考虑产品互补替代关系的相关推荐方法及其影响机制研究

In the era of "big data", the emerging consumers' demand of personalization has brought both opportunities and challenges to the e-commerce market. As one of the key forms of personalization services, recommender systems attract the most attention of e-retailers. How to accurately generate product recommendation and explore the behavioral effect mechanism of different recommendation strategies have become important issues for e-commerce firms. We propose to study the role of two typical heterogeneous product relationships (i.e., complementation and substitution) in the context of recommender system, through which firms can exploit the value-generation potential of the product relationship. Our research agenda covers: (1) design of product relationship mining algorithm, (2) theoretical research on the effect mechanism of different product relationship in recommender systems, and (3) construction of recommendation algorithm with integration of product relationships. Key deliverables of this project will include: (1) an integrated prediction model for product complementary and substitutable relationships based on neural network, (2) empirical/experimental evidences for analyzing the effect mechanism of two recommendation strategies (recommending complements or substitutes) from both consumer and platform perspectives, and (3) a dynamic recommendation algorithm with consideration of both product relationships and consumers' preference evolution. We also schedule to testify our theoretical findings with real data experiments, field studies and laboratory experiments, through which our findings may shed lights on the understandings of product complementary and substitutable relationships in recommendation for both academia and practitioners.

大数据时代下消费者的个性化需求不断凸显，给电商市场带来了巨大的机遇和挑战。如何精准地进行产品推荐以及探究不同推荐策略的影响机制，已成为我国电子商务相关企业普遍面临的重要课题。本项目计划从推荐系统中两种典型的异质性产品关系—互补与替代—出发，挖掘产品关系在推荐中的作用机制，构建考虑产品关系的动态推荐模型，探索在传统推荐策略中引入产品关系网络的基本思路，力争为电子商务平台的个性化服务提供最新的理论依据和决策参考。具体而言，项目组首先提取产品间互补替代关系的语义结构模式，进而构建一个基于神经网络的产品关系预测框架；同时分别从消费者和电商平台的视角，探索互补性和替代性推荐两种策略对消费者支付意愿和电商平台的销售结构的影响机制。在此基础上，拟提出一个综合考虑产品关系和消费者偏好演化的推荐模型。通过用户实验、真实数据实验等方式对理论成果进行验证和拓展，并将相关成果积极推广到推荐系统营销实践中去。

本项目研究针对如何精准地进行产品推荐以及探究不同推荐策略的影响机制这一现实问题，从推荐系统中的异质性产品关系出发，紧密围绕申请书拟定的进度和计划，分别从产品关系识别、消费者行为规律、推荐方法设计等方面入手，挖掘产品关系在推荐系统中的作用机制，构建考虑产品关系的动态推荐模型，探索在传统推荐策略中引入产品关系网络的基本思路。三年来，各个子研究方向的工作按照原计划开展，并进行了适当的扩展和丰富：首先，本项目利用电商平台中的评论文本提取了反映产品的特征、功能、用途等重要语义结构模式，并以此为基础设计了基于神经网络架构的产品互补替代关系的挖掘方法；其次，使用用户行为实验的方法探索了互补型推荐与替代型推荐对消费者行为的影响机制，通过聚焦消费者决策阶段和被推荐产品的价格这两个因素，从解释水平理论出发揭示了两类推荐策略的不同作用机理；最后在以上研究的基础上，对多个平台上的用户行为模式进行探究，并设计了综合考虑产品关系和用户偏好演化的推荐方法，并将对“有形产品”的推荐拓展到对社交媒体中无形的信息推荐，使得整个研究更加完整，对电子商务的个性化推荐方法设计和理解用户动态行为规律具有重要的指导意义。依托本项目发表SSCI/SCI检索国际期刊论文5篇，其中1篇发表于UT DALLAS24期刊之一的国际商学院顶级学术期刊《MIS Quarterly》,发表国际学术会议论文2篇，国内学术会议论文1篇，宣读会议论文5篇，并出版学术专著1部，其中2篇会议论文分别获得会议的最佳论文奖。以上学术论文在Google Scholar中累计被引用85次。出境参加国际学术会议2人次，在国内参加国际和国内重要学术会议8人次。依托本项目培养了本科生7名，硕士研究生3名（含在读），博士研究生2名（含在读）。