推荐系统：技术层面与营销启示的联合分析

2010年，仅亚马逊一家，网络用户每秒订购73件商品，并大量贡献关于其消费体验的评论。随着网络日趋成熟并变得具有社交性和参与性，协同过滤成为搜索关于人物、事件和产品的在线信息的基本补充。在Web 2.0中，互联消费者所创造的不仅仅是内容（如评论），更是语境。这种新的消费语境框架通过大规模聚合和协同过滤网络上关于商品的个人偏好而涌现。更重要的是，它使互联消费者能够更有效地搜索和浏览复杂的网络，并增强了追求质量的激励。本文旨在联合回顾计算机科学与营销学研究中关于推荐系统的相关研究的基本典型事实，以分享一些共同的见解。在给出网络中商品与用户的全面定义之后，我们基于两类标准——推荐的形成方式与输入数据的可用性——描述了推荐系统的一种分类。该分类以通用的最小矩阵符号表示，并用作通向商业与营销文献中相关议题的桥梁。我们重点分析一对一营销、基于网络的营销、网络商品陈列与氛围营造等领域，及其在网络的个性化与适应性过程中的启示。在推荐系统的背景下探讨了购物篮分析。关于进一步研究的讨论涉及推荐系统的商业影响与技术挑战。