電子商務商品信息模型構建
著眼于顧客行為中隱含的大量顧客偏好信息,構建了信息模型。通過對顧客注冊、檢索、瀏覽信息的提取,并針對偏好動態性對其進行及時維護,計算出顧客特征向量作為推薦的依據,旨在提高推薦的準確性和及時性。下面是小編搜集整理的相關內容的論文，歡迎大家閱讀參考。
摘要：隨著信息時代的來臨，基于互聯網的電子商務進入飛速發展的階段，無論是人們的生活方式還是企業的生產方式都隨之發生巨變。更多的企業也意識到電子商務所帶來的商機，正著力推動各自電子商務平臺的構建和應用電子商務技術的發展。但激增的商品信息，也無形中增加了消費者選擇商品的難度。因此，如何構建合理的信息模型，對商品相關信息進行準確表示及精煉描述，從而為顧客在進行商品選擇時提供準確的信息和有效的依據，成為亟待解決的問題。電子商務平臺在具體構建時，面對急劇增加的商品信息，還應注意模型信息的統一性和協調性、開放性和升級擴展能力，以方便向消費者精確地進行推薦，從而提升顧客對于網站的滿意度以及平臺整體的銷售額。
一、商品靜態信息的提取
1.1商品類別的劃分
在進行商品信息提取之前，應首先針對商品進行類別劃分。因為，相同類型的商品往往具有相同的特征，人們在購買時會根據所選購商品的類型所具有的獨具特征做出購買決策。因此，為了使顧客在電子商務平臺上對于商品的瀏覽行為更加方便，在商品信息模型構建之初，應首先考慮針對商品的特征進行類別的劃分，將具有相似特征的商品歸為一類，與此同時，針對每個類別進行編碼操作。當有新商品登錄時，應首先將其進行歸類處理。這樣，商品信息模型就成為一個商品類別以
1.2商品基本信息的表示
商品基本信息是指顧客在購買過程中所必須了解的，商品本身所共有的、不變的屬性特征。這些信息，也是面向顧客進行推薦時的主要內容，是電子商務平臺中的基礎信息。作為交易雙方所需要的信息應具有內容豐富、易于了解、實時更新等特征，基本信息模型應能將絕大多數商品所共有的特征標示清楚。
1.3商品特征屬性的提取
電子商務平臺中用于表示商品全部屬性數據的集合被稱為商品的屬性信息。電子商務平臺中針對商品進行的檢索、瀏覽、收藏、購買等所有的行為，實質上都是針對商品的屬性進行的操作。而每種商品都由多重屬性組成，如何有效地對于商品的屬性進行合理地提取和表示，成為電子商務平臺能否及時、準確地為顧客提供商品推薦的關鍵。商品屬性信息是由靜態屬性與自定義屬性所構成。商品靜態屬性是商品所固有的、對于顧客選擇商品有很大影響的信息。因此，在進行模型構建時應首先對這些屬性進行綜合和抽象級別處理，并進行合理表示。自定義屬性是由類屬性、抽象屬性共同組成。這里，類屬性中的客觀屬性主要是指同類商品具有的共同屬性，主觀屬性是針對同種類型商品進行的人為描述的屬性;而抽象屬性則是顧客對于商品使用后反饋回來的相關信息。在諸多商品信息中，某些是能用量化方式進行描述的，如商品價格及規格標識;而絕大多數屬性往往是使用字符描述的，難以量化標識，如商品名稱、基本功能等。為有效地構建模型，針對這類屬性，首先要做的就是聚類處理，進而再根據聚類結果進行賦值處理。特別對于某些由長字符串所組成的屬性，應首先將其作詞條分段處理，再選擇其中能代表商品重要功能的詞條作為關鍵詞。然后，進行針對關鍵詞所代表的屬性進行聚類，并將功能相類似的商品作為一個級別。最后，由賦值模塊對各級別進行整數量化表示。不難發現，類別相同的商品，其屬性特征值往往也是相同的，因此每一個屬性都是擁有該屬性的所有商品所共有的特征。顧客如果對某個屬性有所偏愛則是對于對應商品類整體的偏愛。商品屬性
二、商品評價信息的提取
商品評價現已被多數電子商務網站所采用，已購物顧客對商品做出的準確、實時的評價，將成為其他顧客購買參照的依據。這不僅能提高顧客選擇商品的效率，更能促進服務質量的提升。
2.1建立評價指標體系
首先，要進行特征要素的選取。將顧客對于商品給出的評價值作為特征要素，顧客對于各評價項做出的評分結果作為評價集。再按分值區間對評價結果進行劃分，將其作為參考等級。例如，通常電子商務平臺采用五星評分，即五星代表非常滿意、四星代表滿意、三星一般、二星不滿意、一星代表非常不滿意，則V=(非常滿意，滿意，一般，不滿意，非常不滿意)，對應選定的分值級別向量為CT=(108642)T。其次，要確定要素集。要素集的選取，主要是針對顧客在購買過程中，影響其滿意度的主要因素的巨額訂單。如多數顧客在電子商務平臺進行網上購物時，所關注的往往是商家所提供的商品、物流及服務等情況，可將上述項目作為評價項目，即為要素集U=(與描述相符、服務態度、發貨速度、物流服務)。要素集、評價集的選取并非一成不變，該過程可以視顧客購物所關注的不同要素來選定，并可人為調整。
2.2確定權重系數
要素集中的要素對于評價結果的影響程度往往不盡相同，某些要素影響顯得非常重要，而某些則顯得不那么重要。為加以區別，這里用權重系數進行量化表示。權重系數的確定往往是由人為賦值產生的，通過主觀經驗判斷結合要素固有信息，量化后得到各要素權重系數：A=(a1a2…akam)。其中，ak為第k個因素對應的權重系數;k=1，2，…m;a1+a2+…+am=1。
2.3確定要素評價矩陣
針對要素評價，要進行的是分配率的計算，該過程主要是根據評價要素集所對應的等級進行統計產生的。如上敘述，采用五星評分，即非常滿意、滿意、一般、不滿意、非常不滿意，
三、結束語
未來的電子商務將是一種以面向顧客主動推薦為主要特征，能夠協助顧客從眾多的選擇中快速找到最有價值的商品，爭取交易雙方最大利益并給人們帶來極大便利的模式。新時代的電子商務需要的是實時的反應和準確的推薦。對此，本文使用商品類別信息、基本信息、特征屬性以及評價信息構建了商品信息模型，并用商品屬性權重及向量方式來表示商品特征向量。該商品信息模型的構建使用便利、信息表述完整、可及時更新、能隨數據的增加擴展，有利于電子商務網站的管理和服務水平的提高。
【電子商務商品信息模型構建】相關文章：
企業員工培訓模型構建07-23
品牌延伸量化模型構建08-14
電商物流的優化模型構建09-08
猜想驗證構建數學模型論文08-14
現代渠道策略誤區與代理返利模型構建10-18
淺析企業博客營銷模型的構建與實施08-18
淺談高中物理教學中物理模型的構建10-16
基于區塊鏈技術的審計模型構建應用論文07-17
淺談初中物理教學中物理模型的構建與應用10-09
高中物理教學有效設問模型的構建策略06-18