بررسی نقش سیستم های توصیه گر در تجارت الکترونیک و رفتار خریدار

بررسی نقش سیستم های توصیه گر در تجارت الکترونیک و رفتار خریدار

سیستم های توصیه گر برای اولین بار توسط مولفین به عنوان فیلترینگ همکاری معرفی شدند، آنها در مورد نحوه همکاری افراد و فیلتر نمودن اسناد ایمیل مرتبط با آنها و کاربردشان برای مخاطبین بحث می کنند. فرایند فیلترینگ (فیلتر کردن) شامل تجزیه و تحلیل خصوصیات مشترک میان دو یا چند سند می شد. خصوصیات متعلق به اسناد آنالیز شده عبارتنداز: پیام، جواب، حاشیه نویسی هایش. این روش موثرتر از تجزیه و تحلیل ساده محتوای اسنادی بود که بسیاری از سیستم های پستی دیگر فراهم نمودند. مداخله انسانی فرایند فیلترینگ منجر به انتخاب اسناد جالب توجه تر گردید.

سیستم های توصیه گر امکان سفارشی و شخصی سازی سایت های تجارت الکترونیکی را فراهم می آورند. آنها به سایت ها اجازه تولید فروشهای بیشتر از طریق انطباق با نیازهای ویزیتورها و برگشت آنها به مشتریان، فروش محصولات زیادی با دسته بندی اقلام وابسته نزدیک باهم و افزایش وفاداری مشتری را می دهند. وفاداری مشتری با نشان دادن این مسئله به مشتریان حاصل می گردد که آنها برای درک و شناخت نیازهایشان و یادگیری بیشتر در مورد آنها، وقت می گذارند. این مسئله زمانی مشهود می شود که ساختار وب سایت، محصولات و نمایش محصولات برای نیازها و رجحان های مشتریان، تغییر می کند. مشتریان ازاین وب سایت ها نه از وب سایت های رقبا بازدید به عمل می آورند زیرا آنها با آن آشنا بوده ومجبورند فرایند یادگیری را طی کنند. حتی اگر رقیب تجربه مشابهی عرضه کند، بازهم مشتریان به سایتی برمی گردند که از قبل باآن آشنا هستند.

فهرست مطالب سیستم های توصیه گر در تجارت الکترونیک

فصل ۱: سیستم های توصیه گر در تجارت الکترونیکی ۵

۱-۱- مقدمه ۶
۱-۲- اطلاعات پیش زمینه ۷
۱-۲-۱- اطلاعات بکاررفته ۷
۱-۲-۲- کشف دانش در پایگاههای داده (KDD) 8
۱-۳- انواع و اقسام توصیه ها ۹
۱-۴- تکنیک های توصیه ۱۰
۱-۴-۱- قواعد انجمنی ۱۱
۱-۴-۲- فیلترینگ همکاری ۱۲
۱-۴-۳- فیلترینگ مبتنی بر محتوا ۱۷
۱-۴-۴- فیلترینگ هیبریدی (پیوندی) ۱۹
۱-۵- ۵ نتیجه گیری و کار آتی ۲۱
۱-۵-۱- نتیجه گیری ۲۱
۱-۵-۲- کار آتی ۲۲

فصل ۲: بررسی تاثیر عوامل سیستم های توصیه گر در رفتار خرید ۲۵

۲-۱- مقدمه ۲۶
۲-۲- چارچوب نظری ۲۸
۲-۳- روش تحقیق ۳۳
۲-۳-۱- طرح آزمایشی ۳۳
۲-۳-۲- اندازه گیری متغیرها ۳۵
۲-۴- جمع آوری، تجزیه و تحلیل و نتیجه اطلاعات ۳۷
۲-۴-۲- مدل آزمایش ۳۹
۲-۵- نتیجه گیری، توصیه ها، و محدودیت ها ۴۶
۲-۵-۱- توصیه هایی برای بازاریابان ۴۶
۲-۵-۲- پیشنهادهایی به توسعه دهندگان و مجریان عامل پیشنهادی ۴۷
فصل ۳: مسائل، چالش‌ها و فرصت‌های تحقیقاتی ۴۹
۳-۱- مقدمه ۵۰
۳-۲- مفاهیم و روش‌های کلی ۵۲
۳-۲-۲- فیلتر کردن بر اساس محتوا ۵۳
۳-۲-۳- فیلتر کردن مشارکتی ۵۴
۳-۲-۴- فیلتر کردن ترکیبی ۵۵
۳-۳- مسائل و چالش‌ها ۵۶
۳-۳-۱- مسئله‌ی شروع سرد ۵۶
۳-۳-۲- داشتن معنای یکسان ۵۷
۳-۳-۳- حمله‌های Shilling 57
۳-۳-۴- حریم خصوصی ۵۸
۳-۳-۵- تحلیل محتوای محدود و تخصصی‌سازی بیش از حد ۵۹
۳-۳-۶- گوسفند خاکستری ۶۰
۳-۳-۷- پراکندگی ۶۰
۳-۳-۸- مقیاس‌پذیری ۶۱
۳-۳-۹- مشکل نهفتگی ۶۲
۳-۳-۱۰- ارزیابی و دسترس‌پذیری مجموعه‌دادگان آنلاین ۶۲
۳-۳-۱۱- آگاهی از محتوا ۶۳
۳-۴- فرصت‌های تحقیقاتی موجود برای کاهش مسائل و چالش‌ها ۶۴
۳-۵- نتیجه‌گیری ۶۵
فصل ۴: مراجع ۶۷