点击流概述：信息推荐系统

伴随着Internet网络和Web技术而出现的点击流(Clickstream)是近年来新兴的技术，在电子商务、网络营销、数据仓库和决策支持系统等信息系统领域中成为关注和研究的热点。在电子商务领域中，商家通过分析顾客的点击行为数据，改善网站结构和布局、商品交易流程和展现方式等，从而更好地吸引顾客，提高电子商务网站的盈利水平。所谓点击流数据就是顾客在网上购物活动的电子记录，它揭示了顾客在网上的冲浪行为[6]:访问者的每一个点击就像他的每一个脚步，揭示着他在网站内和网站间的选择。其中，网站内的选择包括顾客浏览网站中的哪一个商品网页，在该商品网页停留多长时间，是否发生购物行为等。顾客行为数据在电子商务网站上最简单的存在形式就是Web日志，网站在运行过程中都会产生大量原始日志(Raw Log)，并将其存储在文件系统中[5]。在电子商务网站中，可以将多种原始日志按照用户行为汇总成会话日志(Session Log)，其中每个会话表示一次顾客行为和对应的服务。例如，在商务信息搜索引擎中，服务会为每次查询生成一个展示日志(Impression Log)，其中记录了顾客的查询关键词和搜索结果。如果顾客点击其中某个结果，这个点击流信息会被服务器截获并存储在点击日志(Click Log)中。同时，顾客也可以通过特定的用户名和密码登录电子商务网站，从而获得更加个性化的信息服务。研究者能够将特定类型的顾客与相应的点击流数据联系起来，进行更加具体的分析，从而帮助改善网站设计和为顾客更好地提供决策支持。

在电子商务网站中，利用点击流数据来获取和分析顾客的网上购物行为，可以为顾客提供更好的个性化商品信息服务。与传统个性化服务方式相比，基于点击流技术的个性化信息服务具有如下两个方面的优点[7]:

①点击流技术能够根据顾客的最近访问记录，跟踪顾客的购物需求变化，分析顾客最新的购物需求信息，并根据分析结果主动向其推荐感兴趣的商品信息。(www.xing528.com)

②根据顾客的访问行为记录分析出顾客的兴趣偏好，能够为其提供准确全面的商品信息。在商品信息个性化服务中，传统基于关键词需求的个性化服务模型不能全面、准确地反映出顾客的购物偏好，而基于点击流技术的个性化服务不需要顾客提供明确的需求，通过动态跟踪顾客的历史行为给顾客的购物偏好建模，因而更能准确地反映出顾客的实际需求。

因此，利用点击流数据来研究顾客的网上购物行为，已成为电子商务领域研究人员关注的重点。在电子商务网站中，点击流数据提供了非常丰富的信息，研究如何通过Web日志获取顾客的相关信息，特别是顾客的浏览网页行为如何转换成购买行为，成为研究人员关注的重点。Moe和Fader[8]基于网站点击流数据，提出了一种个体水平的访问和购买行为转换模型。该模型证实网站访问行为跨时间段的变异性，以及顾客通过访问网站获得购买经验并随时间所产生的相应变化——访问效应和购买阈限效应。其中，访问效应与顾客的购物动机相联系，而购买阈限效应说明了顾客对网上购物的心理抗拒，它会随着顾客在该购物网站通过购买过程获得更多的经验而增加或者减少。该模型根据这两个关键成分的复杂性不同而有一定的变化。根据对两个大型电子商务网站——Amazon和CDNOW的8个月点击流数据的分析结果，顾客对一个Web零售网站访问得越频繁，其购买商品的倾向也越大。一般来说，顾客在购物过程中，必须执行一系列的行为，包括商品网页点击，在购物篮中添加商品，在线购买和支付以及购买后的商品评分或评论等。针对顾客这些购物行为，Sismeiro等提出假设[6，9]:顾客执行这些行为就表明他们有购买某类型商品的意图，并构建一个多水平的二元选择模型来预测顾客对这些行为的执行情况，从而来预测顾客是否购买该类型的商品。这就是说，可以将整个商品购物过程分解成一系列有时间顺序的需要完成的任务。为了对该模型进行评估，Sismeiro等人以一个汽车销售的电子商务网站为案例，通过获取和分析该网站的顾客点击流数据，结果证实了通过分析顾客的相关购物行为能够较精准地预测其购买倾向，同时网站提供的导购帮助系统对提高顾客的购买转换率并没有显著影响。从这里，我们可以看出:通过点击流数据来分析顾客在网上的购物行为，对提高电子商务网站个性化服务水平是非常有用的，它可以精准地获取顾客的购物偏好，因此能对顾客的购物活动提供有效的决策支持。目前，点击流可以应用在电子商务系统个性化服务领域中，通过点击流可以对顾客行为和偏好进行数据挖掘，为顾客主动推送个性化的商品信息，同时也能为电子商务企业设计个性化的商务网站提供指导。