下载掌阅APP，畅读海量书库
立即打开
智能算法技术是核心电子商务公司为保证价值网络中的客户获得满意的产品或服务而提供的技术保障。智能算法技术是大数据的产物，核心电子商务公司通过智能算法技术实现基于大数据的精准营销。一般情况下，大数据主要来自消费者的在线购买、网络点击、社交媒体、智能设备连接和地理位置等信息。大数据营销主要是指营销人员运用智能算法等技术和分析方法，将不同类型或来源的数据进行挖掘、组合和分析，发现隐藏其中的模式，例如不同客户群体的用户画像、沟通交互方式，以及这些形式是如何影响消费者的购买决策；并在此基础之上，公司有针对性地开展营销活动，以迎合顾客的个人喜好，为顾客创造更大的价值。智能算法技术主要包括用户画像、消费者行为预测及个性化推荐系统等机器学习技术。
（1）用户画像
用户画像可以被简单理解成海量数据的标签，根据用户的属性、行为和观点的差异，将他们区分为不同的类型，然后从每种类型中抽取出典型特征，赋予名字、照片、一些人口统计学要素、场景等描述，形成了一个人物原型（Personas）。用户画像主要有三个特征。一是标签化。用户画像的实质就是标签化的用户全貌，通过用户数据的收集处理，最终提炼出用户标签进而生成用户画像。二是时效性。用户数据中的动态属性随着用户的行为变化而变化，提炼的用户标签存在着滞后性问题，由此生成的用户画像时间越久价值越低。三是动态性。随着用户数据的不断更新和变化，相应的用户特征和提炼的用户标签也在不断发生改变，因此构建的用户画像需要不断地更新迭代才能更加精准地表示用户特征。用户画像的构建流程包括数据收集、特征抽取、标签表示三个步骤。在用户画像研究中主要通过社会调查、网络数据采集和平台数据库采集三种方法来获取用户数据。特征抽取是在收集用户数据的基础上对其进行整理和分类，并通过一定的数据挖掘方法从中抽取用户特征，进一步提炼得到用户标签并构建用户画像的过程。画像表示是以各种直观、明了的可视化图形将构建的用户画像呈现出来的一个过程，表示方法多种多样。例如，将用户标签构成一个标签云，标签占比大小代表用户特征显著性水平；或者通过人物图片结合用户标签的形式表示用户画像；或者借助各种统计图形，如直方图、雷达图的形式等来表示用户画像。
（2）消费者行为预测
消费者行为预测是基于消费者大数据，对其消费能力、消费水平和消费结构进行预测分析，揭示不同消费群体的消费特点和需求差异，判断消费者的购买习惯、消费倾向、消费嗜好等有何变化，研究消费者购买什么、购买多少、何时购买、何处购买、由谁购买、如何购买等购买行为及其变化。消费者行为预测用到的智能算法技术包括机器学习、文本挖掘和自然语言处理等。机器学习作为人工智能的一个重要分支，用来描述计算机在没有明确编程情况下的学习能力，其目的是设计允许计算机根据经验数据进化行为的算法，其最明显的特征是自动发现知识并做出智能决策。文本挖掘是指从数据中提取有价值信息（模式）的一组技术，包括聚类分析、分类、回归和关联规则学习。自然语言处理是一种广义的计算机科学方法，旨在解释、识别和理解自然语言，强调人与机器之间的相互作用，主要用在文本分析过程中。
（3）个性化推荐系统
个性化推荐系统是一种极具潜力的解决信息超载的服务技术，它利用用户的偏好信息自动地向用户推荐符合其兴趣特点的对象。与搜索引擎相比，个性化推荐系统输出的结果更符合用户需求，同时系统自动运行，使得用户寻找信息的成本大大降低。亚马逊、淘宝、拼多多等电子商务平台，都在不同程度上采用了个性化推荐系统。这些网站的推荐系统能够根据用户的历史购买记录，以及浏览、检索和评论行为等，分析用户的兴趣并向其主动推荐商品，实现在线导购功能；高质量的推荐系统能够增强用户的购物体验，提高对网站的忠诚度。同时，电子商务推荐系统提供的个性化服务能够挖掘用户潜在兴趣，有效地提高商品的交叉销售能力。