大数据背景下信息服务对消费者行为影响研究,初稿

华南农业大学珠江学院 毕业设计 大数据背景下信息推荐服务对 消费者行为的影响研究 陈凯锋 指导教师：
杨知玲（讲师）
系：
信息工程系 年级专业：
15级信息管理与信息系统 提交日期：
2019年4月11日 答辩日期：
2019年5月10日 答辩委员会主席（签名）：
评阅人（签名）：
年 月 日 摘 要 随着大数据时代的来临，网络购物的发展急剧迅猛，大量数据的引入为消费者提供了无数商品信息的同时，也造成了信息过载等问题。商家们因此推出相应的信息推荐服务，希望能改善消费者网络购物的体验并达到提高销售额的最终目的。而这种服务究竟在什么方面会对消费者行为产生影响，又会有什么程度的影响正是本文研究的主题。

首先，本文选取了国内外的若干文献，对个性化信息推荐系统，大数据环境下消费者行为和两者的交互关系进行了归纳综述，并以此为基础把信息推荐服务对消费者行为的影响因素总结为信息输入方式、信息编排、推荐强度、信息完整性、网站形象、用户信任六个要素。其次，本文将上述六个要素与消费者行为结合在一起设计出相关概念模型，并通过数据分析法对模型进行验证。验证的结果显示网站形象，用户信任对消费者是否接受推荐服务有着显著的影响，是最重要的先决影响因素。而信息编排和信息完整性则是会显著影响消费者使用信息推荐服务时的体验。而推荐强度和推荐方式对消费者有着较为复杂的影响，这两个要素的变化会对消费者行为产生直接影响。最后，本文根据研究结论，向购物网站提出了与结论相对应的改善策略。接着也对研究的局限性和对未来的展望做了一定的总结。

关键词：信息推荐服务；
推荐系统；
消费者行为；
电子商务 Abstract With the advent of big data era，the development of online shopping is very fast. The use of large amounts of data has provided consumers with innumerable commodity information, but also caused problems such as information overload. Therefore，businesses introduced information recommendation services in the hope of improving the consumer online shopping experience and achieving the ultimate goal of increasing sales. And what kind of influence this service will have on consumer behavior is the subject of this article. First, this article selects several domestic and foreign literatures to review the personalized information recommendation system, the behavior of consumers in the context of big data, and their interactions. Based on this, we summarized the factors that influence the information recommendation service on consumer behavior into six elements, including information input method, information layout, recommendation strength, information integrity, website image, and user trust. The result of the verification shows that the website image and user trust have a significant influence on whether the consumer accepts the recommendation service, and it is the most important prerequisite factor. Informational arrangement and information integrity can significantly affect the experience of consumers when using information recommendation services. And the strength of recommendation and the method of recommendation have a more complex impact on consumers. Changes in these two factors will have a direct impact on consumer behavior.Finally, based on the research conclusions, this paper proposes a corresponding improvement strategy to the shopping site. Then we also made some conclusions about the limitations of the research and the outlook for the future. Keywords: Information recommendation service; recommended system; Consumer Behavior; E-commerce 目 录 1 绪论 1 1.1 研究背景 1 1.2 研究的目的和意义 1 1.2.1 研究的目的 1 1.2.2 研究的意义 2 1.3 国内外研究现状 2 2 信息推荐服务及消费者行为理论的概述 3 2.1 信息推荐服务的概述 3 2.1.1 信息推荐系统的定义与特点 3 2.1.2 个性化推荐服务的作用 4 2.1.3 个性化推荐服务的方式 5 2.2 消费者行为的概述 6 2.2.1 消费者行为的定义 6 2.2.2 消费者行为模式 6 2.2.3 大数据背景下消费者行为特点 8 2.3 信息推荐服务对消费者行为的影响概述 9 2.3.1 推荐服务对消费者行为的过程影响概述 9 2.3.2 推荐服务对消费者行为的结果影响概述 9 2.3.3 推荐服务对消费者行为的影响维度 10 3 消费者行为模型设计 12 3.1 消费者行为模型构建 12 3.1.1 模型构建思路 12 3.1.2 构建模型 12 3.2 变量定义与研究假设 13 3.3 变量的测量 15 3.4 消费者行为问卷调查 17 3.4.1 问卷设计 17 3.4.2 数据回收 17 4 消费者行为问卷调查结果分析 18 5 改善信息推荐服务的对策 21 5.1 研究结论 21 5.2 对策分析 21 5.3 研究不足与研究展望 23 6 研究不足与研究展望 18 6.1 不足之处 23 6.2 研究展望 23 参考文献 24 致 谢 26 1 绪论 1.1 研究背景 随着互联网信息技术的不断发展，网络消费市场进一步扩大，在线消费已成为现今社会的主要消费方式之一。第40次《中国互联网络发展状况统计报告》显示，到2017年6月为止，中国网民数量已超过全球网民总数的五分之一，达到了7.51亿人。互联网普及率也超过了全球水平，达到了54.3%。包括网络购物，网上外卖，在线旅游服务等不同领域的网络交易应用的使用人数也在持续上涨。2017年的双十一天猫销售额以1682亿元，再创新高，这充分展现了中国网络消费巨大力量和网络零售市场的无限潜力。

在这样的环境下，云计算、大数据技术的快速渗透给消费者带来了更为繁杂的信息选择和处理，过多的非必要信息展现在消费者面前，反而成为了威胁消费者购物体验的严重阻碍。而解决信息过载问题的方法随之诞生并发展，那就是信息推荐服务。各大电子商务平台所推出的信息推荐服务，通过多种方式，为消费者个性化、全方位、高频率地提供商品推荐信息，营造一个更好的网络购物氛围，提高消费者选购效率和购物体验，从而达成提高销售额的根本目的。信息推荐服务实际上是电商运用大数据技术，对用户的行为偏好和行为轨迹进行分析和预测，从而为消费者购物过程进行引导的过程[1]。

大数据环境下消费者行为逐渐发生转变，消费者对于传统销售的宣传和口碑的依赖程度在下降，他们可以通过如微博、贴吧、微信等更广泛的平台获取商品信息，因此新时代的消费者拥有更加自由化，个性化的行为模式，对于信息推荐服务的引导变得没有那么容易简单的接受[6]。可见对于信息推荐服务和消费者双方的交互影响因素必然是未来信息推荐服务发展的关键。

1.2 研究的目的和意义 1.2.1 研究的目的 本文主要是想通过把消费者行为的影响因素作为切入角度来研究大数据环境下的电子商务信息推荐系统，通过影响因素把消费者和推荐服务联系起来探讨，从而找到提高商家信息推荐系统效率的方法，达成消费者和商家的双赢。本文以过去研究者的成果为基础探讨电子商务信息推荐系统对消费者行为的影响因素，分别总结出几个典型的正反面因素，并进行相应的验证讨论。本文希望通过问卷调查的方式来进行实证研究，从而提出对信息推荐服务的改进对策，进而能对消费者行为和决策作出积极引导的同时避免消费者产生抗拒心理，帮助企业提高销量，获得更多利润。

1.2.2 研究的意义 现今，信息推荐服务已对电子商务网站给消费者提供产品和服务的模式造成了巨大影响，基于大数据的信息推荐服务一直是研究的热点和重点。而目前的大部分研究，都是独立于信息推荐服务本身的，或是研究改进其算法或是对其问题和理论进行深入挖掘，但是把信息推荐服务与消费者行为的联系起来的研究并不多见。我的这次研究正是把重点放在推荐服务与消费者的交互的角度，通过对影响因素的探讨，得出对改进推荐服务有利的结论，这具有重要的理论意义和实际意义。

理论意义方面，过去已有的研究多着眼于对技术的优化和推荐系统带来的趋势的研究，而本文着力于把推荐服务的结果与用户需求进行联系分析，通过对用户的行为和需求进行总结，来提出改进推荐系统的服务方式的途径。因此，本文希望从两个角度，即通过从消费者行为影响因素和推荐服务与消费者交互出发，总结设计出相关影响因素，从而能给以后的相关研究带来一定的帮助。

实际意义方面，改进信息推荐服务有助于提高商家对消费者的个性化定制能力，带给消费者真正舒适消费购物体验，不但帮助消费者从繁杂的信息中解脱出来，更带给商家更多的客流量，更好的顾客忠诚度，最终换得销售额与口碑的双丰收。

1.3 国内外研究现状 1.3.1国内研究现状 1.3.2国外研究现状 从上世纪九十年代开始，对推荐系统和推荐服务的研究有了初步的定论。Resnick（1997）等认为个性化推荐是指购物网站利用自身网络功能为消费者提供购买建议，从而在不需要销售人员的情况下给予消费者导购服务，最终有效地实现购买行为[2]。Schafer等（2001）指出推荐系统是一种对目前网络个性化消费十分必要的决策支持系统，它能通过一定方式，或参照消费者历史行为作出影响消费决策的信息推荐[3]。朱岩等（2009）研究表明，个性化推荐系统是基于某种战略，通过对消费者个人的需要和其特点分析，从而进行产品推荐，为顾客决策提供支持[4]。综上，我们知道目前对于信息推荐系统的定义已比较成熟，其本质在于通过对用户特点和偏好的分析再结合网站自身目的和战略方向，完成对用户的推荐与引导。

对于目前的消费者，他们处于大数据时代，其消费者行为也有着相应的变化。黄郕若(2016)总结出目前的消费者有自身的特点，他们更加重视商品的个性和创新，容易受外部环境的影响，对网购环境有较高的要求[5]。张城森等（2016）认为在大数据环境下消费者行为更容易受外部介绍的影响，消费者的品牌依赖度逐渐下降，消费者选择更加个性化[6]。贝圣劼（2016）同样认为大数据时代消费者行为会更加理性，容易受评价影响并且不再依赖品牌[7]。

那么信息推荐服务对于消费者又有怎么样的影响呢，对于这个问题，也有一部分学者进行了研究。Maes（1994）认为，推荐系统可以缓解信息过载、使搜寻更加简单化，保证决策的质量[8]。Ansari 等（2000）认为推荐系统是一种辅助工具，能给消费者作出购买决策的过程提供帮助 [9]。Grabner等(2003)指出对于个性化推荐系统来说消费者对企业信任的研究十分重要，顾客信任对顾客与企业进行互动和再交易有积极影响[10]。Hostler （2005）研究认为，使用了推荐系统，能极度缩短消费者商品搜索和购物时间[11]。Kuflik 等(2007)研究发现，推荐系统能够缩短消费者与网购平台交流互动的时间，提升网购效率[12]。蔡日梅（2008）研究了购买决策是如何被电子商务推荐代理所影响的，并将认知价值和信任作为中间变量建立出相应模型[13]。刘建国等（2009）认为信息过载问题会在电子商务发展中逐渐加重，而个性化推荐正是有效解决此问题的关键技术之一[14]。杨一翁等（2016）认为购物网站特性、推荐系统特性和推荐信息特性影响推荐系统对消费者的营销效果[15]。胡静（2016）从推荐系统和消费者的交互角度对电子商务推荐系统对消费者购买决策的影响进行了实证研究，证明了个性化、信息编排、信任等因素对购买决策具有显著的影响作用[16]。付晓悦（2016）认为个性化推荐系统中，信任是一个显著影响购买意愿的因素。而网站信息编排与形象是影响信任的主要内部要素[17]。

2 信息推荐服务及消费者行为理论的基本理论概述 2.1 信息推荐服务的概述 2.1.1 信息推荐系统的定义与特点 从九十年代推荐系统的雏形诞生到现今各大电子商务平台（淘宝，亚马逊，京东等）纷纷推出个性化信息推荐服务，信息推荐系统已得到了非常广泛的运用。而对于信息推荐系统的定义，学者并没有非常统一的说法。

Resnick（1997）等认为个性化推荐是指购物网站利用网络特性代替销售人员为消费者提供购买建议，促使购买行为完成的过程[2]。Schafer等（2001）认为推荐系统是一种决策支持系统，是根据客户的历史偏好给出个性化建议的虚拟店员[3]。朱岩等（2009）认为信息推荐系统给予的是以消费者个性特征与个人需求为基准的推荐商品的服务。张红（2013）认为个性化推荐系统是为了提高消费者的购买决策速度而通过各种手段向消费者推荐商品的一种机器人[18]。

综上所述，我们发现各学者所认为的个性化信息推荐系统就是一种通过一定方式给予消费者相应的建议与推荐从而促进消费者购买行为的工具。根据这点，我们可以归纳出信息推荐服务的三个特点：
（1）信息推荐服务主要根据消费者历史浏览或历史购买行为来作出推荐商品的选择。个性化信息推荐服务是在以捕捉消费者行为的基础上完成的，对消费者行为的信息采集与分类越精确，网购平台给出的推荐信息就越详尽。

（2）个性化推荐服务通过某种特定方式把信息传递给消费者。推荐信息系统在完成对消费者特点的分析之后，会采用一些方式给消费者提供推荐信息，通过不同角度刺激消费者做出有利于网站浏览量提升的行为，从而达成提高销量的目的。

（3）信息推荐系统可以减少消费者购物时的思考时间，让消费者的购买决策变得更加快速而有效率。信息推荐系统通过一系列根据消费者历史购买习惯而产出的个性化信息给消费者直观的外部刺激，从而节约了消费者在搜索与选择商品时所用的时间。

2.1.2 个性化推荐服务的作用 在电子商务不断发展的时代，所有商家都在寻找网络信息高效化的销售方式，而个性化信息推荐服务正是在这个大数据时代能够脱颖而出的佼佼者。它一方面为信息过载提供了解决的手段，一方面又为消费者带来了系统的服务，进而提高产品的销量。本文总结出以下的几点作用：
（1）增加非计划性购买，把网站浏览者中的潜在客户转换成消费者。

大部分浏览购物网站的人最初总是偏向于随意浏览，他们没有明确的购买目标，再加上网络商品信息过多，也使用户无法找到自己真正的目标商品[19]。邱聪聪认为，顾客刚开始只是浏览网站而并没有购买计划，或者浏览者的购买需求被信息过载所吞噬的时候，推荐系统给出的精准而快速的推荐信息会带给浏览者极大的兴趣并使他们将购买需求转变为购买行动[20]。R.Eric Hostler等人认为推荐服务对于影响顾客的冲动购买决策中扮演着重要角色[21]。

（2）提高交叉销售量，促进销售。

推荐系统通过分析消费者搜索历史，购物车信息和购买历史来提供一系列高度相关的产品推荐信息，来促进销售[16]。推荐系统同样能将互补商品信息提供给消费者来增加消费者的计划外购物[17]。

（3）提高销售效率，降低销售成本。

一般销售产品所需要的宣传广告主要依靠不同的卖点来吸引消费者的目光，这就要求针对不同消费者，不同产品都需要有相对应的设计，这需要消耗大量成本。而推荐系统却可以对网上的每一位浏览者的需求进行及时而又目的性的回应，它不但能够对消费者的个性化信息进行分析处理，提出相应的购买建议，达成促销的目的，而且作为一个系统，他的自动化模式也能给商家免去各种人力财力的开销。带给商家低成本实现所有产品的针对性宣传与促销的方式，真正实现了一对一销售服务[20]。

（4）增加顾客对网站的信任，提高忠诚度。

个性化推荐服务带给用户高效便捷的购物体验，让用户在信息过载的网络时代，更容易找到自己中意的商品。付晓悦认为这种推荐服务带给用户人性化的亲切导购体验，能增加用户的认同感与归属感，维护客户与购物网站的关系[17]。如果消费者在选购商品时得到一系列逞心如意的个性化信息推荐，从而经历一次满意的购物体验，消费者以后会在相同网站购买商品的概率必然会大大增加[19]。邱聪聪认为，推荐系统甚至可以把有相似购物意愿的人联系在一起，形成独特的个性化网络社区来分享各自的购物体验，从而使消费者与网站本身的联系更加密切，从而提高顾客的忠诚度[20]。

2.1.3 个性化推荐服务的方式 个性化推荐服务发展至今，其体系已经比较完善，通常购物网站的个性化推荐系统运作包括三个阶段，即用户数据收集输入，系统内部信息分析，推荐信息的输出。客户数据的收集主要依靠对消费者过往搜索浏览的记录和购买历史的分析获取。而对消费者的信息推荐和引导方式就比较丰富了。如最初的用户销量排行榜，“其他人还浏览过……”这种文字引导，又或是通过底部下拉条的图鉴式推荐，购物网站不仅把推荐系统的重点放在对用户的个性化分析上，而且对于向用户提供的信息推送方式也极为看重。

刘旭东将信息推荐的推送方式归纳为以新商品推送，促销活动推送为主的广告推荐，评分推荐和电子邮件推荐[22]。张雪琳认为，个性化网络推荐系统的推荐方式包括相似浏览、购买推荐、电子邮件、文本注释、用户评分等级、最佳排名和定制搜索结果等[23]。张苗苗等人认为，个性化推荐的方式包括网站平台推送、邮件推送、弹窗广告、专用的软件及其捆绑[24]。

不同的购物网站会采取不同的方式推送其推荐信息，不同推荐信息也有利于增加顾客的新鲜感，其丰富多样的特点本身也能吸引顾客接纳推荐的信息。综上本文将推荐服务的推送方式归纳为以下几种：
（1）网站页面信息引导。购物网站页面信息丰富，从用户进入网站浏览页面开始，各种商品推荐的信息就会不断向用户袭来。包括侧边栏的商品排行信息，页面底部的关联产品推荐，搜索产品时的引导推荐和购物历史订单界面或购物车界面的相应推荐信息等。

（2）弹窗广告。通常在浏览任何网站时或在视频网站视频暂停页面时会出现在界面上的，根据用户过去浏览、消费历史而产生的关联商品信息广告。

（3）社交平台信息引导。过去多为电子邮件推送为主，而现今随着微博，贴吧，微信，QQ等社交平台的不断发展，在这些平台上也有着相应的个性化推荐内容，这些平台的推荐信息也会根据用户所处环境和过往购物历史产生的信息来定制。

2.2 消费者行为的概述 2.2.1 消费者行为的定义 消费者行为没有统一的定义，不同学者在不同角度给出相应的解释。科特勒认为消费者行为是指个体、群体及组织所参与的选择、购买、使用和处理产品、服务、思维和体验从而满足他们需求和欲望的过程[25]。Sheth 和 Banwari认为消费者行为即主体对某项商品或服务的购买付款过程中的心理和实际行动的总和[25]。胡静指出消费者行为是消费者为了满足自身的需要而进行购买商品或服务时的决策以及行动过程[16]。

综上所述，本文认为消费者行为是指主体从对某项产品或服务产生需求到完成购物决策并付款的完整过程，在这过程中的一切要素都包含在消费者行为中。

2.2.2 消费者行为模式 通过文献查找，我们知道国外研究人员已经有了多种消费者行为模式的体系，我们选取其中几个作为参考。

（1）消费者行为的一般模式 人的行为具有一个一般模式，称作S-O-R模式，即“刺激-个体生理、心理-反应”模式[26]。通过这个模式我们知道消费者行为也有类似的过程。刺激会引起消费者拥有对某事物的需求和欲望，从而带动一系列心理方面的变化，最终导致购买行为的产生。这个刺激既可以是来自外部环境，也可以由消费者本人生理或心理变化中产生，最终转变为引起购物行为发生的消费欲望。这就是一个完整的消费者行为的一般模式。

内外部因素刺激 消费者心理变化过程 购买行为 图2.1 消费者行为的一般模 （2）菲利浦科特勒购买行为模式 营销刺激 产品与服务 价格 渠道 传播 其他刺激 经济 技术 政治 文化 顾客心理 动机 感知 学习 记忆 消费者特征 社会 文化 个人 购买决策过程 问题识别 信息搜寻 方案评估 购买决策 购买行为 购买决策 产品选择 品牌选择 经销商选择 购买量 购买时间 支付方式 根据菲利浦科特勒的理论我们了解到其购买行为模式分为四个部分：
图2.2 消费者行为模型[25] 科特勒的模型显示通过丰富的外界刺激，顾客心理就会有一系列的过程转变，从而引出相对应的购买行为，因此消费者个人的特征对购买行为的产生与否起着非常重要的中转作用。

（3）霍华德-谢思模式 霍华德-谢思模式主要通过各种因素的角度切入，对消费者购买行为进行过程解析。主要包括四个因素：由外部环境组成的因素称为外部因素，由购买产品相关刺激与关联信息组成的刺激或投入因素，由消费者自身要素组成的内在因素，由购买过程中心理和实际行为变化组成的反应或产出因素[16]。该模式把重点放在消费者行为产生结果之前的一系列因素的剖析，这体现出消费者在决定购买一件商品之前的对商品的认知过程至关重要，消费者行为的大部分是由对产品认知的过程来引导的。

文化 个性 时间 压力 财务 状况 外在因素 刺激或投入因素 产品实质刺激 产品符 号刺激 社会 刺激 质量 价格 特性 可用性 服务 推销员 广告媒体对产品特征的传递 家庭相 关群体 社会 阶层 内在因素 （心理活动过程）
感知结构 学习结构 反应或产出因素 了解 态度 购买打算 购买 图2.3 霍华德-谢恩模式 2.2.3 大数据背景下消费者行为特点 大数据时代的到来会使消费者处在信息爆炸的环境，消费者接触的信息广度与密度都不是过去能比的，因此消费者会站在更加主动的角度完成购物，其行为特点必然也会有别于传统消费模式。

（1）消费者会拥有更加理性的消费行为。在大数据时代的冲击下，现在的消费者比起使用传统媒体，更趋向于通过网络来获得信息，因此如今的消费者接收到的信息量不是以往可比的，其对某件商品的了解程度也会有很大提高，必然会让消费者更容易选择最适合自己的那个商品，理性消费行为也会随之增加。

（2）消费者更容易受外部信息的影响。因为大数据带来的信息膨胀，消费者常年处在被各种信息包围的环境，对外界信息的敏感度也会随之提高，对于外界信息的判断的结果非常容易反映在消费者的购买行为上。

（3）消费者行为变得更为个性化。消费者处在信息丰富而实时的环境下，对商品的价值要求不断提高，除了满足商品本来的使用价值以外，更为个性化的产品成为了消费者的首选。

2.3 信息推荐服务对消费者行为的影响概述 2.3.1 推荐服务对消费者行为的过程影响概述 通过上文消费者行为模式的概述我们可以知道消费者在作出购买决策之前会有很长一系列的心理活动，此时消费者会受到各种因素的影响，而这些要素对后期购买行为是否会实现有着至关重要的影响。推荐系统作为一种决策辅助工具，在消费者做出购买行为前会不断在消费者身边给出有意或无意的影响。首先消费者会因此减少购物选择时间，提高购买效率。不管是有目的的寻找购物目标，还是无目的的在网站上闲逛，推荐系统都能在无形之中减少消费者的浏览范围，提高消费者看到自己有意愿购买的商品的几率。其次，推荐系统可以使消费者更容易作出消费决策。因为推荐服务能根据消费者的个性、偏好自动生成一个个性化商品信息表单，并能多次推送给消费者，消费者在无意中受到影响，更偏向依赖于推荐系统所带给他们的商品信息范围，这样用户在最开始选择的时候就看到符合自己购买习惯和偏好的商品，自然减少了选择阶段所花费的精力。同时，由于推荐系统的很多诱导性的信息能带给消费者评价和口碑相对好的商品，这也可能使消费者养成某种新的购买偏好，在大数据环境下，消费者更容易受到各种多媒体平台的评价影响，其中推荐服务的信息更有导向性和目的性，带给消费者的影响可能是最大的。

综上所述，我们可以知道信息推荐服务对消费者购买行为过程的影响包括下面几点：减少消费者选择时间，减轻消费者购买的精力花费，影响消费者偏好，影响商品在消费者心中的口碑。

2.3.2 推荐服务对消费者行为的结果影响概述 推荐系统能提高消费者行为的决策成功率，对于消费者而言，在选定一个商品并决定购买时，商品的各方面信息都大体已满足消费者的需求，此时推荐服务给出的推荐信息能再给消费者一种保障，使消费者又多了一种理由说服自己做出购买行为，从而带来了消费者决策的成功。同时，信息推荐服务能给消费者提供信息对等的可能，让消费者在获得以往没有的商品信息的基础上完成购物选择，必然会提高消费者购买行为结果的决策质量。对于消费者而言，通过信息推荐服务带来的信息而购物，其购物变偏向于主导产品和符合自身习惯的偏好产品，长此以往，对购买行为的信心和对购买结果的满意度一会随之提升[20]。

综上所述，推荐服务能带给消费者行为结果以下几点影响：提高消费者决策成功率，提高消费者决策质量，增加消费者决策信心，影响消费者对行为结果的满意度，影响最终选择的结果。

2.3.3 推荐服务对消费者行为的影响维度 首先我们探讨推荐系统的维度。对于推荐系统而言，在向消费者提供相应信息推荐的时候，一般会有三个阶段，分别是消费者信息的输入，推荐信息的分析生成和推荐信息的输出。对于消费者个性化的信息输入与分析，我们知道其主要包括主动和非主动两种。基于消费者历史购买和历史搜索信息的相关信息输入大多带给消费者不可控的影响，能促进消费者形成购买决策的同时也会带来一些不可避免的负面影响。而对于消费者而言基于自身搜索而实时的给出相关产品或者排行评价一类的推荐是通过消费者主动输入而发起的推荐，能给消费者更好的体验。在生成推荐信息之后对消费者提供信息输出的阶段，由于这个阶段直接与消费者进行交互，推荐系统的影响维度会比较丰富。梦非认为消费者的消费意愿会明显被购买领袖的推荐信息的视觉线索影响[27]。付晓悦指出消费者在网络购物时更注重信息获取的效率，更好的信息编排方式能够方便用户查找信息[17]。吕孝双认为推荐信息在信息过载的时代其效率和精简度是影响消费者情绪的关键[28]。Xiao等人发现推荐效果受到推荐信息的内容完整性和精确性的影响。信息推荐的效果除了其本身的质量还与其所挂钩的网站平台有关，对于消费者而言，一个网站的可靠性是其是否会接受这网站提供的推荐信息的关键。网站的类型、知名度和美誉等方面是塑造网站可靠性的主要方面，而这些也是构成网站形象的主要要素。

接下来我们从消费者角度来看推荐服务的影响维度。对于消费者而言，做出一个完整的消费行为会受到外界和自身影响因素的驱动。用户需要对目标商品有足够的了解，否则做出的购物决策会缺乏计划性没有规律可言。胡静指出消费者需要依靠推荐服务带给他们的信息做出更有自信的消费决策[16]。消费者了解商品信息之后，对商品本身的选择如果确定下来，那么选择的中心又会转化为对信息推荐服务所依赖的平台和系统本身，而衡量消费者对信息推荐服务和其服务平台的指标正是用户信任度。李慧研究表明消费者对推荐系统的信任度对于其消费行为的结果有着重要影响[29]。

综上所述，本文选取以下几个维度来研究推荐服务对消费者行为的影响因素：
（1）信息输入方法。推荐系统的起始点就在于输入用户的相关信息。只有这样才有提供推荐服务的基础。信息输入方法具有两大类包括主动和被动，两种不同方式也会对后续输出时的维度因素产生影响。

（2）信息编排。消费者使用推荐服务的原因之一就是为了减轻自己在庞大数据信息中搜寻目标的压力，这就要求推荐服务的系统能给予消费者优秀的信息编排，以改善消费者的线上消费体验。

（3）推荐强度。消费者在使用信息推荐服务的时候希望得到的是一种及时高效的购买决策辅助，信息的推荐强度需要考虑消费者的实时消费目的。有时提高推荐强度能影响消费者的偏好，但有时太强的推荐度会使推荐服务失去本来的功能，反而引发消费者的厌烦情绪。

（4）信息完整性。信息完整性是指推荐服务输出的信息是否包含消费者所渴望了解的关键信息，包括产品重要属性和对产品的主要描述。

（5）网站形象。网站形象包括网站的类型、知名度和美誉度等。网站形象会带给消费者在使用信息推荐服务之前就有的对网站的基本印象，这也决定了消费者之后的消费行为会以什么基调进行。

（6）用户信任。网站需要赢得用户信任才能获得长久而忠实的顾客，同样对于信息推荐服务的信任度也影响着推荐服务本身的推荐效果。

3消费者行为模型设计 3.1 消费者行为模型构建 3.1.1 模型构建思路 本文的第二章通过对国内外研究状况的概述和分析，知道了信息推荐服务对消费者的影响因素和消费者与信息推荐系统的交互影响因素。我们以此为基础可以得出本文的研究思路：信息推荐从用户信息输入到输出通过五个维度来影响消费者行为，而消费者通过一个维度来反映交互关系对消费者行为的影响。这些维度包括：信息输入方式、信息编排、推荐强度、信息完整性、网站形象、用户信任。

3.1.2 构建模型 我们选取这些维度作为自变量，而消费者行为作为因变量，它表示消费者在受到个性化信息推荐系统的影响后，做出的完整消费行为。通过变量的设计我们给出了以下的模型。

推荐系统维度 信息输入方式 信息编排 推荐强度 消费者行为 信息完整性 网站形象 消费者维度 用户信任 图3.1 信息推荐服务对消费者行为的影响模型 3.2 变量定义与研究假设 本文的自变量有6个，分别是信息输入方式、信息编排、推荐强度、信息完整性、网站形象、用户信任，因变量有1个,即消费者行为。

（1）信息输入方式 本文把信息输入方式分为主动形式和被动形式。胡静指出推荐系统在信息输入阶段得到的数据包括有通过消费者历史信息获取的数据和通过当前消费者搜索浏览行为而获取的数据[16]。前者偏向于消费者被动接受信息推荐，后者偏向于消费者主动引发信息推荐。在网络购物趋向于大数据的时代，信息的及时性与准确性对用户具有极大的重要性，通过消费者历史行为作出的推荐必然缺少时效性，也可能导致消费者因为被动接受一些不必要的推荐而产生厌烦感，但是通过主动输入的信息推荐符合当时消费者的目的和需求，更容易对消费者产生帮助。因此本文认为推荐服务信息输入方式的主动性正向影响消费者行为的完成，也就是说，平台对消费者提供的推荐信息来源越偏向于消费者主动输入的信息，越容易赢得消费者的青睐，消费者的购买欲望就越强，反之消费者的购买意愿就越低。故本文对此作出以下假设：
H1：信息推荐服务信息输入方式的主动度正向影响消费者行为。

（2）信息编排 蔡日梅认为信息编排是指推荐系统输出信息的排列方式，其重点在于能否使消费者快速便捷地找到自己想要的商品信息[13]。胡静认为在信息过载的情况下，信息编排的有序与合理度会很大程度上影响消费者的决策效率[16]。结合以往学者的研究观点，本文认为合理有序的信息编排能带给消费者很好的购物体验，消费者购买的意愿就会变强，反之则会变弱。因此本文作出以下假设：
H2：信息推荐服务信息编排正向影响消费者行为。

（3）推荐强度 朱岩等人研究表明推荐强度对推荐信息的接纳度起到了至关重要的作用[4]。戴和忠指出推荐强度在超过一定标准后会导致推荐效果呈边际递减[30]。而也有很多学者认为推荐强度越大，越容易导致消费者的负面抵触心理。本文认为消费者寻求推荐系统的帮助是为了更有效率地了解商品信息，作出消费决策， 而一定强度的推荐频率一方面保障了消费者对推荐信息的熟悉程度，一方面也能给予消费者更多的机会完成购买行为，本文认为推荐强度在一定范围内能够促进消费者的消费行为。因此本文作出以下假设：
H3：信息推荐服务推荐强度正向影响消费者行为。

（4）信息完整性 推荐服务提供的信息完整性越高，越能让消费者找到自己需要的商品信息。当消费者处于规避风险的消费心理状态时，更愿意选择完整而详细的信息辅助来帮助他们做出购买决策[17]。消费者在需要信息推荐服务的帮助时，往往是对自己所想要购买的对象了解较为缺乏的时候，此时如果信息推荐服务提供的信息仍然缺乏完整性，必然会引起消费者的失望，减少消费者对信息推荐服务的信任。因此本文作出以下假设：
H4：信息推荐服务的信息完整性正向影响消费者行为。

（5）网站形象 大部分消费者对信息推荐系统并没有太多了解，当他们购物时接受了网站给予的信息推荐服务，更容易对网站而非推荐系统留下印象。由于人具有主观能动性，不同印象的产生会使人有不同的行动。网站形象良好能带给消费者亲切感和信任感，消费者显然更愿意相信形象更好的网站提供相应的推荐服务。因此本文作出以下假设：
H5：信息推荐服务所依附的网站的形象正向影响消费者行为。

（6）用户信任 用户决定在一个购物平台上完成购物活动，并依赖于相关推荐服务，归根结底就是出于对网站具有信任感。由于线上交易比起线下更具有不确定性，因此在电子商务活动中，用户信任对卖家来说非常关键[17]。如果消费者对网站的信任程度越大，就越会相信推荐系统提供的服务，那么推荐服务对消费者行为的影响就越明显。因此本文作出以下假设：
H6：消费者对推荐系统的信任正向影响消费者行为。

综上所述，本文提出的假设为以下六点：
表3.1 信息推荐服务对消费者行为的影响研究假设 假设 具体内容 H1 信息推荐服务信息输入方式的主动度正向影响消费者行为 H2 信息推荐服务信息编排正向影响消费者行为 H3 信息推荐服务推荐强度正向影响消费者行为 H4 信息推荐服务的信息完整性正向影响消费者行为 H5 信息推荐服务所依附的网站的形象正向影响消费者行为 H6 消费者对推荐系统的信任正向影响消费者行为 3.3 变量的测量 （1）信息输入方式 本文对信息输入方式研究的重点在于信息输入方式中的主动度，学者们研究较少，缺乏相关文献资料，因此本文通过自主总结，设计出以下4题来衡量变量。

表3.2 信息输入方式量表 变量 具体问项 信息输入的主动度 它能在我需要时给出信息推荐 它推荐的信息符合我当前的偏好 它的推荐信息能对我当前搜索有帮助 我没有足够兴趣浏览自动推送的信息 （2）信息编排 关于信息编排变量，学者们的系统研究较少，本文主要参考了胡静[17]和付晓悦[17]的研究量表，根据本文研究的需求，作出相应的调整，设计出以下3题来衡量变量。

表3.3 信息编排量表 变量 具体问项 信息编排 推荐信息的编排符合逻辑顺序 推荐信息的编排在格式上符合阅读习惯 推荐信息的编排有合理性 （3）信息推荐强度 关于信息推荐强度的变量，目前的研究多为论证它给推荐系统的正面作用，而本文所需要的是符合假设的研究论点，因此本文通过自主总结，设计出以下3题来衡量变量。

表3.4 信息推荐强度量表 变量 具体问项 推荐强度 它推荐信息的频率较高 它推荐的信息内容丰富种类繁多 我有时间和精力看完各种推荐信息 （4）信息完整性 信息完整性是指推荐信息能归纳出最精炼的关键信息，让消费者能够得到自身偏好的信息，要求信息具有很好的深度与广度的同时做到简洁明了。本文以付晓悦[17]的研究量表为基础，根据本文的需求，作出相应调整设计出以下3题来衡量变量。

表3.5 信息完整性量表 变量 具体问项 信息完整性 它推荐的信息归纳得很详细 它推荐的信息能满足我的需求 推荐的商品信息内容十分完整 （5）网站形象 对于网站形象这个变量的研究，本文参考了潘勇等[31]的量表，从知名度、声誉、可靠性、权威度、可信度的角度来判断网站形象的良好与否。

表3.6 网站形象量表 变量 具体问项 网站形象 网站的知名度比较高 网站的声誉良好 网站具有相关领域的权威性 网站具有可靠性 网站是值得信赖的 （6）用户信任 本文对用户信任的变量研究参考了付晓悦[17]的三个维度，决定通过：能力、诚信、善良角度来识别用户对网站的信任。

表3.7 用户形象量表 变量 具体问项 用户信任 我认为推荐系统具有很好的导购能力 我认为推荐服务能满足我的需求 我认为推荐服务提供的信息是专业、准确的 我认为推荐服务推荐的商品是高质量的 我愿意相信推荐服务提供的信息没有虚假信息 我愿意相信推荐服务是站在消费者角度着想的 （7）消费者行为 本文对消费者行为的问项设置参考了胡静[16]和吕孝双[28]的问题设置，最终得出如下的几个问项。

表3.8 消费者行为量表 变量 具体问项 消费者行为 推荐服务影响了我选择产品的习惯 推荐服务改变了我对商品的评价 推荐服务提供的信息成为我购物过程中的重要参考 推荐服务影响了我的最终购买选择 推荐服务提高了我购买决策的满意度 我愿意经常浏览推荐服务提供的信息 3.4 消费者行为问卷调查 3.4.1 问卷设计 本研究一共包含7个变量，其中6个自变量，1个因变量。本研究的调查报告是依据上文构建的模型和假设设计的，共分为三个部分：第一部分是对被调查者的个人基本信息的调查，了解调查对象的性别、年龄、学历、收入水平、网购频率、网购时间、网购消费水平等。第二部分主要调查消费者的网购的背景，了解消费者常用网站和对推荐系统的态度。第三部分是对本文假设进行提问，调查推荐服务与消费者之间的交互影响关系。这其中包含三个阶段，首先是推荐服务维度的5个变量即信息输入方式、信息编排、推荐强度、信息完整性、网站形象共18个问项。其次是消费者维度的1个变量即用户信任，共6个问项。

最后是关于对消费者行为的影响的调查，共6个问项。本调查采用了李克特的Likert5点量表法来设置选项，1代表非常不同意，2代表不同意，3代表一般，4代表同意，5代表非常同意。

本文研究的主题是关于网络购物相关影响的，因此对调查对象也有一定的要求，本文认为调查对象应该满足以下条件：首先男女比例需要平衡，其次，当今网购的主体一般集中在18岁到35岁之间，学历最好在高中以上，对网络和电子商务有所了解。最后，调查对象也应该有一定的网购消费能力。我们按照以上的要求，选取了调查问卷的发放对象。

3.4.2 数据回收 本次问卷的调查时间为2018年10月24日到2018年11月2日，问卷采用电子问卷形式通过网络渠道（贴吧，微信等）发放。共发放240份问卷，回收197份问卷，回收率是82.1%，去除其中从未有网购经历的，未受到过推荐服务影响的，答案前后矛盾的无效问卷，剩下来的有效问卷有181份。我们知道样本和因子分析的变量数目的比只有在5：1以上，实验的研究数据才具有意义。本研究的研究变量有30个而相应有效的问卷数在181个，已超过5:1，保证了研究的切实有效性。

4 消费者行为问卷结果分析 4.1（1）调查人口分析 表4.1 人口统计数据分析表 变量名称 变量选项 人数统计 百分比 性别 男 95 52.49% 女 86 47.51% 年龄 18岁以下 8 4.42% 18到25岁 112 61.88% 26到30岁 56 30.94% 31到40岁 4 2.21% 41岁以上 1 0.55% 学历 高中或高中以下 7 3.87% 大学专科 19 10.50% 大学本科 145 80.11% 硕士 8 4.42% 博士及以上 2 1.10% 月可支配收入 1000元及以下 12 6.63% 1000元到2000元 43 23.76% 2000元到3500元 57 31.49% 3500元以上 69 38.12% ①性别分布状况 从表中可以看出，本次调查的181份有效样本中，男性有95人，女性有86人，分别占总人数的52.49%和47.51%，虽然男性的人数略多于女性但是总体差距不大，在可接受的范围内。

②年龄分布状况 调查样本中年龄分布主要集中在18到25岁之间，达到了112人，占总人数的61.88%，18岁以下的人数有8人，占总人数的4.42%，26岁到30岁的人数有56人，占总人数的30.94%，31岁到40岁和40岁以上的人数较少，分别为4人和1人，占人数的2.21%和0.55%。由此我们了解到，这次调查对象的年龄多在18岁到三十岁之间，占总人数的92.82%。这与我们的研究目的相符，由于我们研究的是电子商务方面的信息推荐服务对于消费者的影响，因此需要的样本是熟悉电子商务和现代网络消费行为的年轻人。

③学历分布状况 学历方面，这次调查对象的学历大部分是本科，有145人，占比80.11%；
大学专科有19人，占比10.5%；
硕士有8人，占比4.42%；
高中及以下有7人，占比3.87%；
博士及以上有1人，占比0.55%。本次研究要求研究对象能对大数据信息推荐系统有所了解，能以高水平的眼光给出答卷，所以调查对象多选择学历集中在大学本科以上，有一定网购经历的人。

④可支配收入状况 在每月可支配收入方面，3500元以上有69人，占比38.12%；
2000元到3500元有57人，占比31.49%；
1000元到2000元有43人，占比23.76%；
1000元及以下有12人，占比6.63%。因此我们了解到，样本是具有一定经济能力来支持网络消费的。

4.2（2）网络购物背景状况 表4.2 网络购物背景分析表 变量名称 变量选项 人数统计 百分比 网购时间 1年以下 4 2.21% 1年到2年 23 12.71% 2年到5年 112 61.88% 5年以上 42 23.2% 网购频率 从没有 0 0.00% 偶尔 102 56.35% 经常 79 43.65% 偏好网站 淘宝/天猫 145 80.11% 京东 25 13.81% 苏宁易购 2 1.10% 亚马逊 5 2.76% 当当网 1 0.55% 唯品会 2 1.10% 其他 1 0.55% ①网购时间情况 本次调查回收的数据显示，网购时间在2到5年的人数最多，有112人，占比61.88%；
网购时间在5年以上有42人，占比23.2%；
网购时间在1年到2年的有23人，占比12.71%；
网购时间在1年一下的只有4人，占比2.21%。由此可见，大部分被调查的对象具有较长的网购经验，对本次研究获取有参考价值的数据有很大帮助，同时也说明在大数据时代网络购物已经变为一种常规消费模式为大众所接纳。

②消费频率情况 从网购的频率来看，偶尔网购的人有102人，占比56.35%；
经常网购的人有79人，占总人数的43.65%。由此可见调查样本中既有偶尔网购的轻度买家，又有经常网购的重度买家，两者的占比相差不大，可以较为平衡地反映出不同购物程度的买家对推荐系统的反馈态度。

③偏好网站情况 从表中可以看出，调查对象偏爱的购物网站主要是淘宝/天猫，达到了145人，占总人数的80.11%；
其次是京东，有25人，占比13.81%；
最后选择苏宁易购等其他电商网站的有11人，占比6.08%。

（3）4.3影响消费者的主要推荐形式 表4.3 消费者网购时所受推荐形式的状况分析表 变量名称 变量选项 人数统计 百分比 推荐形式 搜索关键词关联推荐 52 28.73% 关联商品推荐 55 30.39% 特价/促销推荐 35 19.34% 人气/销量排行榜推荐 17 9.39% 据购买历史推荐 6 3.31% “猜你喜欢”类推荐 16 8.84% 根据上表可以发现，对消费者影响相对较大的是搜索关键词关联推荐和关联商品推荐，人数分别为52和55人，占比为28.73%和30.39%。其他推荐方式包括特价促销推荐有35人，占比19.34%；
人气销量排行榜推荐有17人，占比9.39%；
据购买历史推荐有6人，占比3.31%；
“猜你喜欢”类推荐有16人，占比8.84%。由此我们可以了解到，多种信息推荐方式对消费者行为都有一定的影响，而其中消费者在主动搜索中遇到的关键词推荐和关联商品推荐更加容易对消费者产生影响。由此电子商务网购平台应该在推崇和完善多元化的推荐服务形式的同时，更要加大力度发展消费者主动参与的那类推荐形式，这样能给消费者带来更加人性化的推荐服务，必然会得到口碑利润的双丰收。

这一章最后写下你的总结论 5 改善信息推荐服务的对策意见与建议 5.1 研究结论研究结论写的太简单，要结合问卷分析的结果和得出的结论详细阐述清楚。因为这个结论是作为论文重点，且是5.2节撰写的依据。

本文通过从推荐系统维度和消费者维度出发，探索消费者行为受到信息推荐服务影响的几个因素，通过一系列数据收集与分析，证明了信息输入方式的主动度、信息编排、推荐强度、信息完整性、网站形象、用户信任对消费者行为具有的影响作用：
信息推荐服务信息输入方式的主动度正向影响消费者行为 信息推荐服务信息编排正向影响消费者行为 信息推荐服务推荐强度正向影响消费者行为 信息推荐服务的信息完整性正向影响消费者行为、 信息推荐服务所依附的网站的形象正向影响消费者行为 消费者对推荐系统的信任正向影响消费者行为 同时我们也了解到，这些要素对消费者行为的影响程度由大到小依次为：网站形象>用户信任>信息编排>推荐强度>信息完整性>信息输入的主动性。

5.2 对策分析内容太少，应该与上文提出的结论对应。

通过上述结论的总结，我们对商家如何改善信息推荐服务提供相应的对策分析。

（1）良好网站形象的塑造尤为重要 通过本文的分析，我们得出网站形象是推荐服务中对消费者行为影响最大的一个因素。网站形象并不是推荐服务本身的功能，却能给消费者在使用网站推荐服务之前就留下一个固有印象，这个印象直接关系到消费者行为是否会在这个平台上发起。因此，我们建议网站要尽可能保持良好形象，提高知名度的同时要赢得良好的声誉，同时也要结合不同网站自身的特点提高相关领域的权威性，做到可信、可靠，这样才能给消费者选择相信这个网站的推荐服务的理由 （2）完善网站运作系统提高用户信任度 消费者对网站的信任度关系到消费者行为的完成率，若网站的可信任度不高，诸多的网站浏览者难以转变为顾客。线上购物不同于线下，消费者在没办法亲手验货的情况下就要做出消费决策，主要依靠的是网站提供的相关信息和服务，而消费者是否接受这些服务， 就依赖于消费者对网站的信任程度了。为了提高网站的可信任度，我们建议购物网站完善其购物运作体系，以用户为中心，减少不实际的功能，为用户提供安全保障和良好的售后体系。有了完善的购物体系，消费者自然愿意相信购物网站推出的各种服务，信息推荐服务带来的影响就会大大提高。

（3）优化信息编排，做到合理有序又高效 推荐系统的信息编排的合理度对消费者行为有显著的正向影响。消费者在使用信息推荐服务时，最直观的感受就在于信息编排是否合理有序。信息推荐服务最初的作用就是为了减少信息过载，帮助消费者筛选其所需要的信息。消费者在接受信息推荐服务的时候，得到的信息如果编排合理，符合阅读习惯，就能大大提高消费者选购商品的效率，既能给消费者带来良好的购物体验，又可以提高自身商品的销售量。我们建议网站对于优化其信息编排，要做好两点。一方面对信息编排的逻辑与排列结构要有所优化，符合消费者的阅读习惯，这样能使信息推荐服务的效果达到最大化地发挥，造成用户和网站的双赢。另一方面要在格式上做到整齐清晰，因为信息编排就如同网站信息服务的形象工程，好的信息编排方式必然能提高网站形象，提高用户的信任感。

（4）在一定范围内有针对地提高推荐强度 提高信息推荐强度，可以给消费者形成一定的导购暗示，当一个信息多次被提取到用户眼前时，用户很难不去确认这个信息的内容，但这只能让用户成为一个网站的浏览者，却并没有把他们变成消费者的决定因素。因此我们建议网站在推荐强度方面要增加研究，并不能简单的提高推荐信息的频率与内容的负荷，而应该考虑把推荐强度的重点放在信息的个性化与广泛化程度上。当推荐服务提供的信息个性化强度极高，种类覆盖度极广时，用户自然会从中得到满意的信息，从而将浏览的意愿，转变为购买的意愿。与此同时，对于传统的推荐强度的调整也要适度，增加信息强度要在一定范围内，如果超出了这个范围必然会导致用户的排斥与厌烦心理，造成事与愿违的悲剧。

（5）从不同角度入手提高信息完整性 消费者接受信息推荐服务时，对推荐信息的质量十分看重。消费者之所以选择信息推荐服务，就是因为想从中获取符合自己个性与偏好的商品信息，如果消费者被一些推荐信息的标题所吸引，却得不到推荐商品的详细信息，只会使消费者产生负面情绪，无法促进消费者完成购买行为。对于推荐信息内容的详尽度调整，我们建议购物网站能够做到多角度完整归纳，把商品信息重点列举到推荐信息内容中去。这样一方面使消费者能便捷地通过推荐信息直接了解推荐商品的完整信息，提高购物效率，另一方面不会造成信息过载，避免信息冗余给消费者带来的消极影响。

6研究不足与研究展望 6.1 不足之处 本文通过文献分析与调查问卷进行研究，收集并分析了一系列数据，对作出的相关假设也做了验证，但仍然存在很多不足之处。

（1）研究方法的局限性。本文仅采用问卷调查的方法来收集相关数据，而问卷收集的数据总会出现一些误差，同时本文的数据分析也较为简单，无法做到精确精准。因此希望未来有机会能通过小组实验的方式，通过实证法来进行研究让数据更具有准确性，提高研究的说服力。

（2）实验样本的局限性。本次问卷发放的数量有限，回收时间也较短，没有办法涵盖所有类型的顾客。同时由于问卷发放的对象中大多数为大学生，观点可能具有一定的偏向性，无法代表所有消费者。因此本文的研究普遍性还有待提高。

（3）本文研究的变量数较少。由于本文仅研究了推荐服务，消费者两个角度的6个变量，既没有考虑不同商品带来的影响，也没有涉及一些中介变量。因此在以后的研究中会考虑中介变量参与的模型设计。

6.2 研究展望 在以后的研究中，我们希望学者们能够扩大样本的范围，覆盖更多种类的用户， 提高调查的广泛性。在研究中也希望能采用调查问卷与试验相结合的方法提高数据的准确性。对于研究维度的设计，希望能再找到更多的切入点，并结合更多的中介变量，提高研究的创新性和严谨性。

参考文献 [1] 张韫．大数据背景下电子商务个性化推荐服务下的用户隐私保护[J]．梧州学院学报,2016． [2] Resnick&Varian．Remember System[J]．Communication of the ACM,1997,40(3): 562-58． [3] Schafer J B，Konstan J A，Riedl J．E-commerce Recommendation Applications[J]．Data Mining and Knowledge Discovery,2001,5(1/2):115-153． [4] 朱岩，林泽楠．电子商务中的个性化推荐方法评述[J]．中国软科学，2009(2)：183-192． [5] 黄郕若．大数据环境下网络消费者行为的若干研究[J]．经营管理者,2016,16:242． [6] 张城森，闫智高，王双英，朱灏．大数据时代下消费者行为研究[J]．中国市场，2016． [7] 贝圣劼．大数据时代消费者行为变迁及对商业模式变革的影响[J]．财经界(学术版)，2016（23）:337． [8] Maes P, Darrell T, Blumber B, et al．The ALIVE system: wireless interaction with autonomous agents[J]．ACM Multimedia Systems,1997(5): 105-112． [9] Ansari, A．, Essegaier，S．．Internet recommendation systems[J]．The Journal of Marketing,2000,37(3):363-375． [10] Grabner Kaluscha．Empirical research in on-line trust: a review and critical assessment．International Journal of Human-Computer Studies[J],2003, 58(6) :783–812． [11] Hostler．R．E,Yoon．VY, et．Al．Assessing the Impact of Internet Agent on End Users Performance[J]．Decision Su PPort Systems, 2005, 41(1): 313-325． [12] Berkovsky, Kuflik T．．Cross-domain mediation in collaborative filtering[J]． Proceedings of the UserModeling Conference, 2007(4): 12-14． [13] 蔡日梅．电子商务中推荐代理对购买决策的影响研究[D]．浙江：浙江大学,2008． [14] 刘建国，周涛，汪秉宏．个性化推荐系统的研究进展自然科学进展[J]．自然科学进展，2009,19（1）． [15] 杨一翁，王毅，孙国辉．消费者视角下的推荐系统研究[J]．企业经济,2016． [16] 胡静．电子商务推荐系统对消费者决策的影响研究[D]．河北：河北大学,2016． [17] 付晓悦．个性化推荐系统对消费者购买意愿的影响研究[D]．河南：河南财经政法大学，2016． [18] 张红．2013．基于用户认知的电子商务网站知识推荐服务接受模型研究[D]．南京:南京理工大学硕士学位论文． [19] 韩慧俊．电子商务个性化推荐系统的研究[D].上海：上海交通大学,2007． [20] 邱聪聪．推荐系统对消费者网上购物体验的影响研究[D]．安徽：安徽工业大学,2012． [21] R．Eric Hostler, et al．Assessing the impact of recommender agents on on-line consumer unplanned purchase behavior[J]．Information & Management 48 (2011): 336–343． [22] 刘旭东．个性化网页推荐系统在电子商务中的设计与应用．烟台：烟台职业学院学报，2008，14（4）：4-6． [23] 张雪琳．网络推荐情境下定制化对消费者决策的影响——文化导向与产品类型的调节作用．上海：复旦大学，2010． [24] 张苗苗，杨瑜．商业网站个性化推荐现状及对策研究．情报探索，2012，2：36-40． [25] 菲利普·科特勒．《营销管理》第14 版[M]．北京：中国人民大学出版社，2012：173． [25] Jsgdish N Sheth, Banwari．Consumer Behavior: A managerial Perspective, Stamford: The Thomson Corporation South-Western College Publication Press 2002,5-20． [26] Reynolds, F．D, W．R．Darden．Construing Life Style and Psychographics [J]．Life Style and Psychographics,1974:74-76． [27] 梦非．2012．社会化商务环境下意见领袖对购买意愿的影响研究[D]．南京：南京大学． [28] 吕孝双．2014．购物网站个性化推荐系统对消费者购买意愿的影响研究[D]．浙江：浙江财经大学． [29] 李慧．负面口碑对酒店顾客购买决策的影响研究[D]．浙江大学,2008． [30] 戴和忠．网络推荐和在线评论对数字内容商品体验消费的整合影响及实证研究．杭州：浙江大学，2014． [31] 潘勇,孔栋．电子商务网站可信度评价模型[J]．情报杂志,2007,(7):81-87． 致 谢 时光飞逝，转眼间四年紧张而又充实的大学生生活即将画上句号。在这四年的学习期间，我得到了很多老师、同学和朋友的关怀和帮助。在论文即将完成之际，我要向所有期间给予我支持、帮助和鼓励的人表示我最诚挚的谢意。

首先，我要感谢我的指导老师杨知玲老师对我的教导。从论文的选题、构思、撰写到最终的定稿，杨老师都给了我悉心的指导和热情的帮助，使我的毕业论文能够顺利的完成。杨老师对工作的认真负责、对学术的钻研精神和严谨的学风，都是值得我终生学习的。其次，感谢信息工程学院的全体领导和老师，由于他们的悉心教导，我学到了专业的知识，掌握了扎实的专业技能。最后，感谢我的家人在此期间给予我的包容、关爱和鼓励，以及所有陪我一路走来的同学和朋友，正是由于他们的支持和照顾，我才能安心学习，并顺利完成我的学业。

毕业在即，在今后的工作和生活中，我会铭记师长们的教诲，继续不懈努力和追求，来报答所有支持和帮助过我的人!