第二章 相關研究工作
第一節 推薦系統與電子商務
推薦系統目前應用最廣的領域在於電子商務上，主要用來提升消費者回店消費的機 率以增加其營業額。
由於近年來網際網路的興起，帶來了網路零距離的概念和前有未有的便利性，網路 逐漸成為另一個人們用來交換訊息和溝通的方式。尤其在網路技術成熟和基礎建設完成 之後，網路愈來愈深入人們的生活，使得愈來愈多的人開始學習使用網路，並且逐漸將 生活帶到網路上。在此同時很多商業行為也開始在網路上進行，各種電子網路商店林 立，消費者只要輸入網址馬上就被帶到網路商店裡，不但方便而且迅速，這創造了一個 新的且龐大的商機。網路不但縮短了消費者與商店間的距離，也縮短了消費者口袋和業 者口袋的距離。
網路市場這一塊大餅很快就被注意到並且激烈競爭，因為網路商店的設立成本低，
所以許多實體商店紛紛成立網路商店，增加一個窗口服務顧客同時多一個收入來源；甚 至更多的網路商店是沒有實體商店的純網路商店，只要少少的資本就可以在網路上租個 網頁空間做起生意來。而且網路商店因為成本低，所以有辦法壓低商品價格來跟實體商 店競爭，加上網路商店具有時間和空間上兩個最大的優點：在時間上的優勢是網路商店 可以 24 小時全天候甚至也是一年 365 天全年無休的營業。在空間上的優勢是其消費群 涵蓋全世界任何有網路的地方。所以在任何時間、任何地點，消費者只要上網就可以購 物。這些優點使得網路商店同時受到業者和消費者的喜愛。
不過網路商店雖然有那麼多的好處，但對於顧客和業者也各有其特有的缺點。對顧 客而言，網路交易的安全性是其在網路上消費的一個障礙；對業者而言，則是網路商店 太多、競爭太激烈，而且消費者的流動率很高。在這麼多的網路商店裡，如何吸引消費 者來你這家商店消費，甚至持續消費就是個重要的議題。而且實體商店和網路商店有一 點重要的不同在於網路商店沒有店員，沒有店員固然減少了人事上的費用，可是當顧客
上門時沒有店員幫忙介紹商品、推銷商品、回答顧客的問題和給與顧客建議，商店和顧 客之間沒有互動，這無形中就減少了很多交易的機會。如果網路商店也僱請店員在網路 上跟顧客互動，說不定所花費的人事費反而比實體商店高。因為店員必須隨時在線上待 命，且網路上的客源數量不定，店員的數量難以拿捏。面對這個問題，其中一個解決的 方法就是建立一套具個人化的推薦系統，個人化的推薦系統可以取代店員部分的功能，
其中最重要的功能就是推銷商品、給予顧客購買上的建議，因此推薦系統逐漸被應用在 網路商店上，幫助網路商店的經營。
亞馬遜網路書店 (Amazon.com) 的執行長 Jeff Bezos 曾經說過：『假如我在網路上有 三百萬個顧客，那我就應該有三百萬個網路上的商店。』(“If I have 3 million cus tomers on the Web, I should have 3 million stores on the Web”) [24]，這句話突顯了網路商店個人化的 重要性。因為在實體商店中，當顧客找不到需要的商品或對商品有疑問時，都有店員會 給予協助，店員可以把店中符合顧客需要的商品展示給顧客選擇，並協助顧客完成交 易。但在網路商店中沒有店員的協助，當顧客瀏覽幾頁網頁找不到需要的商品時，馬上 會連上其他網路商店的網頁購買，顧客和交易就這樣輕易地流失了。所以每一家網路商 店都希望能把顧客需要的商品放在網頁上容易查詢到的地方，讓顧客覺得整家商店裡的 商品都是他所需要的，彷彿這家商店是專? 他所開設的一般。個人化 (Personalization)，
又稱客製化 (Customization)，剛好可以滿足這個要求。建立一個個人化的資訊環境 (Personalized Information Environment) 可以收集顧客的喜好 (Preferences) 及習慣，有助 於商店了解顧客的需求。當顧客留下愈多的個人資訊，商店就愈能提供符合顧客需求的 商品和服務以吸引顧客下次再度光臨，藉以提高顧客的回店率和忠誠度。顧客一旦再度 光臨又將會留下更多的個人資訊，讓商店更能滿足顧客的需要。如此可以提高顧客與商 店間的互動，之間形成一個良性循環。所以現在網路商店的一個重要資產就是顧客的個 人資料和興趣，誰掌握最多的顧客資訊，能提供最符合顧客需要的商品，誰就掌握了客 源。
所以推薦系統和個人化的功能常被運用在網路商店上，以提高業績收入。推薦系統 也逐漸加入個人化的功能，希望推薦出來的商品能更符合顧客個人的需求。目前比較有 名 且 有 個 人 化 推 薦 系 統 的 網 路 商 店 有 Amazon.comT M (http://www.amazon.com) 、 CDNOWTM (http://www.cdnow.com) 和 eBay.comT M (http://www.ebay.com) 等。
目前應用於網路商店上的推薦系統通常可分成兩種[11]。第一種是推薦購買頻率較 高的商品，例如書或影片之類，這些商品因為顧客購買的頻率較頻繁，所以主要用來推 薦的方法是由分析顧客購買的歷史紀錄，進而來推斷顧客的興趣、喜好，再由此來推薦 顧客喜歡或感興趣的商品。而這種推薦方式主要的技術在於分析顧客的興趣，通常用的 方法是資料探勘並且加入個人化的功能。
第二種系統則主要是推薦顧客購買頻率較低的商品，例如汽車、電腦、家庭劇院組 合之類的商品。針對通常購買這類商品的顧客，較無法得知其之前長期以來的興趣，而 且往往購買這些商品時都有顧客當時的特殊原因，如果採用以前的購買記錄來做推薦往 往無法達到預期的效果。所以這類推薦系統主要是用事先設定好的一些專家知識，依據 顧客購買當時的特殊需求，來推薦顧客當時最適合的商品。例如購買電腦時，對一個需 要做 3D 繪圖、影像處理的顧客，我們必須推薦一台有高階中央處理器和顯示卡的電腦，
而對一個主要用電腦來上網、做一些簡單的文書處理的顧客，則我們須推薦穩定性高或 價格較平價的電腦比較合適。在推薦這種購買頻率較低的商品時，主要採用專家系統 (Expert System)的技術。
根據圖書館的特性，圖書館館藏的流通相當頻繁，而且來借閱圖書館館藏的讀者通 常都是有長期的借閱習慣，所以比較接近於“購買頻率較高的商品”這一類的屬性。也因 此在本論文中我們主要用資料探勘的技巧來分析處理讀者的借閱歷史紀錄，並判斷讀者 的興趣所在，推薦給讀者感興趣的館藏資料。