖掘方法都存在一定的局限性。在关联规则中，以Apriori为例，首先需要产生频繁项集合．因而如果某件产品的购买次数达小到预定的阀值．即使它可能足客户的真实需求，也没有机会被客户接触到．也就小可能被购买。分类算法则是将客户分成不同类型．对不同群类的客户采用不同的销售策略。总体而言．这两种方法都是依靠客户的总体销售信

3、息来进行需求挖掘．因而都不同程度地导致r交叉销售的个性化程度不足。个性化推荐研究在20世纪90年代被作为一个独立的概念提出来最早出现的个性化推荐系统是协同式过滤系统——邮件系统Tapestry，主要用于解决电子邮件泛滥、信息过载的问题。1992年Goldberg等在构建系统时提出了协同过滤概念。推荐系统最典型的应用是在B2C电子商务领域，几乎所有的大型电子商务系统，如国外的Ama。7,011，eBay，国内的淘宝。当当等，都不同程度地使用了各种形式的推荐系统。相对的。个性化推荐在零售业交叉销售中的研究方法和应用则相对较少。将个性化推荐的方法

4、应用到交叉销售中．有着传统交叉销售方法所小具备的优势：(1)能进行个性化的交叉销售：不同于关联规则和分类方法．个性化推荐能够根据已有的客户购买行为．为每一位客户提供不同的产品推荐。(2)能够推荐新产品．即通过个性化推荐可以发现客户潜在的．但其自己尚未发现的兴趣偏好。(3)有精确的客观度量指标对交叉销售结果进行评价。一16一当前的个性化推荐主要针对历史数据进行分析挖掘．而忽视某一领域的固有知识。因此。本文针对零售业超市的销售数据，结合相应的领域知识．提出了一种改进的个性化推荐算法，并应用于超市的交叉销售中。二、个性化推荐及协同过滤算法个性化推

5、荐方法是整个推荐系统中最核心的部分．很大程度上决定了推荐系统性能的优劣。目前．主要的推荐方法包括：协同过滤推荐、基于内容推荐、基于规则推荐、组合推荐等。协同过滤系统是目前公认的应用最为广泛的个性化推荐系统，其最大优点是不需要分析对象的特征属性．对推荐对象没有特殊要求。在数据密度达到一定程度时表现出较好的推荐质量。Breese等人将协同过滤技术分为两类：基于记忆(memory—based)和基于模型的(model—based)的协同过滤算法，前者在实际中取得了更好的推荐的效果和更广泛的麻用。基于记忆的协同过滤算法又可从用户和产品两方面来划分，

6、即User—based和Item—based。本文主要采用基于用户的协同过滤进行研究和应用。1．基于用户的协同过滤。(1)表示：输入数据通常可以用一个m×n的矩阵Rm。来表示，这个矩阵也称用户一产品矩阵。R。表示m个用户对n个产品的评价州rl表示用户i对产品i的评价值(例如购买频率或点击率)。(2)邻居的形成：ItemUser●ll12131415Ul234u2121lILl34543u正13u525图1用户一产品矩阵图2邻居的形成万方数据112011年第1期■现代管珲科学●名家观察图3产品本体为一个需要推荐服务的目标用户寻找最相似的“最近

7、邻居”集(Neare$t—neighbor)。如图2所示，通过计算目标用户l和其他用户之间的相似性(比如计算欧几里德距离)．以点1为中心的2个～6个最近用户被选择为邻居。(3)产生推荐：目标用户的“最近邻居集”产生后，可计算两类结果：用户对任意产品兴趣度的预测值和Top—N形式的推荐集。2．针对二分数据的协同过滤算法。由于当前个性化推荐研究主要集中于电子商务领域．数据集大多使用用户评分数据(如MovieLens，EachMovie．BookCrossing等)，但在交叉销售应用中．商家得到的一般都足客户购买或浏览等信息，即二分数据。相较于评

8、分数据．针对二分数据的推荐研究相对较少。Mild和Reutterel．针对二分数据提出了修改的协同过滤方法。Lee等针对二分数据提出了一种基于分类模型的协同过滤方法。本文将尝试用