科技信息SCIENCE & TECHNOLOGY INFORMATION2011 年 第 5期
一个产品组合推荐模型
吴伟平
(桂林电子科技大学商学院 广西 桂林 541004)
【摘 要】为了挖掘潜在客户资源和挽留已有客户资源,需要同时考虑企业利润和消费者满意度大小。提出收益模型,通过参数化变量把消
费者满意度约束引入目标函数形成双赢模型,利用一个简单阈值算法计算出参数化变量的阈值,使其达到全局最优化策略。在全局最优化策略
下,所得推荐
满足双赢模型目标函数值为最大值。 研究结论表明:参数化变量的阈值范围能有效地引导 EC 企业针对主要目标采取相应的
营销策略。
【关键词】电子商务(EC);推荐算法;产品组合;阈值
0 引言
随着信息技术发展,电子商务网站发展迅速,比如亚马逊,当当网
和淘宝网的用户规模不断扩大,为了满足用户的需求,电子商务推荐
系统应运而生。 与传统商务模式相比,电子商务推荐系统可以模拟商
店推销员直接与客户交互,结合消费者购买偏好,推荐其满意的商品,
以降低商品检索成本,提高购买效率[1]。推荐质量的高低直接影响到消
费者对商品的满意度和对网站的忠诚度, 为了提高消费者的满意度,
通常采用信息过滤技术,通过挖掘消费者历史购买记录构建消费者偏
好模型,在此基础上为消费者推荐符合其偏好的商品 [2],因此推荐系统
研究项目引进国内外学者提出的推荐系统,在推荐系统研究中,推荐
算法是核心。 目前应用最为广泛的推荐算法主要有两类:协同过滤算
法和内容过滤算法[3]。 协同过滤推荐算法是研究和应用最为广泛的一
种算法,它最早是由 Goldberg 等于 1992 年提出的,并应用于 Tapestry
系统[4]。 协同过滤算法通过利用消费者历史购买行为来挖掘消费者的
潜在偏好,并以此推测消费者未来的偏好倾向 [5]。但是该系统没有充分
考虑消费者需求。在考虑到消费者参与的情况下,GroupLens 首次提出
了基于消费者评分的自动协同过滤推荐系统 , 并广泛应用到
CDNOW,Amazon 等电子商务网站中 [6,7]。 基于内容的推荐算法起源于
信息检索与信息过滤,它是依据消费者已经选择的项目内容计算消费
者之间的相似性,进而进行相应的推荐。 Robertson S 和 Zhang Y 提出
了基于内容最佳匹配度阈值设定的推荐算法 [8,9]。
上述这些推荐算法从单纯在线消费者需求的角度考虑,忽略了企
业的利润因素。 也有少数研究开始关注 EC 企业利润因素:Changchien
讨论了基于市场营销策略, 定价策略以及消费者购买行为的促销活
动,这些促销活动可以转变为双赢策略 [10],却忽略了消费者满意度水
平和消费者需求因素。 对于一个推荐系统,不仅仅要满足消费者的需
求(偏好和预算),还要顾及电子商务企业利润。
就 EC 企业而言,不同属性的产品需要不同的推荐系统。 因此网
站一般引入关于产品属性的过滤技术,当产品属性难以描述时,例如
多媒体服务,那么可以根据寻找消费者购买行为记录来进行信息过
滤 [11]。消费者希望电子商务网站推荐的商品是“量身定做”的,具有针对
性、主动性甚至智能化的特点,这正反映出消费者的个性化需求。 有研
究表明 ,电子商务网站使用个性化推荐系统后 ,销售额能提高 2% -
8%[12]。
我们在同时考虑 EC 企业和消费者的利益和偏好的基础上,建立
了一个消费者和 EC 企业都实现双赢的线性规划模型,并利用阈值算
法求解出最佳推荐方案,最后通过一个算例来说明。
1 模型提出
1.1 符号设定
cij:第 i 个产品的收益。 i=1,2,…,I;
si :第 i 个产品的价格。 i=1,2,…,I;
bj:第 j 个消费者的满意度水平。 bj∈[0,1];j=1,2,…,J;
Bj:第 j 个消费者的预算。 j=1,2,…,J;
wij:第 j 个消费者对第 i 个产品的需求程度。wij∈[0,1];i=1,2,…,
I;j=1,2,…,J。
wij=1 表示消费者 j 必须购买产品 i,wij=0,消费者肯定不购买产品
i;
xij:0-1 决策变量。 xij=1 表示第 i 个产品推荐给第 j 个消费者。
1.2 条件设定和基本模型
通过考虑消费者偏好和 EC 企业收益,我们建立一个基本模型:
Max z=
I
i
Σ
J
j
Σcijxij
s.t.
I
i
Σ
J
j
Σwijxij≥bj,j=1,2,…,J (1.1)
I
i
Σ
J
j
Σsixij≤Bj,j=1,2,…,J (1.2)
I
i
Σxij≥1,j=1,2,…,J (1.3)
xij∈{0,1},i=1,2,…,I;j=1,2,…,J (1.4)
目标函数期望得到收益最大;(1.1)表示推荐给消费者的产品达到
他们的满意度水平;(1.2) 表示推荐产品组合总价格不超过消费者 j 的
预算;(1.3)保证了至少有一个产品推荐给消费者 j。
从(1.1)和(1.2)中可以得知:对于未达到消费者满意水平的产品以
及价格超过消费者预算的产品,是不推荐给消费者的。
2 改良模型
在模型(1)中,我们假设约束(1.1)意义为消费者满意度最大化,
并把(1.1)加到目标函数中去,引入参数变量 v,v∈[0,1]。 则我们可以
得到双赢模型:
Max z=v
I
i
Σ
J
j
Σcijxij +(1-v)
I
i
Σ
J
j
Σwijxij (2.1)
s.t.
I
i
Σ
J
j
Σsixij≤Bj,j=1,2,…,J (2.2)
I
i
Σxij≥1,j=1,2,…,J (2.3)
xij∈{0,1},i=1,2,…,I;j=1,2,…,J (2.4)
在计算的时候,要注意 wij 和 cij 的单位不一样,为了和 wij 相匹配,
我们把 cij 的值标准化为[0,1]。 显然,当 v=1 时,模型(2)中的目标函
数只考虑企业收益最大化,也就是当推荐的商品组合策略达到消费者
满意水平时,EC 公司的收益达到最大化。 不同的 v 值,反映模型的侧
重点不同,因此我们需要找出 v 的阈值来,使得模型(2)的目标函数在
同时考虑消费者满意程度和 EC 公司收益的情况下达到最大值。
考虑到 v 是一个参数变量,我们可以把模型(2)的目标函数变为:
Max z=
I
i
Σ
J
j
Σvcijxij+
I
i
Σ
J
j
Σ(1-v)wijxij
圯Max z=
I
i
Σ
J
j
Σ[vcij+(1-v)wij]xij
设 vcij =p, (1 -v)wij =q, 则 目 标 函 数 可 以 转 化 为 :Max z =
I
i
Σ
J
j
Σ[p+q]xij .
2.3 阈值的计算方法
寻找模型(2)的一个参数化的解决方案的参数分析技术通常用来
解决上述所描述的问题。 由于参数分析无法处理大量的数据,所以可
能无法及时地确定阈值 v 的值。为了克服这一不足之处并为此提供一
个有效的策略, 基于该模型的特性我们推导出以下规则来确定阈值
v:
定理:N*=N+∪N- N+={j∈N:xj=1} N-={j∈N:xj=0} N+∩N-=覫
Minj∈N+{pj+qj}>Maxj∈N-{pj+qj}
:pk+qk={Min(pj+qj):j∈N+}pl+ql={Max(pj+qj):j∈N-}
○机械与电子○
526
科技信息 2011 年 第 5期SCIENCE & TECHNOLOGY INFORMATION
●
科
Minj∈N+{pj+qj}>Maxj∈N-{pj+qj} pk+qk>pl+ql K哿N
+ L哿N-
K = L =r r>0 Σj∈N+(pj+qj)>Σj∈L∪N+\K (pj+qj)Σj∈L∪N+\Kwj≤c
Σj∈L∪N+\K (pj+qj)=Σj∈N+(pj+qj)+Σj∈L (pj+qj)-Σj∈K (pj+qj)
Σj∈N+(pj+qj)>Σj∈N+(pj+qj)+Σj∈L (pj+qj)-Σj∈K (pj+qj)
Σj∈L (pj+qj)<Σj∈K (pj+qj)
Σj∈L (pj+qj)
v2+v3+…+vt-1 r·v1