基于社交电商平台的个性化推荐研究

摘要：随着互联网的发展，电子商务市场发展得越来越成熟，电子商务各个平台之间的竞争愈发激烈。以社交为纽带的新型电商，社交电商平台应运而生，这种新型电商平台为已经接近饱和的电商市场注入了新活力。

本文对社交电商平台的个性化推荐进行深入研究。以典型的社交电商平台小红书为例，通过案例分析对社交电商平台的个性化推荐现状进分析，得出社交电商平台的个性化推荐目前存在的问题。最后针对上述存在的问题，给出社交电商平台个性化推荐的优化建议。

关键词：电子商务;电商社交平台;个性化推荐;拼多多;小红书

一、绪论

（一）研究背景

近年来，随着我国移动互联网的高速发展，人们使用互联网的频率大大增加。因此，我国的传统电商平台也不断转型，出现了一种以社交为基础的电商平台。各大电商平台值此契机，依据人们在互联网上的社交属性，开始了对于社交和互联网商务活动结合的探索，社交电商平台由此发展而来。社交电商平台的出现，帮助买家以新的模式进行经营活动。利用社交属性，让商家与客户随时可以进行沟通和洽谈，商家可以及时获得市场反馈，客户获得了尊重。这种行为，为已经走向成熟的

中国电子商务市场注入了新的活力和商机。

（二）研究意义

1理论意义

本文以则从两个方面同时入手，从平台的系统和用户的态度两方面作为标准，两相结合，展开研究。也为后续的相关研究提供了一定的理论支撑，具备一定的理论价值。

2实际意义

本论文的研究以拼多多和小红书为例，对于社交电商平台的在个性化推荐策略上的优化推荐有实际的借鉴意义。

二、社交电商平台个性化推荐现状分析

小红书是一款近些年火起来的手机APP，是一种十分新颖的社交电商平台。小红书APP重视自己的社区属性，他将“互动”作为平台的核心竞争力，找出了一种特别的内容与电商相结合的商务模式。但在其时间的过程中，发现其最大的缺点就是社交关系难以维持。这些社交平台通常总是以访问新用户为主，而新用户的浏览记录和购买信息又很少，所以平台的个性推荐系统很难从这些数据中收集到用户偏好的有效数据。

三、基于社交电商平台的个性化推荐存在的问题分析

1、个性化推荐精准度低

尽管通过问卷调查可以看出个性化推荐已经有了较高的精准度，但是通过案例分析和文献分析不难发现，个性化推荐的精准度仍然不是一个很高的水平。个性化推荐的系统仍然有很大的进步空间。

2、个性化推荐的满意度不高

根据相关情况的了解可以看出，用户购买个性化推荐商品的购买率达到了八成，但是对于这些商品满意的人只有一半，不难看出，用户对于商品的满意度不够。虽然推荐了用户感兴趣的商品，但是商品质量或性价比难以令多数顾客满意。短期内，这样可能并不会导致什么后果，但是长期来看，用户持续的不满意势必会导致个性化推荐的商品成功率降低，成交量下降，用户满意度降低。

四、基于社交电商平台的个性化推荐优化建议

1、丰富个性化推荐模型自变量

针对目前推荐精准度低，建议丰富目前个性化推荐系统模型的自变量，通过增加输入值，来使得结论更加精确。

個性化推荐系统需要很多方面的信息，如产品内容信息、用户行为、用户与物品标签等等，以此去构建一个合理且合适的模型。另外，作为以社交为核心的社交电商平台，应该更多的依赖于社交网络平台的相关功能，如关注、分享、讨论、沟通等互动元素。

现有的协同过滤算法、基于内容和基于知识的推荐算法并不能很好的满足现有的需求。应该增加模型的信息输入端数据，收集适当的样本数据，利用数据挖掘等算法，再对模型进行训练，来完善模型的内容，以此进行更精准的推送。

2、增加推荐反馈模块

针对目前用户满意度不高的问题，建议增加反馈机制，通过售后问题了解用户的态度，再根据获得的反馈进行改进。在用户购买并收到平台个性化推荐的商品后，系统随机推送简洁的满意度问卷，根据用户的答案，判断改商品是否值得继续被推荐给用户。重复上述操作，通过递归的方式，直到找到一款用户满意度最高的商品进行推送。

推送问卷的方法，能够很好地给顾客心里安慰。在主观上，这种行为让用户感受到自己受到了重视，得到满足，使得用户更加信任本平台。

推送问卷可以送主观和客观两方面帮助平台提升在用户心理的形象。通过这样，提升用户的服务体验，改善用户对于个性化推荐商品不满意的情况。

总结

基于社交平台的电商个性化推荐，是一个新兴并且发迅迅猛的研究领域。基于社交的电商平台成交占比每天都在提升，相关的研究实践也越来越重要。

本文选取社交电商平台的典型代表小红书，以他为例，对社交电商平台的个性化推荐进行了分析。然后得出目前社交电商平台所存在的问题，如个性化推荐精准度低、个性化推荐的满意度不高和社交电商平台的销售量低。最后，综合上述内容，给出了社交电商平台个性化推荐的优化建议，如丰富个性化推荐模型自变量、增加推荐反馈模块和强化APP内界面。

参考文献：

[1]中国互联网络信息中心（CNNIC）.第46次中国互联网络发展现状统计报告[EB/OL].（2020-09-29）[2020-11-03]

[2]周炜翔，张雯，杨博，等.面向微博用户的个性化推荐算法研究[J].计算机工程，2020（10）：60-66.

[3]李丹妮.购物平台个性化推荐对消费者购买意愿的影响[J].中国经贸导刊，2019，000（035）：122-125.

[4]刘辉，郭梦梦，潘伟强.个性化推荐系统综述[J].常州大学学报：自然科学版，2017，29（03）：51-59

[5]ResnickP.，Varian H.R.R ecommender Systems[J].Communication softhe ACM，1997，40（3）：56-58.

作者简介：

曾上峰（1998，1-），籍贯：海南白沙，汉，本科，单位：海南趋优科技有限公司，方向：电子商务方向。