- 相關(guān)推薦
Ｂ２Ｃ電子商務(wù)中的消費者決策支持系統
摘要 B2C電子商務(wù)環(huán)境下的決策支持系統主要包括專(zhuān)家系統，推薦系統和智能代理系統或者其組合等。其目標是幫助消費者發(fā)現和澄清需求，在網(wǎng)絡(luò )海量的信息環(huán)境下發(fā)現和比較信息，篩選符合客戶(hù)需要的產(chǎn)品，或者提供建議。該文回顧了近年來(lái)網(wǎng)上決策支持系統的研究進(jìn)展，并對其在B2C電子商務(wù)中的應用遠景和研究發(fā)展趨勢進(jìn)行了猜測與展看。關(guān)鍵詞 B2C，消費者，決策支持系統。
同傳統購物過(guò)程一樣，消費者的網(wǎng)上購物決策行為可分為需求認知、信息搜索、選擇性評價(jià)、購買(mǎi)和購買(mǎi)后評價(jià)5個(gè)階段。只是，網(wǎng)絡(luò )作為一個(gè)重要的信息來(lái)源，以其豐富的信息、方便的搜索引擎、低廉的搜索本錢(qián)等上風(fēng)，迅速成為消費者外部信息搜索的重要方式�；趯οM者在前購物階段的外部信息搜索和提供人性化的產(chǎn)品和服務(wù)推薦的網(wǎng)絡(luò )信息來(lái)源的研究，Senecal和Nantel（2002）把網(wǎng)上推薦來(lái)源分為3種類(lèi)型[1]：（1）其他消費者（如，親戚、朋友、熟人等）；（2）專(zhuān)家（如銷(xiāo)售員、獨立專(zhuān)家等）；（3）專(zhuān)家系統（Expert System，ES）和消費者決策支持系統（Consumer decision support system）（如推薦系統和智能代理系統）。對于前兩種類(lèi)型的信息來(lái)源，它也適用于傳統購物，在對傳統購物的消費者行為研究中經(jīng)常使用，而且已公認它們影響了消費者的決策和購買(mǎi)行為。
決策支持系統（Decision Support System，DSS）是70年代初期發(fā)展起來(lái)的面向用戶(hù)的一種交互系統，傳統的決策支持系統由人機接口、數據庫、模型庫三個(gè)子系統及它們之間的接口組成，其主要目的是支持半結構化和非結構化的決策題目，以進(jìn)步?jīng)Q策效能[2]。智能決策支持系統（Intelligent Decision Support System，IDSS）是專(zhuān)家系統與決策支持系統的集成體。相當于Senecal和Nantel（2002）對網(wǎng)絡(luò )信息來(lái)源分類(lèi)中的第三類(lèi)。它完成定性的知識推理、定量的模型計算、大量的數據處理并形成有機整體[3]。對于B2C電子商務(wù)環(huán)境下的消費者購物決策來(lái)說(shuō)，決策支持系統的目標是幫助消費者發(fā)現和澄清需求，在網(wǎng)絡(luò )海量的信息環(huán)境下發(fā)現和比較信息，篩選符合客戶(hù)需要的產(chǎn)品，或者提供建議[4]。
近來(lái)決策支持系統的研究更加趨向于使其智能化、人性化，通過(guò)對網(wǎng)上消費者購物決策行為的經(jīng)驗性研究，致力于建立一個(gè)能有效地促進(jìn)消費者在其進(jìn)行網(wǎng)上購物時(shí)做出決策的交互作用系統�；谝陨戏治�，本文回顧了近年來(lái)網(wǎng)上決策支持系統的研究進(jìn)展，將這些研究分成三種類(lèi)型：理論研究、方法研究和應用研究（理論研究和方法研究的區別在于，是否建立了決策支持系統的模型，而應用研究則是對某一具體的決策支持系統的應用），并對其在B2C電子商務(wù)中的應用遠景和研究發(fā)展趨勢進(jìn)行了猜測與展看。
1 決策支持系統的理論研究
固然網(wǎng)上商店在20世紀80年代就已經(jīng)出現，但是盡大多數的網(wǎng)上商店也就只有幾周歲而已。所以，固然現存的網(wǎng)上交易的類(lèi)型很多，哪種類(lèi)型真正適合網(wǎng)上交易，并在未來(lái)盛行目前并不清楚。目前占上風(fēng)的網(wǎng)上交易主要有[5]：
�。�1）固定價(jià)格（Fixed price）。傳統的網(wǎng)上商店，其商品來(lái)自一家零售商。
�。�2）拍賣(mài)機構（Auction houses）。消費者可以對一些項目進(jìn)行投標（如，易趣）。
�。�3）信息媒體庫（Infomediaries）。把幾個(gè)商店或制造商的商品集中到一個(gè)大的框架體系下。并不直接零售商品，而是提供商品相關(guān)信息，其服務(wù)鏈由其他一些確立良好的網(wǎng)上商店組成，其功能相當于搜索引擎。（如，www.Chemdex.com）
�。�4）混合商店（Hybrid stores）。既零售商品，也是一個(gè)信息媒體庫（如，卓越）。
因此，在設計電子商務(wù)工具時(shí)，必須考慮特定的交易類(lèi)型和信息呈現方式。網(wǎng)絡(luò )是由用戶(hù)驅動(dòng)（user-driven）的，交流的開(kāi)始和中止，都是由用戶(hù)決定的——只需要點(diǎn)擊一下鼠標即可，而用戶(hù)在進(jìn)行購物時(shí)，通常并沒(méi)有明確的購物目的。因此，一個(gè)設計良好的決策支持系統必須適應買(mǎi)方和賣(mài)方雙方的需要，其信息的組織與交互要與用戶(hù)的內在認知活動(dòng)相一致[6]。
決策支持系統通常包括一些題目，通過(guò)用戶(hù)對這些題目的回答來(lái)發(fā)現最適適用戶(hù)的選項。這就涉及到題目的設計，數據存儲及檢索兩方面的內容。這兩個(gè)方面是互相聯(lián)系，互相制約的，其核心和關(guān)鍵是數據存儲和檢索技術(shù)的發(fā)展。
1.1 題目設計
過(guò)往的題目設計通常包括一些冗長(cháng)的，一步到位式的題目，它對應著(zhù)數據檢索和存儲中基于案例的推理（Case-Based Reasoning，CBR）技術(shù)，通過(guò)用戶(hù)對這些題目的回答來(lái)搜索數據庫并進(jìn)行推薦，但這并不能使用戶(hù)感到滿(mǎn)足。目前的題目設計致力于通過(guò)最小的題目集來(lái)實(shí)現這一目標。此外，用戶(hù)對于其需求通常只有一個(gè)含糊的觀(guān)點(diǎn)，因此，一箭中的策略顯然是不理想的，必須采用一個(gè)多階段的檢索過(guò)程：首先，通過(guò)最初的信息來(lái)檢索第一個(gè)候選集，然后用一些題目來(lái)削減上次得到的子集，直到獲得易處理的候選集為止。在每一個(gè)階段所提出的題目最好能在最大程度上在該點(diǎn)上區分出候選集中的案例，因此，用戶(hù)在每一個(gè)階段的回答都會(huì )影響所提題目的順序。
1.2 數據的存儲及檢索
近年來(lái)，由于支持大容量數據的有效存儲和檢索技術(shù)——數據倉庫（data warehouse）和聯(lián)機分析處理（online analytical processing, OLAP）產(chǎn)品的實(shí)用性大大增強，決策支持系統中數據庫的使用也飛速增長(cháng)。數據倉庫是用于決策支持的企業(yè)歷史數據的在線(xiàn)知識庫，而OLAP則是使用戶(hù)能夠有效的從數據倉庫中檢索數據的一種技術(shù)[7]。
1.2.1 基于案例的推理（CBR）
為了幫助分析家關(guān)注重要數據并作出更好的決策，最早由Shanker在1982年發(fā)表的《Dynamic Memory》中，提出了基于案例的推理思想，并由其學(xué)生經(jīng)過(guò)多年的工作逐漸發(fā)展起來(lái)，是人工智能中新崛起的一項重要推理技術(shù)。它與類(lèi)比推理相類(lèi)似，但又不完全等同于類(lèi)比推理。它在很大程度上符合專(zhuān)家迅速、正確的求解新題目的過(guò)程[8]。其核心思想是：人們以前對該類(lèi)題目的求解經(jīng)驗——案例，是按一定的組織方式存儲在案例庫中的，當用戶(hù)輸進(jìn)待求解的新題目時(shí)，系統首先從案例庫中尋找這種案例或者近似于這種案例的案例。假如找到的案例與待求解的案例的描述完全一致，則將這些案例對題目的解輸出。否則，根據對待求解題目的描述，對檢索出來(lái)的案例進(jìn)行修改，以產(chǎn)生一個(gè)符合題目求解要求的解并將其輸出；同時(shí)將這個(gè)題目的求解作為一個(gè)新的案例再存儲到案例庫中。因此，在以后進(jìn)行系統求解時(shí)，就可以利用案例庫中所有已知的案例，而不必每次都從頭開(kāi)始�！ �1.2.2 漸進(jìn)案例推理（incremental case-based reasoning technique, I-CBR）
Cunningham和Smyth（1994）將錯誤診斷領(lǐng)域發(fā)展并應用起來(lái)的漸進(jìn)案例推理技術(shù)應用于決策支持系統的特征選擇，它是對基于案例的推理的發(fā)展，是多次的基于案例的推理。該技術(shù)并不要求首先獲得對所有目標元素的描述，而是通過(guò)詢(xún)問(wèn)用戶(hù)一些焦點(diǎn)題目逐漸建立這一描述。
漸進(jìn)案例推理技術(shù)使用獲得的信息來(lái)尋找最能夠區別目前的集合中的所有案例的特征，該信息是有分類(lèi)的，從而能夠鑒定每一個(gè)特定特征的區分力。但數據倉庫中存儲的通常是未分類(lèi)數據，因此，Doyle和Cunningham以為，需要使用另一種度量衡來(lái)應用多階段檢索技術(shù)，或者對未分類(lèi)數據首先進(jìn)行聚類(lèi)分析，然后再運用漸進(jìn)案例推理技術(shù)進(jìn)行丈量[9]。
固然基于案例的推理是丈量產(chǎn)品的相似性的最流行的方法，但是也遭到了一些批評。Lee以為，固然該方法能夠找出與用戶(hù)需要最相似的產(chǎn)品，但卻忽視了產(chǎn)品的適宜性，從而把一些低質(zhì)量的商品推薦給消費者。為了解決這一題目，就需要采用多屬性決策方法（multi-attribute decision- *** method）同步考慮消費者需求和產(chǎn)品質(zhì)量[10]。
2 決策支持系統的方法研究
正如前文所述，用戶(hù)在進(jìn)進(jìn)網(wǎng)上購物界面時(shí)，通常對其需求只有一個(gè)模糊的概念，因此，網(wǎng)上購物商店不僅需要提供豐富的商品或可以商量的價(jià)格，而且其信息呈現的方式還要能吸引用戶(hù)，增強其購物敏感性�；谶@一考慮，Shoji和Hori提出了一種網(wǎng)上購物中推動(dòng)用戶(hù)觀(guān)念清楚化的交互作用方法——S-Conart（concept articulator for shoppers），致力于建立一個(gè)消費者在其進(jìn)行網(wǎng)上購物時(shí)能有效促進(jìn)其作出決策的交互作用系統，并用該系統做出一系列評估實(shí)驗來(lái)檢驗在建立該系統時(shí)所使用的方法在促進(jìn)購買(mǎi)觀(guān)念清楚度上的有效性 [11]。
Shoji和Hori（2001）通過(guò)研究消費者和店員的交流，發(fā)現店員對于促進(jìn)消費者購物概念清楚化有著(zhù)積極的作用，他們可以提供與消費者當時(shí)不一致的觀(guān)點(diǎn)，其作用主要表現在兩個(gè)方面：為形成概念提供支持（通過(guò)改變消費者的觀(guān)點(diǎn)，引起搜索目標本身的改變，從而促進(jìn)其決策過(guò)程），為確信決策提供支持（使消費者能夠順利接受店員的觀(guān)點(diǎn)，并相信他們的決定是正確的）。S-Conart方法通過(guò)兩種類(lèi)型的信息呈現方式來(lái)實(shí)現店員的這兩種作用。
對于為形成概念提供支持，S-Conart采用基于***量表（multi-dimensional scaling，MDS）的空間配置類(lèi)型（spatial-arrangement style）的信息呈現方法，并提供了另一種列表類(lèi)型的信息呈現界面作為對比。對于為確信決策提供支持，S-Conart提供了兩種功能：一是通過(guò)使消費者瀏覽對其所感愛(ài)好的商品的評論（這些評論還包括評論者購買(mǎi)產(chǎn)品時(shí)的情境信息），促進(jìn)用戶(hù)對其決策的信心；二是通過(guò)情境信息窗口，用圖表和樹(shù)型圖兩種方式，呈現產(chǎn)品評論中的相關(guān)字詞，從而促進(jìn)消費者概念的清楚化。
消費者除了對其需求概念模糊之外，對其不經(jīng)常購買(mǎi)的商品經(jīng)常也沒(méi)有足夠的知識來(lái)對同類(lèi)產(chǎn)品作出評價(jià)。因此，他們在作出購物決策的過(guò)程中特別需要得到該領(lǐng)域的專(zhuān)家的幫助。在網(wǎng)上購物環(huán)境中，智能決策支持系統則需要扮演專(zhuān)家這種角色，不僅能夠與消費者進(jìn)行交互從而獲取和分析其需求，而且有能力往評價(jià)各種不同類(lèi)型的產(chǎn)品，用最低的本錢(qián)給出最適合消費者要求的建議。消費者的購物決策，不僅包括購買(mǎi)哪種產(chǎn)品，而且包括產(chǎn)品的價(jià)格等。隨著(zhù)電子商務(wù)的發(fā)展，消費者可以從網(wǎng)上獲取的產(chǎn)品信息越來(lái)越多，甚至可以直接與賣(mài)方進(jìn)行討價(jià)還價(jià)，而賣(mài)方對其市場(chǎng)策略也有自己的考慮，因此，網(wǎng)上產(chǎn)品的價(jià)格由固定價(jià)格向可變價(jià)格轉變，這樣，類(lèi)比傳統購物環(huán)境中經(jīng)過(guò)討價(jià)還價(jià)確定價(jià)格的流程——協(xié)商，網(wǎng)上購物環(huán)境也對這一流程產(chǎn)生了需要。
基于以上兩個(gè)方面的考慮，以及傳統協(xié)商與網(wǎng)上購物環(huán)境自身的特點(diǎn)，We-Po Lee提出并驗證了包括推薦和自動(dòng)協(xié)商的代理系統來(lái)支持消費者的決策行為的有效性[10]。在這個(gè)系統中，推薦是以知識為基礎的，它包括知識獲取代理（Knowledge Acquisition Agent）和行為匹配代理（Behavior- Matching Agent）兩個(gè)部分，從而包括兩個(gè)方面的知識：專(zhuān)家知識和用戶(hù)－系統交互的經(jīng)驗。專(zhuān)家知識經(jīng)過(guò)知識獲取代理，從該領(lǐng)域的專(zhuān)家那兒搜集、整理并用特定的內部知識表征形式植進(jìn)系統中；用戶(hù)－系統交互的經(jīng)驗則經(jīng)過(guò)行為匹配代理從以前的用戶(hù)那兒，搜集其如何在系統的指導下發(fā)現理想產(chǎn)品的過(guò)程信息，假如當前用戶(hù)的行為類(lèi)型與以前的用戶(hù)的行為類(lèi)型相匹配，系統就推薦以前的對應用戶(hù)所選擇的產(chǎn)品，不論行為類(lèi)型是否匹配，系統都會(huì )自動(dòng)記錄當前用戶(hù)獲取理想產(chǎn)品的過(guò)程信息。而自動(dòng)協(xié)商系統包括買(mǎi)方代理、賣(mài)方代理和用戶(hù)界面三個(gè)組成部分，數據在買(mǎi)方代理和賣(mài)方代理之間進(jìn)行交換，包括三個(gè)步驟：確定協(xié)商空間，探測協(xié)商雙方的態(tài)度，確定協(xié)商函數。其中，買(mǎi)方代理工作更為積極，它可以從產(chǎn)品推薦所提供的鏈接中選擇對應的賣(mài)方代理進(jìn)行交流。
Lee和Chung將虛擬現實(shí)技術(shù)和網(wǎng)絡(luò )決策支持系統整合到網(wǎng)上商城的設計中，提出并設計了虛擬現實(shí)驅動(dòng)購物代理[12]（Virtual Reality drIven Shopping Agent，VRISA），創(chuàng )造了一種新的網(wǎng)上購物商城的范式。它將生活方式探測器代理（Lifestyle Finder Agent）（記錄消費者剖面圖）和特征比較代理（Attribute Comparison Agent）（包括價(jià)格、設計和質(zhì)量3個(gè)維度，采用層次分析法（Analytic Hierarchy Process，AHP）進(jìn)行特征比較）兩個(gè)子代理作為其核心機制，并在推薦和終極的分析中包括了實(shí)體控制模塊（avatar control module）。實(shí)體控制模塊包括兩個(gè)函數：推薦函數和實(shí)體控制函數，推薦函數按照公道性和敏感性標準整合生活方式探測器和特征比較兩個(gè)子代理的推薦信息，將令消費者滿(mǎn)足的結果傳遞給實(shí)體控制函數，實(shí)體控制函數將內部語(yǔ)言轉化成包括文本、圖像和聲音的3D形式輸出。
對網(wǎng)絡(luò )信息系統（Web Information Systems，WISs）來(lái)說(shuō)，其用戶(hù)的背景多種多樣，而要使該系統能夠達到世界通用的目的，就必須跨越用戶(hù)已經(jīng)知道的和他們與計算機系統進(jìn)行交互所需要知道的之間的鴻溝，這就需要對所有的用戶(hù)提供支持。Aberg和Shahmehri提出了一個(gè)用戶(hù)支持的一般模型[13]，該模型結合了計算機和人類(lèi)助手兩個(gè)方面的支持，同時(shí)考慮了技術(shù)多樣性和用戶(hù)差異，為用戶(hù)提供了一個(gè)靈活的界面，用戶(hù)可以自由選擇他們與支持系統進(jìn)行交流的方式。通過(guò)對這個(gè)模型的應用研究發(fā)現，把人類(lèi)助手整合到支持系統中往是提供有效的用戶(hù)支持的一個(gè)方式。這個(gè)整合使該網(wǎng)站用起來(lái)更加有趣并增加了用戶(hù)對該站點(diǎn)的信任，也改善了該站點(diǎn)的氣氛。這就為決策支持系統向智能化、人性化發(fā)展提供了理論支持。 3 決策支持系統的應用研究
一些研究檢驗了決策支持系統對用戶(hù)績(jì)效的影響，但是不同的研究者對于具體的決策支持系統的使用和用戶(hù)績(jì)效的定義不同。Peng, Finin, Labrou 等人（1998）研究了決策向導對用戶(hù)績(jì)效的影響。決策向導按照系統為用戶(hù)的題目解決提供幫助的多少劃分為簡(jiǎn)單的提供信息和提供選擇路線(xiàn)的建議兩種水平，并把決策質(zhì)量作為丈量終極用戶(hù)績(jì)效的重要因素。Head等人（2000）研究了網(wǎng)絡(luò )導航對終極用戶(hù)績(jì)效的影響，網(wǎng)絡(luò )導航固然在提供支持上使用了全然不同的策略，但它以幫助用戶(hù)發(fā)現以前曾經(jīng)瀏覽過(guò)的網(wǎng)頁(yè)為目標，與智能搜索有著(zhù)相似的功能。而用戶(hù)績(jì)效則被定義為使用該系統能夠減少完成特定任務(wù)所需要的時(shí)間，并包括網(wǎng)頁(yè)內瀏覽績(jì)效和網(wǎng)頁(yè)間瀏覽績(jì)效兩個(gè)方面。Hostler, Yoon，Guimaraes綜合了以前的研究者對于用戶(hù)績(jì)效的定義，在研究網(wǎng)絡(luò )代理對終極用戶(hù)績(jì)效的影響時(shí)，用耗時(shí)、決策質(zhì)量、對決策的自信和認知努力四個(gè)變量來(lái)丈量終極用戶(hù)績(jì)效[14]，其中，耗時(shí)包括網(wǎng)站選擇時(shí)間、產(chǎn)品搜索時(shí)間和產(chǎn)品選擇時(shí)間三部分；決策質(zhì)量按照用戶(hù)所選擇的產(chǎn)品適合實(shí)驗中特定的產(chǎn)品特征標準（實(shí)驗中包括8個(gè)特征標準）的程度來(lái)丈量，并劃分為0（沒(méi)有一個(gè)符合特征標準）到8（全部符合特征標準）9個(gè)等級；對決策的自信和認知努力都用7點(diǎn)Likert量表來(lái)丈量。結果發(fā)現，網(wǎng)絡(luò )代理減少了耗時(shí)，進(jìn)步了決策質(zhì)量，增加了對決策的自信和減少了認知努力，從而證實(shí)網(wǎng)絡(luò )代理對用戶(hù)績(jì)效有積極的影響。不僅如此，Garrity, Glassberg等人在調查網(wǎng)上消費者購物決策滿(mǎn)足度，并用任務(wù)支持滿(mǎn)足，決策滿(mǎn)足和界面滿(mǎn)足三個(gè)基本成分來(lái)表示用戶(hù)滿(mǎn)足時(shí)，發(fā)現決策支持滿(mǎn)足在網(wǎng)絡(luò )信息系統中成功扮演了重要角色[15]，說(shuō)明決策支持系統不僅有利于進(jìn)步用戶(hù)績(jì)效，而且有利于進(jìn)步用戶(hù)滿(mǎn)足度。
H
【Ｂ２Ｃ電子商務(wù)中的消費者決策支持系統】相關(guān)文章：
crm中的決策支持系統與貿易智能02-23
網(wǎng)絡(luò )環(huán)境下的市場(chǎng)營(yíng)銷(xiāo)決策與決策支持系統03-21
決策樹(shù)在基于消費者外表的服裝營(yíng)銷(xiāo)中的應用03-26
Ｂ２Ｃ電子商務(wù)貨物配送題目研究03-21