营销指导 G uide of Marketing
会产生的流量大小，只有当无论是运营商还是用户都为提供和获得更加优质的3G业务而努力时，中国3G的发展才能真正迎来春天。
补贴。笔者认为，现阶段逐步放开手机终端价格补贴可从以下几个方面入手：
一是要以利润为导向改进现有补贴政策。在短期内对终端的价格补贴政策不可能完全放开，但通过补贴政策的调整也是提高运营商收入和利润的有效途径，如对享受补贴的用户要规定其使用的套餐，从而强化终端补贴的风险控制。
二是要简化现有补贴机型，即通过科学的市场调研，逐步淘汰市场接受程度较差的机型，对现有补贴机型划分明确的档次及市场定位。通过对补贴机型的精心选择，提高终端补贴的市场回报率及效率。
三是放开对手机终端的价格补贴是运营商提升3G市场利润的必然选择，但不能急于求成。要在补贴力度和补贴政策方面多下工夫，不断强化社会渠道对终端市场的作用。
作者单位：中国电信湖北宜昌分公司
充分发挥市场渠道调节作用
3G用户数量及规模在较短时间内井喷的重要原因之一在于运营商对智能手机的价格补贴，较大的补贴成本同样会影响3G用户对利润的贡献度。最突出的代表是中国联通，2011年一季度营业收入增幅突破历史纪录达到490.3亿元，但净利润之低也远远打破之前的纪录，重要原因在于对手机终端的补贴带来的沉重负担。由此可以看到，终端补贴在3G规模发展时期成效显著，但当用户数量达到一定规模时，高额的终端补贴将会严重阻碍利润的增长。运营商要想寻求利润增长，就必须逐步减少或取消对手机的价格
总之，如何实现从用户数量的增长到价值的提升，对3G发展来讲是最为关键的一步。运营商只有在借助原有技术及资源优势的基础上，从业务、资费和终端同时发力，实现对现有用户和市场的精耕细作，才能共同迎来中国3G发展的真正春天。
移动商务应用的个性化推荐模式
撰文/ 周玉妮
从本质上说，个性化推荐是一种营销手段，是指根据用户的兴趣和购买行为，向用户推荐其感兴趣的信息和商品。其最大的优点在于能根据用户的偏好主动为用户推荐符合其个性化需要的商品。Resinick和Varian在1997年给出推荐系统的定义：“它是利用电子商务网站提供商品信息和建议，帮助用户决定该购买什么产品，模拟销售人员帮助客户完成购买过程。”其作用主要表现在三个方面：促进网站的浏览者（browser）向购买者（buyer）转换；提高网站的交叉销售能力；提高网站用户的忠诚度，进而提升服务质量。个性化推荐作为一种新型的个性化营销手段，如何有效地向用户进行准确、有效的推荐，成为企业能否长期处于优势地位的关键。
个性化推荐系统的概况
一个完整的推荐系统由三部分组成：输入模块（收集用户信息的行为记录模块）、推荐算法模块和输出模块，其中推荐算法是个性化推荐系统的核心。国内外很多研究者对推荐算法进行了研究，提出了各种不同的推荐算法。主流的推荐算法可以分为以下几类：
一是基于规则的推荐技术，它是根据关联规则寻找相
关项目，并对项目排序产生推荐。该技术最大的优势是不依赖于用户的显示输入，不存在数据的稀疏性问题，但是关联规则的确立要从大量的用户访问日志中进行析出、清洗、转换和分类存储等，运算成本很高，且利用现成的用户模型进行推荐，难以适应用户不断变化的兴趣。
二是基于内容的推荐技术，它是指根据用户选择的对象，推荐其他类似属性的产品，属于Schafer划分中的Item-to-Item Correlation方法。这种技术产生的推荐完全依赖
2012.1
37
G
uide of Marketing
于项目特征属性的描述，推荐被局限在用户熟悉的种类和领域中，不能进行跨种类推荐，虽然帮助用户节省了寻找时间，但是没有完整地体现个性化推荐系统的真正价值。
三是协同过滤推荐技术，它是目前推荐系统中最广泛使用的一种推荐技术，其基本思想是：根据用户的评分，找到与当前用户Uc最相似的其他用户Us，然后再根据Us对商品项目的评分来预测Uc对其未评分商品项目的评分值，进而选择预测评分最高的前N项商品推荐给Uc，即top-N推荐。由于协同过滤技术依赖于用户的评分，在传统电子商务网站中，用户给予评分的商品项目很少，通常在1%以下，这就造成了协同过滤的稀疏性问题。
综上所述，我们可以得出下表中的相关结论：
推荐系统输入
核心步骤
输出优点
不依赖用
户显示输入，无稀疏性
不足运算成本高，难以适应用户不断变化的兴趣
移动商务个性化推荐模型介绍及其特点
（一）模型建立
同传统电子商务相比，移动商务具有自身的特点，主要体现在大众普及性、用户特定性、位置相关性和绝对实时性四个方面，这些特点使得移动商务在个性化、实时性方面对个性化推荐提出了更高的要求，所以，移动商务的个性化推荐模式不能完全照搬传统电子商务。
由于移动商务的用户特定性以及位置相关性，所以在用户登录网站时即可根据手机号码获取用户个人相关信息，并对不同笔者在传统电子商务推荐系
统架构的基础上，结合移动商务的特殊性，引入用户当前信用户兴趣管理
发现关联规则，由规则得
U的浏览
基于规则出I的相关项目，根据规则
购买记
的推荐的可信度和支持度产生推
录
荐根据I的特征属性值得到项
基于内容I 的特征目分类，得出用户已选项的推荐属性目的相似项目集，根据项项
目相似性产生推荐目
推
通过评分或者评价识别U
荐
U 对I 的最近邻居，根据邻居的
基于协同
的评价评分预测U对I的评分，从
过滤的推
（或评而产生推荐；或者比较I的
荐
分）相似性进行相似项目的推
荐
推荐有局
为用户节限性，无省了寻找法进行跨时间种类推荐1.主动推荐
2.便于发现用户的新兴趣
1.用户对项目评分的稀疏性2.过于依赖用户历史数据
息，提出一种基于移动商务应用的个性化推荐系统架构。该 信息资源管理两个模块，推荐模块
U表示所有用户的集合，I表示所有项目（即产品）的集合
由上表可以看出，在传统电子商务领域，推荐系统的输入主要有两大模块：用户兴趣模块（浏览历史以及对商品项目的评分等）和项目信息模块，这些信息都来源于历史信息。推荐算法根据项目信息和用户兴趣的符合度进行大小排序，推荐符合用户兴趣的项目，即输出。推荐系统的整体架构如图1所示：
、
储用户的历史浏览、项目评分以及购买历史等信息；用户即动商务个性化推荐模型绍及其特点时偏好模块用来存储影响或反映用户当前偏好的信息，如用户当时位置、所处时间等。在推荐模块中，将用户历史信息和即时信息同时作为预测用户偏好的影响因素（即作为推荐的输入），从而产生相关推荐反馈给用户，并同时记入用户历史兴趣模块（避免重复推荐）。具体架构如图2所示：
、动商务个性化推荐模型
绍及其特点图1：推荐系统的整体架构图图2：个性化推荐系统架构图
营销指导 G uide of Marketing
（二） 模型具体实现过程
将个性化推荐系统进一步细化，可以得到如图3所示的流程图。具体推荐过程主要分为以下几步：
息模块。
（三） 模型应用仿真举例
下面给出了一个移动商务应用个性化推荐的仿真实例。
进行排序，选取用户最有可能感兴趣的若干项目，如果以位置为即时偏好来考虑，则选择位置评
以团购导航网站为应用背景，使用上文提出的移动商务个性N 项，这样可以有效解决推荐的冷启动问题；若是非初次登录用户，从用户历史兴趣模块获取用户对于及相关购买记录，结合用户的即时偏好（或当前评分），对用户进行聚类，寻找最近邻居，根据化推荐模式，其中，以位置作为即时偏好来考虑，用户的横，对用户进行聚类，寻找最近邻居，根据同类中的其他用户对于项目的评分预测该用户对项目的评分，从而对这些项目按照评分排序，获取评分最高的N 个纵坐标即用户的位置，坐标可通过GPS或者其他移动通信定N 个项目。（2）从得到的N 个项目中剔除已推荐过的项目（避免重复推荐），其他作为推荐输出，将推
2）从得到的N 个项目中剔除已推荐过的项目（避免重复推荐），其他作为推荐输出，将推荐结果返回到用户历史信息模块。位来获取，然后根据每个用户的位置信息以及历史信息对其
进行个性化推荐。（三）模型应用仿真举例模型应用仿真举例
下面将给出了一个移动商务应用个性化推荐的仿真实例。以团购导航网站为应用背景，使用假定网站中存在100个访问者，在午餐时间，系统根据务个性化推荐模式，其中，以位置作为即时偏好的度量，用户的横纵坐标即用户的位置，坐标
记录信息对用户I、其中，以位置作为即时偏好的度量，用户的横纵坐标即用户的位置，坐标获取过程即用户通用户J推荐提供团购的饭店，系统中有新过GPS 或者其他移动通信定位的过程，根据每个用户的位置信息以及历史信息对其进行个性化推或者其他移动通信定位的过程，根据每个用户的位置信息以及历史信息对其进行个性化推荐。
假定网站中存在100个访问者，在午餐时间，系统根据记录信息对用户I 、用户J 推荐现在世界、金陵、粤鸿和等10个饭店信息可供推荐。100个访问者，在午餐时间，系统根据记录信息对用户I 、用户J 用户I是初次推荐现在提供团购的饭店，系统中有新世界、金陵、粤鸿和等10个饭店信息可供推荐。用户I 是初次访问者，用户J 曾多10个饭店信息可供推荐。用户I 是初次访问者，用户J 曾多次访问网站并实施
访问者，用户J曾多次访问网站并实施过团购行为。用户I的过团购行为。用户I 的推荐结果和用户J 的推荐结果分别如下图所示：I 的推荐结果和用户J 的推荐结果分别如下图所示：
推荐结果和用户J的推荐结果分别如图4、图5所示：
图3：个性化推荐系统流程图
第一步,获取用户即时偏好
根据位置或者其他实时获取的信息预测用户对于项目的当前评分，并剔除一些不符合实际的商品项目，以提高接下来寻找最近邻居的效率。在对用户进行个性化推荐的时候，位置也是一个很重要的参数，可以说基于定位的服务是移动商务最大的特色之一。
第二步，判别用户身份
根据手机号码的唯一性判断用户是否属于已注册用户或会员。
第三步，产生推荐
（1）根据用户不同身份采取不同方法进行推荐：若是初次登录用户，可根据前一步所得出的即时偏好对商品进行排序，选取用户最有可能感兴趣的若干商品，如果以位置为即
图4：用户I的推荐结果 图5：用户J的推荐结果
由图4、图5可看到，用户I为初次访问，系统仅根据定位获取位置进行推荐，通过计算得出“蓝湾”（以小旗标示）与用户I位置距离最近，所以作为推荐反馈给用户；对于用户J，将位置距离超过一定数的饭店剔除，在剩下的7家饭店中，综合考虑位置和历史偏好等方面因素，将“三锅演义”作为推荐反馈给用户J。
总之，同传统电子商务推荐模式相比，移动商务个性化推荐模型主要的功能改进和优化点是：一是可以有效地解决冷启动问题。每部手机或者移动终端都只有一个明确的使用者，用户的个人配置可以内置在具有唯一标志的移动设备中，用户的上网行为信息也会被保留，这是移动商务特有的
时偏好来考虑，则选择位置评分最高的前N项，这样可以有效解决推荐的冷启动问题；若是非初次登录用户，从用户历史兴趣模块获取用户对于项目的历史评分以及相关购买记录，结合用户的即时偏好（或当前评分），对用户进行聚类，寻找最近邻居，根据同类中的其他用户对于项目的评分，预测该用户对项目的评分，从而对这些项目按照评分排序，获取评分最高的N个项目。
（2）从得到的N个项目中剔除已推荐过的项目（避免重复推荐），其他作为推荐输出，并将推荐结果记入用户历史信
标志，它对于解决个性化推荐的冷启动问题很有效。二是可以在一定程度上改善数据的稀疏性。用户在项目评分中包含了位置评分，而位置可以实时获取，由系统根据定位位置进行评分，从而改善了数据稀疏性的问题。对于运营商来说，接下来的工作就是需要建立通用的用户模型，优化算法实施过程，从而增强系统的通用性。
作者单位：南京邮电大学经济与管理学院
2012.1
39
营销指导 G uide of Marketing
会产生的流量大小，只有当无论是运营商还是用户都为提供和获得更加优质的3G业务而努力时，中国3G的发展才能真正迎来春天。
补贴。笔者认为，现阶段逐步放开手机终端价格补贴可从以下几个方面入手：
一是要以利润为导向改进现有补贴政策。在短期内对终端的价格补贴政策不可能完全放开，但通过补贴政策的调整也是提高运营商收入和利润的有效途径，如对享受补贴的用户要规定其使用的套餐，从而强化终端补贴的风险控制。
二是要简化现有补贴机型，即通过科学的市场调研，逐步淘汰市场接受程度较差的机型，对现有补贴机型划分明确的档次及市场定位。通过对补贴机型的精心选择，提高终端补贴的市场回报率及效率。
三是放开对手机终端的价格补贴是运营商提升3G市场利润的必然选择，但不能急于求成。要在补贴力度和补贴政策方面多下工夫，不断强化社会渠道对终端市场的作用。
作者单位：中国电信湖北宜昌分公司
充分发挥市场渠道调节作用
3G用户数量及规模在较短时间内井喷的重要原因之一在于运营商对智能手机的价格补贴，较大的补贴成本同样会影响3G用户对利润的贡献度。最突出的代表是中国联通，2011年一季度营业收入增幅突破历史纪录达到490.3亿元，但净利润之低也远远打破之前的纪录，重要原因在于对手机终端的补贴带来的沉重负担。由此可以看到，终端补贴在3G规模发展时期成效显著，但当用户数量达到一定规模时，高额的终端补贴将会严重阻碍利润的增长。运营商要想寻求利润增长，就必须逐步减少或取消对手机的价格
总之，如何实现从用户数量的增长到价值的提升，对3G发展来讲是最为关键的一步。运营商只有在借助原有技术及资源优势的基础上，从业务、资费和终端同时发力，实现对现有用户和市场的精耕细作，才能共同迎来中国3G发展的真正春天。
移动商务应用的个性化推荐模式
撰文/ 周玉妮
从本质上说，个性化推荐是一种营销手段，是指根据用户的兴趣和购买行为，向用户推荐其感兴趣的信息和商品。其最大的优点在于能根据用户的偏好主动为用户推荐符合其个性化需要的商品。Resinick和Varian在1997年给出推荐系统的定义：“它是利用电子商务网站提供商品信息和建议，帮助用户决定该购买什么产品，模拟销售人员帮助客户完成购买过程。”其作用主要表现在三个方面：促进网站的浏览者（browser）向购买者（buyer）转换；提高网站的交叉销售能力；提高网站用户的忠诚度，进而提升服务质量。个性化推荐作为一种新型的个性化营销手段，如何有效地向用户进行准确、有效的推荐，成为企业能否长期处于优势地位的关键。
个性化推荐系统的概况
一个完整的推荐系统由三部分组成：输入模块（收集用户信息的行为记录模块）、推荐算法模块和输出模块，其中推荐算法是个性化推荐系统的核心。国内外很多研究者对推荐算法进行了研究，提出了各种不同的推荐算法。主流的推荐算法可以分为以下几类：
一是基于规则的推荐技术，它是根据关联规则寻找相
关项目，并对项目排序产生推荐。该技术最大的优势是不依赖于用户的显示输入，不存在数据的稀疏性问题，但是关联规则的确立要从大量的用户访问日志中进行析出、清洗、转换和分类存储等，运算成本很高，且利用现成的用户模型进行推荐，难以适应用户不断变化的兴趣。
二是基于内容的推荐技术，它是指根据用户选择的对象，推荐其他类似属性的产品，属于Schafer划分中的Item-to-Item Correlation方法。这种技术产生的推荐完全依赖
2012.1
37
G
uide of Marketing
于项目特征属性的描述，推荐被局限在用户熟悉的种类和领域中，不能进行跨种类推荐，虽然帮助用户节省了寻找时间，但是没有完整地体现个性化推荐系统的真正价值。
三是协同过滤推荐技术，它是目前推荐系统中最广泛使用的一种推荐技术，其基本思想是：根据用户的评分，找到与当前用户Uc最相似的其他用户Us，然后再根据Us对商品项目的评分来预测Uc对其未评分商品项目的评分值，进而选择预测评分最高的前N项商品推荐给Uc，即top-N推荐。由于协同过滤技术依赖于用户的评分，在传统电子商务网站中，用户给予评分的商品项目很少，通常在1%以下，这就造成了协同过滤的稀疏性问题。
综上所述，我们可以得出下表中的相关结论：
推荐系统输入
核心步骤
输出优点
不依赖用
户显示输入，无稀疏性
不足运算成本高，难以适应用户不断变化的兴趣
移动商务个性化推荐模型介绍及其特点
（一）模型建立
同传统电子商务相比，移动商务具有自身的特点，主要体现在大众普及性、用户特定性、位置相关性和绝对实时性四个方面，这些特点使得移动商务在个性化、实时性方面对个性化推荐提出了更高的要求，所以，移动商务的个性化推荐模式不能完全照搬传统电子商务。
由于移动商务的用户特定性以及位置相关性，所以在用户登录网站时即可根据手机号码获取用户个人相关信息，并对不同笔者在传统电子商务推荐系
统架构的基础上，结合移动商务的特殊性，引入用户当前信用户兴趣管理
发现关联规则，由规则得
U的浏览
基于规则出I的相关项目，根据规则
购买记
的推荐的可信度和支持度产生推
录
荐根据I的特征属性值得到项
基于内容I 的特征目分类，得出用户已选项的推荐属性目的相似项目集，根据项项
目相似性产生推荐目
推
通过评分或者评价识别U
荐
U 对I 的最近邻居，根据邻居的
基于协同
的评价评分预测U对I的评分，从
过滤的推
（或评而产生推荐；或者比较I的
荐
分）相似性进行相似项目的推
荐
推荐有局
为用户节限性，无省了寻找法进行跨时间种类推荐1.主动推荐
2.便于发现用户的新兴趣
1.用户对项目评分的稀疏性2.过于依赖用户历史数据
息，提出一种基于移动商务应用的个性化推荐系统架构。该 信息资源管理两个模块，推荐模块
U表示所有用户的集合，I表示所有项目（即产品）的集合
由上表可以看出，在传统电子商务领域，推荐系统的输入主要有两大模块：用户兴趣模块（浏览历史以及对商品项目的评分等）和项目信息模块，这些信息都来源于历史信息。推荐算法根据项目信息和用户兴趣的符合度进行大小排序，推荐符合用户兴趣的项目，即输出。推荐系统的整体架构如图1所示：
、
储用户的历史浏览、项目评分以及购买历史等信息；用户即动商务个性化推荐模型绍及其特点时偏好模块用来存储影响或反映用户当前偏好的信息，如用户当时位置、所处时间等。在推荐模块中，将用户历史信息和即时信息同时作为预测用户偏好的影响因素（即作为推荐的输入），从而产生相关推荐反馈给用户，并同时记入用户历史兴趣模块（避免重复推荐）。具体架构如图2所示：
、动商务个性化推荐模型
绍及其特点图1：推荐系统的整体架构图图2：个性化推荐系统架构图
营销指导 G uide of Marketing
（二） 模型具体实现过程
将个性化推荐系统进一步细化，可以得到如图3所示的流程图。具体推荐过程主要分为以下几步：
息模块。
（三） 模型应用仿真举例
下面给出了一个移动商务应用个性化推荐的仿真实例。
进行排序，选取用户最有可能感兴趣的若干项目，如果以位置为即时偏好来考虑，则选择位置评
以团购导航网站为应用背景，使用上文提出的移动商务个性N 项，这样可以有效解决推荐的冷启动问题；若是非初次登录用户，从用户历史兴趣模块获取用户对于及相关购买记录，结合用户的即时偏好（或当前评分），对用户进行聚类，寻找最近邻居，根据化推荐模式，其中，以位置作为即时偏好来考虑，用户的横，对用户进行聚类，寻找最近邻居，根据同类中的其他用户对于项目的评分预测该用户对项目的评分，从而对这些项目按照评分排序，获取评分最高的N 个纵坐标即用户的位置，坐标可通过GPS或者其他移动通信定N 个项目。（2）从得到的N 个项目中剔除已推荐过的项目（避免重复推荐），其他作为推荐输出，将推
2）从得到的N 个项目中剔除已推荐过的项目（避免重复推荐），其他作为推荐输出，将推荐结果返回到用户历史信息模块。位来获取，然后根据每个用户的位置信息以及历史信息对其
进行个性化推荐。（三）模型应用仿真举例模型应用仿真举例
下面将给出了一个移动商务应用个性化推荐的仿真实例。以团购导航网站为应用背景，使用假定网站中存在100个访问者，在午餐时间，系统根据务个性化推荐模式，其中，以位置作为即时偏好的度量，用户的横纵坐标即用户的位置，坐标
记录信息对用户I、其中，以位置作为即时偏好的度量，用户的横纵坐标即用户的位置，坐标获取过程即用户通用户J推荐提供团购的饭店，系统中有新过GPS 或者其他移动通信定位的过程，根据每个用户的位置信息以及历史信息对其进行个性化推或者其他移动通信定位的过程，根据每个用户的位置信息以及历史信息对其进行个性化推荐。
假定网站中存在100个访问者，在午餐时间，系统根据记录信息对用户I 、用户J 推荐现在世界、金陵、粤鸿和等10个饭店信息可供推荐。100个访问者，在午餐时间，系统根据记录信息对用户I 、用户J 用户I是初次推荐现在提供团购的饭店，系统中有新世界、金陵、粤鸿和等10个饭店信息可供推荐。用户I 是初次访问者，用户J 曾多10个饭店信息可供推荐。用户I 是初次访问者，用户J 曾多次访问网站并实施
访问者，用户J曾多次访问网站并实施过团购行为。用户I的过团购行为。用户I 的推荐结果和用户J 的推荐结果分别如下图所示：I 的推荐结果和用户J 的推荐结果分别如下图所示：
推荐结果和用户J的推荐结果分别如图4、图5所示：
图3：个性化推荐系统流程图
第一步,获取用户即时偏好
根据位置或者其他实时获取的信息预测用户对于项目的当前评分，并剔除一些不符合实际的商品项目，以提高接下来寻找最近邻居的效率。在对用户进行个性化推荐的时候，位置也是一个很重要的参数，可以说基于定位的服务是移动商务最大的特色之一。
第二步，判别用户身份
根据手机号码的唯一性判断用户是否属于已注册用户或会员。
第三步，产生推荐
（1）根据用户不同身份采取不同方法进行推荐：若是初次登录用户，可根据前一步所得出的即时偏好对商品进行排序，选取用户最有可能感兴趣的若干商品，如果以位置为即
图4：用户I的推荐结果 图5：用户J的推荐结果
由图4、图5可看到，用户I为初次访问，系统仅根据定位获取位置进行推荐，通过计算得出“蓝湾”（以小旗标示）与用户I位置距离最近，所以作为推荐反馈给用户；对于用户J，将位置距离超过一定数的饭店剔除，在剩下的7家饭店中，综合考虑位置和历史偏好等方面因素，将“三锅演义”作为推荐反馈给用户J。
总之，同传统电子商务推荐模式相比，移动商务个性化推荐模型主要的功能改进和优化点是：一是可以有效地解决冷启动问题。每部手机或者移动终端都只有一个明确的使用者，用户的个人配置可以内置在具有唯一标志的移动设备中，用户的上网行为信息也会被保留，这是移动商务特有的
时偏好来考虑，则选择位置评分最高的前N项，这样可以有效解决推荐的冷启动问题；若是非初次登录用户，从用户历史兴趣模块获取用户对于项目的历史评分以及相关购买记录，结合用户的即时偏好（或当前评分），对用户进行聚类，寻找最近邻居，根据同类中的其他用户对于项目的评分，预测该用户对项目的评分，从而对这些项目按照评分排序，获取评分最高的N个项目。
（2）从得到的N个项目中剔除已推荐过的项目（避免重复推荐），其他作为推荐输出，并将推荐结果记入用户历史信
标志，它对于解决个性化推荐的冷启动问题很有效。二是可以在一定程度上改善数据的稀疏性。用户在项目评分中包含了位置评分，而位置可以实时获取，由系统根据定位位置进行评分，从而改善了数据稀疏性的问题。对于运营商来说，接下来的工作就是需要建立通用的用户模型，优化算法实施过程，从而增强系统的通用性。
作者单位：南京邮电大学经济与管理学院
2012.1
39