導語：大數據分析和消費心理模式研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、引言

隨著移動網絡技術發展越來越深化，用戶接觸到的網絡應用越來越多，從大型百貨式銷售平臺到專業化服務平臺，便捷的網絡服務呈現爆發式的增長。然而，如何從這些數量龐大的服務中找到符合個體需求的服務，如何從大量同質化嚴重的同類服務中找到可信任的服務提供者，成了用戶需要面對的一個難題。對于當前的服務提供平臺來說，如何精準的、方便的、貼心的、有保障的提供服務推薦[1]，成為轉化新用戶、留住老用戶的關鍵。

二、相關研究

在目前關于服務推薦方面，基本從兩個方面介入功能設計。一是從引入當前流行的推薦算法升級系統功能，二是從目標用戶的消費心理上進行功能調整。2.1基于大數據分析的推薦模型在推薦算法部分，目前比較突出的有基于RatingJ、標簽和社交網絡等。由于目前的應用數據量龐大，以上推薦算法都需要大量用戶特征數據數據才能體現出優越性。這些算法我們可以統一歸類到基于大數據分析的推薦模型。可信推薦模型是大數據推薦模型中的一個大類。在服務網絡中，節點處于自身利益會進行虛假推薦，這樣的情況在我們熟知的大型網購平臺已經非常普遍，其惡果就是大眾對模型給出的推薦結果的不信任，間接增加了用戶在選擇服務的過程周期，影響用戶體驗度。在此基礎上，又出現了諸如CRBTrust推薦模型和基于貝葉斯網絡的Agent服務推薦機制[2]。CRBTrust模型將節點分為誠信節點和非誠信節點，建立“節點考察表”對每個節點進行打分，以約束非誠信節點的惡意推薦行為[3]。貝葉斯網絡推薦模型是一種基于概率值的分組推薦策略。其主要過程是根據目標用戶的行為習慣進行建模，并預測用戶今后可能會需要的服務分組[4]。2.2基于消費心理模式的推薦模型消費心理學是目前推薦領域的熱點。用戶在選擇服務的過程中同樣表現出消費心理學現象。推薦是為了促成交易，對應到消費者，則是選擇服務的過程心理狀態。消費者對于選擇服務，有三個普遍心理想象：一是性價比，二是服務信譽，三是售后[5]。服務提供者做到三點一般都會有好的消費者滿意度。然而，放到互聯網交易平臺上，這些指標變得不那么確定了，甚至在選擇服務的過程中，服務需求等心理過程都會變得模糊和不確定[6]，要精確推薦服務變得難上難。目前的大數據推薦模型都力求分析用戶的購買行為，并根據分析結果推薦個性服務供用戶選擇。然而，這些模型只顧及與交易轉化，卻忽略了這些交易伴隨的用戶其他類型的行為關聯。這些關聯行為包括用戶瀏覽路徑、比較點擊次數、單筆交易成交周期等，而這些行為與用戶選擇動機和消費心理關系緊密。交易周期是衡量用戶體驗的一個重要指標。交易周期是指用戶選擇服務并最終成交發生的一系列針對多種相似競爭產品的點擊、比較行為以及結算行為所組成的全部行為序列。針對專業領域的服務提供平臺，如果還是采用傳統電商的服務推薦模型，即使解決了可信度的難題，如果在交易周期上讓用戶產生了不友好的體驗，不管推薦算法可以覆蓋多龐大的數據量，仍然是失敗的推薦應用案例。

三、大數據分析和消費心理模式結合的推薦模型

將傳統的基于大數據分析的可信服務推薦的方式與基于用戶選擇行為的心理模式相結合，是目前比較推崇的營銷應用場景。其整體結構如圖1所示。圖1大數據分析和消費心理學結合的推薦模型結構圖從圖1展示的結構，大數據推薦是核心，可信度屬性分組是服務推薦的個性化需求，目標用戶的選擇行為模型是最終的體驗升級。可信度屬性分組是支撐可信服務的各種指標集合。特別是專業領域的服務提供平臺，由于服務內容相似度高，服務品質參差不齊，如果沒有與信任度相關的支持保障，很難促成交易的發生，更不用說長久的留住的用戶。目前在可信度指標上，主要有能力評級、服務評價、社交推薦、服務資歷等，有的是單一出現，更多是以集合的方式出現。以家政服務為例，能力評級體現在服務推薦平臺或第三方權威機構給出的對家政人員的服務能力評價；服務評價則在售后客戶評分是體現；社交推薦需要在社交網絡中實現，也就是“熟人推薦”行為；服務資歷主要體現在服務年限或服務累計次數上。其他形式還有服務保險等，體現售后服務保障方面。大數據分析服務推薦中的應用很多，除開可信度這個指標，還有服務需求匹配等應用場景。根據不同的功能需求，大數據分析技術都可以發揮作用。同時，根據業務的不斷深入，業務量的不斷積累，通過數據挖掘技術，也可以發掘出新穎的推薦模式。用戶的選擇行為模式的分析，可以在用戶體驗上提高用戶滿意度。選擇行為模式和用戶消費心理狀態相關，根據對目標用戶的消費行為模式的刻畫，設計個性化的人機交互方式，最終盡可能的趨近精準的推薦結果。在家政服務推薦的過程中，底層大數據分析會提供一個服務推薦序列，那么是不是需要將所有的結果都展示給用戶呢？根據我們對目前用戶的行為建模結果，發現用戶對于同質化的服務進行區分的能力是有限的，起選擇的標準也是模糊的，過多的選擇會增加用戶的交易周期，甚至交易流產。那么從推薦序列中進行符合用戶行為模式的2次推薦，可以達到更好的效果。

四、總結

本文著重描述了一種基于大數據分析和消費心理模型的可信服務推薦模式，相較于傳統的服務推薦模式，該模式在肯定傳統大數據分析的前提下，提高了用戶消費行為模式在推薦過程中的地位。二者相輔相成，能夠進一步趨近推薦的精確度，并高效的促成交易轉化。

作者:李紅蕾 姚麗 單位:1.重慶市電子工程職業學院 2.重慶大學