基于行为心理学的网络购物推荐算法思考

移植自己的一篇博客，以作备份。https://my.oschina.net/u/1395815/blog/909194

 

背景：

       随着互联网的发展，网络购物系统在整个购物体系中所占比例越来越大，淘宝、京东、亚马逊、苏宁等在人们日常生活中起到越来越大的作用。那么推荐系统、推荐算法起到越来越大的作用，就如销售一样，可以为网络商城增加销售额，提高利润率。通过研究客户网上购物行为心理，可以更好的设计推荐算法，使推荐的商品更符合客户的需求，从而提高客户网上购物的成功率，提高网商利润。

算法要点：

1、  商品的搜索或查看次数（频率）

客户对商品的搜索或查看次数可以体现出客户对商品的购物欲望，偶尔的一两次，客户要不很快购买成功，要不仅仅是偶然查看或较低的购物欲望，此时此类商品的推荐权重较低。随着搜索或者查看次数增加，代表客户的购买欲望增加，这时候要不购买成功，要不依然等待，但此时客户的购买欲望很强，由于商品价格、性价比、功能等等的部分原因导致客户的观望或者处于犹豫期。这时推荐算法应增大此类商品的权重，并根据客户对搜索或查看商品的特征进行汇总，根据所得的公共特性，进行同类或相关商品的推荐。

2、  商品的上次搜索或查看时间

随着商品上次查看时间的递增，客户对此类商品的关注程度降低，应适当降低此类商品的推荐权重。

3、  搜索或查看商品是否购买成功

客户对商品的购买是由于客户对商品的需求，若商品购买成功，客户对此类或相关商品的购买欲降低，应较大降低此类商品的推荐权重。

4、  日常用品、消耗品、季节性商品的推荐

对日常用品、消耗品、季节性商品客户往往会有一定的周期性行为。通过分析客户的购买周期或者商品的使用时间、商品的销售旺季时间，提前性推荐此类商品，并随着客户购买周期的临近、季节性商品销量增加，应增大推荐权重。

5、  购物车商品

购物车商品往往表示客户的商品的购买意向性，应适当提高此类商品的推荐权重，并随着此类商品的促销、打折等活动应加倍增长推荐权重。

6、  促销、打折、销量高商品

客户心理永远都喜欢购买促销、打折、降价的商品，从众心理也是客户的选择，此类商品推荐权重应大于没有此类活动的相同商品。

7、  商家利润

符合客户期望的商品，商家利润越高推荐权重越高。

由于对当前淘宝、京东的推荐商品不满意，所有才诞生了对网络购物平台推荐算法的思考，因为没有实际的统计数据，并没有做真实算法的实现，仅仅是对此类算法的思考。若想做好此类算法，应当考虑消费者的行为，从心理学的角度研究分析消费者行为，从客户的角度出发，认真、诚恳的为客户考虑才是服务行业的根本。