導語：大數(shù)據(jù)分析和消費心理模式研究一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

一、引言

隨著移動網(wǎng)絡技術發(fā)展越來越深化，用戶接觸到的網(wǎng)絡應用越來越多，從大型百貨式銷售平臺到專業(yè)化服務平臺，便捷的網(wǎng)絡服務呈現(xiàn)爆發(fā)式的增長。然而，如何從這些數(shù)量龐大的服務中找到符合個體需求的服務，如何從大量同質化嚴重的同類服務中找到可信任的服務提供者，成了用戶需要面對的一個難題。對于當前的服務提供平臺來說，如何精準的、方便的、貼心的、有保障的提供服務推薦[1]，成為轉化新用戶、留住老用戶的關鍵。

二、相關研究

在目前關于服務推薦方面，基本從兩個方面介入功能設計。一是從引入當前流行的推薦算法升級系統(tǒng)功能，二是從目標用戶的消費心理上進行功能調(diào)整。2.1基于大數(shù)據(jù)分析的推薦模型在推薦算法部分，目前比較突出的有基于RatingJ、標簽和社交網(wǎng)絡等。由于目前的應用數(shù)據(jù)量龐大，以上推薦算法都需要大量用戶特征數(shù)據(jù)數(shù)據(jù)才能體現(xiàn)出優(yōu)越性。這些算法我們可以統(tǒng)一歸類到基于大數(shù)據(jù)分析的推薦模型。可信推薦模型是大數(shù)據(jù)推薦模型中的一個大類。在服務網(wǎng)絡中，節(jié)點處于自身利益會進行虛假推薦，這樣的情況在我們熟知的大型網(wǎng)購平臺已經(jīng)非常普遍，其惡果就是大眾對模型給出的推薦結果的不信任，間接增加了用戶在選擇服務的過程周期，影響用戶體驗度。在此基礎上，又出現(xiàn)了諸如CRBTrust推薦模型和基于貝葉斯網(wǎng)絡的Agent服務推薦機制[2]。CRBTrust模型將節(jié)點分為誠信節(jié)點和非誠信節(jié)點，建立“節(jié)點考察表”對每個節(jié)點進行打分，以約束非誠信節(jié)點的惡意推薦行為[3]。貝葉斯網(wǎng)絡推薦模型是一種基于概率值的分組推薦策略。其主要過程是根據(jù)目標用戶的行為習慣進行建模，并預測用戶今后可能會需要的服務分組[4]。2.2基于消費心理模式的推薦模型消費心理學是目前推薦領域的熱點。用戶在選擇服務的過程中同樣表現(xiàn)出消費心理學現(xiàn)象。推薦是為了促成交易，對應到消費者，則是選擇服務的過程心理狀態(tài)。消費者對于選擇服務，有三個普遍心理想象：一是性價比，二是服務信譽，三是售后[5]。服務提供者做到三點一般都會有好的消費者滿意度。然而，放到互聯(lián)網(wǎng)交易平臺上，這些指標變得不那么確定了，甚至在選擇服務的過程中，服務需求等心理過程都會變得模糊和不確定[6]，要精確推薦服務變得難上難。目前的大數(shù)據(jù)推薦模型都力求分析用戶的購買行為，并根據(jù)分析結果推薦個性服務供用戶選擇。然而，這些模型只顧及與交易轉化，卻忽略了這些交易伴隨的用戶其他類型的行為關聯(lián)。這些關聯(lián)行為包括用戶瀏覽路徑、比較點擊次數(shù)、單筆交易成交周期等，而這些行為與用戶選擇動機和消費心理關系緊密。交易周期是衡量用戶體驗的一個重要指標。交易周期是指用戶選擇服務并最終成交發(fā)生的一系列針對多種相似競爭產(chǎn)品的點擊、比較行為以及結算行為所組成的全部行為序列。針對專業(yè)領域的服務提供平臺，如果還是采用傳統(tǒng)電商的服務推薦模型，即使解決了可信度的難題，如果在交易周期上讓用戶產(chǎn)生了不友好的體驗，不管推薦算法可以覆蓋多龐大的數(shù)據(jù)量，仍然是失敗的推薦應用案例。

三、大數(shù)據(jù)分析和消費心理模式結合的推薦模型

將傳統(tǒng)的基于大數(shù)據(jù)分析的可信服務推薦的方式與基于用戶選擇行為的心理模式相結合，是目前比較推崇的營銷應用場景。其整體結構如圖1所示。圖1大數(shù)據(jù)分析和消費心理學結合的推薦模型結構圖從圖1展示的結構，大數(shù)據(jù)推薦是核心，可信度屬性分組是服務推薦的個性化需求，目標用戶的選擇行為模型是最終的體驗升級?？尚哦葘傩苑纸M是支撐可信服務的各種指標集合。特別是專業(yè)領域的服務提供平臺，由于服務內(nèi)容相似度高，服務品質參差不齊，如果沒有與信任度相關的支持保障，很難促成交易的發(fā)生，更不用說長久的留住的用戶。目前在可信度指標上，主要有能力評級、服務評價、社交推薦、服務資歷等，有的是單一出現(xiàn)，更多是以集合的方式出現(xiàn)。以家政服務為例，能力評級體現(xiàn)在服務推薦平臺或第三方權威機構給出的對家政人員的服務能力評價；服務評價則在售后客戶評分是體現(xiàn)；社交推薦需要在社交網(wǎng)絡中實現(xiàn)，也就是“熟人推薦”行為；服務資歷主要體現(xiàn)在服務年限或服務累計次數(shù)上。其他形式還有服務保險等，體現(xiàn)售后服務保障方面。大數(shù)據(jù)分析服務推薦中的應用很多，除開可信度這個指標，還有服務需求匹配等應用場景。根據(jù)不同的功能需求，大數(shù)據(jù)分析技術都可以發(fā)揮作用。同時，根據(jù)業(yè)務的不斷深入，業(yè)務量的不斷積累，通過數(shù)據(jù)挖掘技術，也可以發(fā)掘出新穎的推薦模式。用戶的選擇行為模式的分析，可以在用戶體驗上提高用戶滿意度。選擇行為模式和用戶消費心理狀態(tài)相關，根據(jù)對目標用戶的消費行為模式的刻畫，設計個性化的人機交互方式，最終盡可能的趨近精準的推薦結果。在家政服務推薦的過程中，底層大數(shù)據(jù)分析會提供一個服務推薦序列，那么是不是需要將所有的結果都展示給用戶呢？根據(jù)我們對目前用戶的行為建模結果，發(fā)現(xiàn)用戶對于同質化的服務進行區(qū)分的能力是有限的，起選擇的標準也是模糊的，過多的選擇會增加用戶的交易周期，甚至交易流產(chǎn)。那么從推薦序列中進行符合用戶行為模式的2次推薦，可以達到更好的效果。

四、總結

本文著重描述了一種基于大數(shù)據(jù)分析和消費心理模型的可信服務推薦模式，相較于傳統(tǒng)的服務推薦模式，該模式在肯定傳統(tǒng)大數(shù)據(jù)分析的前提下，提高了用戶消費行為模式在推薦過程中的地位。二者相輔相成，能夠進一步趨近推薦的精確度，并高效的促成交易轉化。

作者:李紅蕾 姚麗 單位:1.重慶市電子工程職業(yè)學院 2.重慶大學