消费者视角下的推荐系统 杨一翁 著 mobi 下载 网盘 caj lrf pdf txt 阿里云

当前，互联网与网络购物在中国蓬勃发展，推荐系统能帮助消费者更迅捷地在“信息超载”的互联网中找到合意商品，因此得到了广泛应用。基于信息系统成功模型、信息系统持续使用模型和消费者独特性需求等理论，本书探索了消费者推荐采纳意向与推荐系统持续使用意向的影响因素，检验了消费者独特性需求对推荐系统的营销效果的调节作用。本书推进了推荐系统在营销领域的研究进展，扩展了信息系统成功模型、信息系统持续使用模型和消费者独特性需求理论在网络购物环境下的应用，并对网络商家改善其推荐系统有指导意义。

第一章绪论

第一节研究背景

第二节现有研究的不足与本书拟解决的问题

第三节研究意义

一、理论意义

二、实践意义

第四节研究方案

一、文献研究

二、构建与完善研究模型

三、问卷设计、预调查和数据收集

四、数据分析

五、撰写与出版

第二章文献述评

第一节推荐系统的概念、类型和作用

一、推荐系统的概念

二、推荐系统的类型

三、推荐系统的作用

第一节推荐系统对消费者的营销效果

一、技术接受模型

二、基于技术接受模型的相关研究

三、推荐系统对销售多样性的影响

第三节对现有文献的评价

第三章推荐系统成功——基于信任的推荐接受模型

第一节理论基础

一、信息系统成功模型

二、基于信任理论的相关研究

三、基于技术接受模型的相关研究

第二节研究模型与研究假设

第三节研究方法

一、问卷设计

二、数据收集

三、统计分析方法

第四节数据分析

一、外模型

二、内模型

第五节结论与讨论

一、研究结论

二、讨论

三、管理决策启示

四、本章小结

第四章推荐系统持续使用模型

第一节理论基础

一、期望确认理论

二、基于期望确认理论的信息系统持续使用模型

三、基于信息系统持续使用模型的相关研究

第二节研究模型与研究假设

第三节研究方法

一、问卷设计

二、数据收集

三、统计分析方法

第四节数据分析

一、外模型

二、内模型

第五节结论与讨论

一、研究结论

二、讨论

三、管理决策启示

四、本章小结

第五章消费者独特性需求——推荐采纳模型

第一节理论基础

一、消费者独特性需求理论及其相关研究

二、技术接受模型及其相关研究

第二节研究模型与研究假设

第三节研究方法

一、问卷设计

二、数据收集

三、统计分析方法

第四节数据分析

一、外模型

二、内模型

第五节结论与讨论

一、研究结论

二、讨论

三、管理决策启示

四、本章小结

第六章结论

第一节本书的研究结论

一、第三章的研究结论

二、第四章的研究结论

三、第五章的研究结论

第二节本书的理论贡献

第三节本书的管理启示

第四节本书的研究局限性与未来研究展望

参考文献

附录调查问卷

后记

杨一翁，1983年出生于湖南省长沙市，2013年毕业于中央财经大学，获经济学博士学位，现为北方工业大学经济管理学院讲师、新疆财经大学新疆企业***研究员。主要从事公司品牌、国家品牌、品牌竞争力等方面的研究工作。主持人文社会科学研究项目、新疆维***自治区普通高等学校人文社会科学基地基金项目等科研项目多项。在《经济管理》《アジア研究》等靠前外期刊上发表论文多篇。曾参加中国航空工业集团公司、中国石油化工集团公司等公司的咨询项目。

暂无出版社相关信息，正在全力查找中！

    靠前章绪论

    靠前节研究背景

    近年来，互联网在中国蓬勃发展。据中国互联网信息中心(CNNIC)发布的《第37次中国互联网络发展状况统计报告》，截至2015年12月，中国网民规模达到6.88亿，高居世界靠前。

    2015年3月5日，在第十二届全国***第三次会议的开幕式上，在政府工作报告中提出“互联网+”行动计划，以推动移动互联网、云计算、大数据、物联网等与现代***业结合，促进电子商务、工业互联网和互联网金融健康发展，引导互联网企业拓展靠前市场。的讲话将中国互联网的发展推向新的***。

    借此东风，中国网络购物发展迅猛。据《第37次中国互联网络发展状况统计报告》，截至2015年12月，中国网络购物用户规模达到4.16亿，占网民的六成，增长率为36.8%。另据商务部的统计数据，2015年中国网络零售交易额为3.88万亿元，同比增长33.3%。其中，实物商品网上零售额为3.24万亿元，同比增长31.6%，高于同期社会消费品零售总额增速20.9个百分点，占社会消费品零售总额(30万亿元)的10.8%。仅在2015年“双十一”网购狂欢节期间，网络购物平台24个小时的总成交额就高达912.17亿元。以上数据表明，“全民网购”在中国正逐渐成为现实。

    P1

在线阅读地址：消费者视角下的推荐系统 杨一翁 著在线阅读

在线听书地址：消费者视角下的推荐系统 杨一翁 著在线收听

在线购买地址：消费者视角下的推荐系统 杨一翁 著在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

《消费者视角下的推荐系统》由知识产权出版社出版。

前言

近年来，互联网在中国蓬勃发展。据中国互联网信息中心(CNNIC)发布的《第37次中国互联网络发展状况统计报告》，截至2015年12月，中国网民规模达到6.88亿，高居世界第一。2015年3月5日，在第十二届全国***第三次会议的开幕式上，在政府工作报告中提出“互联网”行动计划，以推动移动互联网、云计算、大数据、物联网等与现代***业结合，促进电子商务、工业互联网和互联网金融健康发展，引导互联网企业拓展国际市场。的讲话将中国互联网的发展推向新的***。借此东风，中国网络购物发展迅猛。据《第37次中国互联网络发展状况统计报告》，截至2015年12月，中国网络购物用户规模达到4.16亿，占网民的六成，增长率为36.8%。另据商务部的统计数据，2015年中国网络零售交易额为3.88万亿元，同比增长33.3%。其中，实物商品网上零售额为3.24万亿元，同比增长31.6%，高于同期社会消费品零售总额增速20.9个百分点，占社会消费品零售总额(30万亿元)的10.8%。仅在2015年“双十一”网购狂欢节期间，网络购物平台24个小时的总成交额就高达912.17亿元。以上数据表明，“全民网购”在中国正逐渐成为现实。网络零售商为消费者提供了包罗万象的选择，消费者在网上几乎可以买到想要的任何商品。如全球优选的综合网络购物商城亚马逊(Amazon)为消费者提供超过一千万种商品，而传统的零售巨头沃尔玛与家乐福的旗舰店提供商品的数量不超过十万种。在如此庞大的选择集中，消费者想要找到自己合意的商品犹如大海捞针。面对网上琳琅满目、良莠不齐的商品及其相关信息，时间、精力和认知能力有限的消费者就会面临“信息超载”的难题(Arazyetal.，2010；陈明亮，蔡日梅，2009)。在此背景下，推荐系统(recommendersystems)应运而生。推荐系统是一种信息过滤技术，它能够根据当前消费者之前的搜索、浏览、收藏、购买和评价等信息输入，结合商品的属性信息，利用系统数据库中相消费者的历史数据，通过系统算法过滤其选择，从而为当前消费者提出个性化的推荐建议。消费者在网购时经常看到的各类推荐信息，如“购买此商品的顾客也同时购买……”(亚马逊)、“猜你喜欢……”(商城)和“看过本商品的人还看了……”(当当网)等，就是由购物网站后台的推荐系统给出的。对消费者而言，推荐系统就像一位了解消费者个人偏好的私人购物助理，能够节省消费者的信息搜索成本与认知努力、帮助消费者更高效地找到合意商品，并时常能发现新奇商品，从而提高了消费者的网络购物决策质量(Hubl，Trifts，2000；Pathaketal.，2010；Riccietal.，2011；陈明亮，蔡日梅，2009)。对于网络商家来说，推荐系统能够帮助其低成本地实现个性化、提高销售额、销售更多种类的商品、更了解消费者偏好，并提高消费者的满意度与忠诚度(Pathaketal.，2010；Riccietal.，2011；孙鲁平，等,2016)。由于能够实现消费者与网络商家的“双赢”，推荐系统在各类购物网站得到了日益广泛的应用，如美国的亚马逊、巴诺书店(Barnes&Noble)、网飞公司(Netflix)以及中国的商城、当当网、天猫等，均在为其消费者提供个性化推荐(孙鲁平，等，2016)。推荐系统为网络商家带来了丰厚的回报。根据199IT的数据，亚马逊依靠推荐系统每秒卖出73件商品，有超过60%的推荐建议转化为消费者的实际购买行为。知乎网的数据显示，推荐系统对于亚马逊销售额的贡献率超过30%。而根据比特网的统计，推荐系统对于当当网销售额的贡献超过1亿元。正如《长尾理论》的作者安德森(Anderson，2008)所预言：“我们正离开信息时代，而迈入推荐时代。”