基于移动互联网的电子商务个性化推荐的一些思考

在上周晚上冒着大雨参加了IT龙门阵主办的，由口袋购物候迅发表的主题为“智能推荐在移动电子商务中的应用”的主题演讲。在演讲中，候迅提出了一种”发现式无意识购物“的观点。很多人在很多时候，去商场，或者去压马路，可能并不是专门买什么而去的，或者是为了专门买什么而去，但是在逛的过程中，发现了一些促销信息、一些吸引眼球的广告、一些好玩感兴趣的东西等等，在很大可能上会产生购买行为。

由于手机的移动性，随处可用，无处不在，我觉得在移动互联网上实现”发现式无意识购物“更具有意义。用户购物，用户在手机上逛街，这些都是用户行为，但是怎么提供给用户虚拟的购物环境，也就是这个”街“，让用户在无目的行为中，产生兴趣，促使消费，这就是移动互联网应用开发商应该考虑的问题。

现实生活中，我的购物环境，也就是这个街，正常情况是个死的。你今天去，还是明天去，店铺商品一般变化不大。但是在移动互联网的虚拟环境下，就不会存在这种情况。他没有时间性，没有区域性。在现实中逛街，当你在店铺里面发现了一件自己感兴趣的商品，那么店员就会给你讲解沟通。在网络上，当然不会存在类似的角色，但是，我觉得，智能推荐提供了类似的功能。

智能推荐、推荐引擎、个性化智能推荐，这些都是在电子商务领域不可缺少的功能和研究课题。通过对用户行为的分析，用户分类聚合，推荐用户可能感兴趣的商品，这就是商品推荐引擎的目录。

个性化智能推荐，我觉得也可以称之为基于上下文的推荐。用户个性化推荐区别于普适推荐，用户在使用应用时，有一些当时的使用场景，即上下文信息，比如时间、所处地理位置、活动状态、网络状态等等。

基于上下文的个性化智能推荐，这是一个目前在学术界研究的一个难点课题，据我所知目前还没有完善的模型。在实际应用中，我觉得可以这么处理，一种方法是 利用上下文信息在数据处理前进行过滤，另一种方式是在数据处理后，利用上下文信息对结果进行过滤，第三种方法就是在运行时，根据上下文信息参与数据运算。我觉得前两种方法应该更容易些。

无论是传统的普适推荐，还是个性化推荐，还是基于上下文的个性化推荐，都离不开基本数学理论，但是针对实际应用场景，采用适合自己的算法，模型，还是需要在实践应用中进行逐步调整。