姜书浩 郭雯君 苑航 李献琪 王达
摘要：基于多样性的推荐是下一代推荐系统的核心，但是现有的研究并没有明确表明商品的多样性对消费者有怎样直接的影响。本文针对的是电子商务推荐系统中商品种类的多样性与顾客保持率的关系。文中对一个大的数字内容销售网站的商品特性、采购交易和客户保持率等数据组成的样本数据集合，采用计量经济模型对个人层面和整体层面的数据进行了深入的分析。数据分析的结果表明客户保持率与商品购买量和种类数量都呈正比关系；研究结果同时表明购买多样化种类商品的客户具有更高的保持率，进而说明电子商务推荐系统中多样性策略对推荐系统的重要意义。
教育期刊网 http://www.jyqkw.com
关键词 ：种类多样性；客户保持率；推荐策略；交叉销售
引言
推荐系统的研究人员将更多的注意力从传统的基于精度的推荐策略逐渐转移到商品的多样性上，推荐给用户的商品也不仅局限于由精确推荐的畅销商品，而经常会包含一些新奇的小众商品[1]。最近关于信息技术对于消费者购买行为影响的研究表明，购买更多样化商品的消费者的购买力要强于购买商品种类比较单一的用户。而大多数关于传统推荐系统的研究都聚焦在如何推荐给用户最适合的下一个商品，这些商品却往往是比较流行和热销的，对于用户来说这种推荐意义不大[2]。
客户保持率是衡量消费者长期消费行为的一个决定因素，并与客户终身价值（CLV）相关联。客户终身价值被定义为每个客户在未来可能为企业带来的收益总和，客户的长期盈利能力指标能够有效地计算出单个客户的货币价值[3]，在大多数模式中，客户终身价值与顾客保持率有着积极的相关性[4]。因此，如果可以证明商品的多样性对客户保持率产生积极的影响，那就可以填补商品多样性和客户长期消费行为之间关系的空白。
本文研究的是商品种类多样性对客户保持率可能产生的影响，同时探讨基于商品种类多样性的推荐策略在客户保持率方面是否要优于商品种类集中的推荐策略。
1、文献综述
传统的推荐系统通过分析消费者的购买力、商品评分和客户的个人信息来预测用户的偏好，系统的推荐结果直接影响消费者的选择，各大互联网电子商务公司广泛采用这样的推荐系统。传统的推荐系统对商品多样性的销售是否有影响当下仍然有很多争论，Fleder等认为推荐系统可能导致销售商品多样性的减少，因为这些系统更多的是强化已经非常流行的商品的进一步推广[5]。本文研究的重点是商品多样性对客户保持率的影响，并且研究了在以往的研究中很少涉及的商品销售种类多样化在个体层面对客户保持率的影响。
另一些研究已经表明，客户保持率与长期客户盈利能力有关。从Kotler提出长期盈利能力的概念以来，客户终身价值的概念已经广泛的被营销从业者和学者所接受。因此，如果证明了商品多样性与客户保持率是正向的相关性，那基于多样性的推荐对于帮助企业盈利就十分重要了。
本文主要探讨三个问题，第一，从整体和个体两个层面探讨商品多样性与推荐系统的关系；第二，交叉销售的销售模式与客户购买商品的种类和客户保持率又有怎样的关系；第三，探讨商品的多样性和客户的保持率之间的关系。
2、研究工作
本研究采用的数据集来自于一个数字图书销售网站，数字图书相对比较便宜，其销售的图书种类已超过10余万种。书的品牌和商品特征的影响几乎可以忽略，所以可以更好的评估这种类多样性和采购数量之间的关系。
2.1 数据分析
数据集包括大约来自21548名客户的54万条交易记录。整体数据被分为两个样本，使用第一个样本计算主要变量，种类多样性和购买数量。具体来说，种类多样性是指19种预定义的顶级图书种类，分别是小说、文学、动漫、艺术、少儿、励志成功、管理经济、金融投资、健身保健、外语学习、历史、政治与军事、宗教与哲学、婚恋与两性、杂志和期刊、生活、自然科学、社会科学以及旅行和地图。这19种顶级图书种类是由该公司依据图书行业标准架构创建。
在购买系统中设定了每位客户对每一本数字图书需要也只需要购买一次，因此购买次数也就是购买数量。表1中对该研究中所涉及的变量进行了介绍。表2说明了客户的保持率随着商品种类数量的增加如何改变。最为重要的发现是种类多样性与客户保持率有正向的相关性。表2中显示了商品种类数目和购物数量对客户保持率的影响，当商品种类的数量增多时客户保持率显著增加，并且在控制购买商品数量的前提下，这一结论仍然成立。此外，图1说明了购买多种类商品的客户相比购买单一种类商品的客户其保持率增加的边际效应更为明显。
2.2 多样性对客户保持率的影响
研究中预测的目的是确定商品的多样性和客户的长期表现之间的关系。首先进行了采购数量和种类多样性对顾客保持率的多元线性回归分析。下文中设定了3个模型进行数据分析，分析的目的是探讨客户保持率在购买商品数量和商品种类两个因素影响下的变化情况。
为了估计回归系数，实验中使用了客户分类层次的样本数据，其中每个数据集通过第一年购买商品种类和购买总额两个指标进行划分。此外，为每一个分类数据集计算了客户的保持率。计算公式如下：
客户保持率i =β0 +β1 *种类数量 +β2 *购买数量+εi （1）
其中，i表示第i个客户数据集，εi是表示除了种类数量和采购数量这两个主要变量之外的所有影响保持率的各种不可测的误差项。表3显示了线性回归的结果，根据参数不同，针对三种不同的模型进行分析后，所有的模型显示的结果一致。具体而言，在模型1中，多样性每增加1对客户的保持率的影响都要比采购量每增加1对客户保持率的影响要大。此外，又比较了仅考虑种类多样性影响（模型2）和仅考虑采购数量影响（模型3）两种情况下的显著性检验的F统计量和相关系数R2，表3中结果显示种类多样性的相关度要高于采购数量，这也充分说明了种类多样性对于客户保持率的影响高于购买数量。
研究中同时分析了个人层面的数据，以提高研究结果的稳健性。实验中又设定了其他6个模型进行数据分析。为了采用逻辑回归分析来计算回归系数，对上文的计算模型进行了修正，如公式（2）所示，客户保持率j==β0 +β1 *种类数量 +β2 *购买数量+γ1价格+γ2种类集中度+γ3年龄+γ4性别+γ5购物经验 +εj （2）其中j为用户的序号，该扩展模型不仅包括采购数量和种类多样性变量，也包括平均采购价格、种类集中度、年龄、性别及购物经验等变量，这些都对具有某些特定特征用户会产生影响。价格变量j用来对用户购买的额度进行控制，而商品种类集中度j是用来控制用户购买商品的类浓度。
研究结果还显示价格对回归系数的影响也是正向的，也就是说当用户购买更昂贵的商品时，用户在下一年度的保持率会随之增加；而种类集中度系数较高的用户的保持率会下降。实验又设定了其他几种模型，分别减少了控制变量，测定这几种模型中实验结果的鲁棒性。模型2中，去除了价格控制变量的影响，实验结果几乎没变化；模型3中，去除了种类集中度变量的影响，种类多样性的影响比模型1的效果要高得多，而其他模型的结果仍保持不变。模型4中，忽略掉三个人口统计变量时，实验结果与在模式1，2和3的影响也是一致的。因此，研究结果可以得出下面结论：
(1) 种类多样性和购买数量都会正面影响顾客的保持率。
(2) 种类多样性对客户保持率的影响比购买数量要大得多。
2.3 情景分析法预测客户保持率
上文中的6个数据模型分别分析了各种因素对客户保持率的影响，其中性别、年龄等人口统计学变量以及价格变量是产生影响相对比较稳定的因素，为了进一步验证种类多样性对客户保持率的影响比购买数量要大得多这一结论，选择上述几个因素进行情景分析法预测。依据这几个因素的组合将客户分为12个组群，其中每个群组都是限定了年龄、性别和平均价格。需要说明的是，客户年龄的分组是根据我国现有网购人群特征进行的。其中每个组群的客户都是随机选择500个在建模过程中没有被选中的新客户。首先，通过用户最近的交易数据和模型1的回归系数来计算用户的保持率，然后，计算每个客户群中500个人的平均客户保持率。分析中构建两种情景，一是用户多购买了一个现有商品种类的商品；二是用户多购买了一个新种类的商品，然后预测两种情景下用户的保持率，结果如表4所示。从表4可以明显地看出，当用户购买新种类商品时，客户保持率的提升明显的高于客户购买现有种类的商品。这些发现与计量经济模型的分析研究结果是一致的。
3、实验结果分析
通过计量分析发现，商品种类的增加对保持率的影响要远高于购买量的影响。这样的研究结论对于企业的管理者来说影响是巨大的，主要体现在两个方面，一是推荐系统的设计；二是营销策略的制定。
3.1 对推荐系统的影响
研究结果显示推荐系统不仅要采用基于精度的传统推荐策略，推荐给用户完全不同的新种类商品的策略也很重要。根据不同情景下的分析结果表明，推荐一个新种类的商品比推荐一个现有种类的商品对于提高客户保持率更加有效。
因此，本文建议数字内容提供商应着手设计基于多样性的明确推广多样化商品的推荐系统。最近一些学者的研究证明，用户对推荐或搜索工具的使用能够提高小众商品的销售额，从而使公司从额外需求中获得更多利润。至于长期利润，通过客户终身价值的理论定义，客户保持率与客户终身价值是积极相关的，虽然研究中并没有提供种类多样性和客户保持率之间因果关系的直接证据，但是能够很清楚的看出购买不同种类的商品会产生相对较高的客户保持率。本文研究突出了基于多样性的推荐在提高保持率方面非常有效，而商品的多样性为基础的战略对公司的长期盈利具有更为重要的意义。
然而，这并不意味着企业仅仅给客户推荐不同的商品，根据给定的用户特征和商品信息，将两个相反策略混合推荐使用更为有效。例如，当客户的需求非常明确时，电子商务公司会采用基于精度的推荐策略推荐给客户精确地商品；而当客户提出的需求比较模糊时，公司会为其提供更多样化的商品推荐信息。
3.2 对营销策略的影响
这项研究为不断发展的电子商务营销管理策略具有重要意义。首先，目标瞄准长期利润的销售人员应该通过交叉销售战略来减少客户流失，本文的研究模型对于制定营销策略很有帮助。在营销方面，RFM（最近购买时间，购买频率，购买金额）策略被广泛用于评估客户。研究结果认为商品种类多样性要远高于商品数量或频率的影响，因此销售人员不仅要用到传统的RFM模型，也要考虑扩展到RFDM（最近购买时间，购买频率，多样性，购买金额）或RDM（最近购买时间，多样性，购买金额）模型。
采用交叉销售的方式，客户可以购买更多元化种类的商品，企业有更多的机会了解客户的需求，这使得他们相对于竞争对手会处在一个更有利的位置。因此，基于多样性的推荐，可以让企业更多地了解消费者行为。此外，当网上零售商采取的基于多样性的推荐策略时，可以通过拓展长尾销售，从而有效地提高客户保持率，以及提高他们的业绩。
4、结论及研究方向
本文研究的内容是商品种类多样性与客户保持率之间的关系。研究结果建议建立基于商品种类多样性的推荐系统，既有利于减少客户流失率，又增加企业长远效益。实验结果证明，这一策略对忠诚度较高的客户非常有效，同时增加客户保持率。研究中采用的计量经济模型，一些其他因素，例如客户的个人偏好和无经验客户等情况没有具体的数据来控制。因此，未来研究中这些额外的控制变量也应纳入到回归系数的计算中。
教育期刊网 http://www.jyqkw.com
参考文献
[1] 王明佳,韩景倜,韩松乔.基于模糊聚类的协同过滤算法[J].计算机工程,2012(24):50-53.
[2] Her locker J, Konstan J A, Terveen L, et a. l Eva luatingcollaborative filter ing recommender systems [J]. ACM Transactions on Information Systems, 2004, 22(1): 5-53.
[3] D.R. Liu and Y.Y. Shih, Hybrid approaches to productrecommendation based on customer lifetime value andpurchase preferences [J], Journal of Systems and Software,2005, 77(2):181～191.
[4] Gupta, S.; Hanssens,D.; Hardie,B.; Kahn,W.; Kumar,V.; Lin, N.; and Sriram, S. Modeling customer lifetimevalue[J]. Journal of Service Research, 2006,9(2):139～155.
[5] Ahn, H.J. Utilizing popularity characteristics for productrecommendation [J]. International Journal of ElectronicCommerce, 2006(7):59～80.
作者单位：天津商业大学信息工程学院
作者简介：姜书浩，硕士，讲师，主研领域：智能商务，技术经济