標題: 整合顧客個人化與賣方獲利性之商品推薦系統
The Recommender Systems Integrating Customers' Personalization and Sellers' Profitability
作者: 陳穆臻
CHEN MU-CHEN
國立交通大學交通運輸研究所
關鍵字: 商品推薦系統;顧客關係管理;資料探勘;協同過濾;Recommender System;Customer Relationship Management;Data Mining;CollaborativeFiltering
公開日期: 2007
摘要: 目前既有的推薦系統(Recommender Systems)進行商品推薦時,主要考慮商品的
購買機率(product purchase probability),而忽略了企業應用推薦系統的同時亦希望追
求獲利增加。因此,本三年計畫探討以企業(賣方)與顧客(買方)為不同出發點考
量之數種推薦系統。此外,亦有學者應用資料探勘(Data Mining)技術之關聯法則
(Association Rules)由購物籃(Market Basket)中探勘強物項(Frequent Itemsets),以進行
商品推薦。然而,此方法亦僅透過強物項考慮顧客個人化(Customers』 Personalization)
與產品被顧客購買之頻率,而未考慮賣方之獲利性(Sellers』 Profitability)。
由賣方的角度而言,係依據整體產品購買機率(overall product purchase probability)
與產品獲利性(product profitability)進行推薦;由買方的角度而言,係依據個別顧客的
偏好(individual customer 』s preferences)推薦。本計畫結合買方觀點及賣方觀點建構商
品推薦系統。在同時考慮買方觀點及賣方觀點情況下,建構以協同過濾(Collaborative
Filtering)為基礎與關聯法則為基礎之商品推薦系統,必須考慮多準則以推薦商品。所
以,本計畫亦應用資料包絡分析(Data Envelopment Analysis; DEA)發展多準則資料探
勘技術,並應用於商品推薦系統。本計畫同時以模擬資料與企業真實資料驗證所發展
之推薦系統並與傳統方法進行比較分析。推薦準確率(recommendation accuracy)與由
交叉銷售所得利潤(profit from cross-selling)為評估指標比較不同觀點的推薦系統。
依據上述,本三年計畫期望分析比較六種推薦系統,並且發展整合之商品推薦系
統以應用於實務上。此考量個人化推薦及/或商品獲利性之六種推薦系統包含:
1. Convenience perspective recommender system (CPRS);
2. Convenience plus profitability perspective recommender system (CPPRS); (本計畫發展
之系統)
3. Collaborative filtering perspective recommender system (CFRS);
4. Hybrid perspective recommender system (HPRS); (本計畫發展之系統)
5. Association rule perspective recommender system (APRS);
6. Multi-criteria association rule perspective recommender system (MCARS). (本計畫發展
之系統)
官方說明文件#: NSC95-2416-H009-034-MY3
URI: http://hdl.handle.net/11536/88450
https://www.grb.gov.tw/search/planDetail?id=1634578&docId=278942
Appears in Collections:Research Plans