考虑客户满意度的电子商务商品信息推送效果测评方法

李永海

〔摘要〕商品信息推送成为了电子商务商家商品信息服务的一种主要方式，研究如何进行电子商务商品信息推送效果测评问题具有重要意义。本文通过对已有文献的梳理和研究，结合对参与电子商务商品信息推送效果测评的相关负责人和客户的访谈和调研，建立了电子商务商品信息推送效果测评指标体系；以此为基础，提出了一种考虑客户满意度的电子商务商品信息推送效果测评方法；最后，通过一个实例分析说明了该测评方法的有效性和可行性，并就测评结果做出了有针对性地改进分析。

〔关键词〕商品信息推送；电子商务；客户满意度；测评指标体系

DOI：10.3969/j.issn.1008-0821.2016.11.010

〔中图分类号〕C934〔文献标识码〕A〔文章编号〕1008-0821（2016）11-0055-04

〔Abstract〕Product information push has become the main information service way for merchants under e-commerce.Hence，it is important to do the research about the evaluation of the effect of e-commerce product information push.In this paper，firstly，the evaluation index system of the effect of e-commerce product information push was constructed according to the integration and study about existing literatures and the interview and investigation on organizer and customer who had participated in the evaluation of the effect of e-commerce product information push.Then a method for e-commerce product information push effect evaluation considering customer satisfaction degree was presented on the basis of the above work.Finally，the feasibility and validity of the proposed method was illustrated by an example analysis，and then the relevant improvement analysis was put forward according to the result of evaluation.

〔Key words〕product information push；e-commerce；customer satisfaction degree；evaluation index system

电子商务商品信息推送，简单的说就是商家依据客户的需求，利用电子商务平台，从商品信息数据库中获取并整合有价值的商品信息等内容，使用推送方法和技术传递信息，向客户提供及时、主动的信息服务，实现把恰当的商品信息等内容在恰当的时间、恰当的地点通过恰当的方式传递给有需求的客户，辅助它们进行有效的购买决策[1]。通过电子商务商品信息推送，不仅为客户节约商品信息等内容的获取时间成本，同时也可为电子商务商家节省服务成本并带来更多利润。然而，这些电子商务商家的商品信息推送效果如何？客户对它们的电子商务商品信息推送满意度如何？这成为了该些电子商务商家面临的一个实际问题。目前，关于信息推送及信息推送效果测评的研究已经得到国内外学者的广泛关注，其中具有代表性的研究成果有[2-8]：樊治平和冯勇等在分析组织员工信息需求的基础上，提出了一种复合信息推送系统框架[2]；王咏研究了基于Push技术的信息获取方式[3]；张延国给出了一种基于搜索引擎的个性化信息推送的情况[4]；Ricadela介绍了Microsoft公司开展知识信息推送的情况[5]；于宏国和索玮岚等给出了一种基于二元语义信息处理的知识信息推送效果测评方法[6]；冯勇和田忠文提出了一种评价知识信息推送效果的方法，并给出了基于评价结果的改进策略[7]。可以肯定的是，这些研究成果为进一步研究信息推送技术及信息推送效果测评方法起到了重要的作用，但需要指出的是，已有的大多数研究仅针对单一的技术或方法，没有考虑到客户的满意度，也较少考虑到电子商务商品信息推送效果测评问题。之所以要考虑客户满意度是因为客户是影响电子商务商品信息推送效果测评的决定因素，而影响客户满意度的关键因素是客户感知值与客户期望值，它们之间的关系表现为客户完成消费体验，若客户期望值得到满足，客户满意度就会升高；若客户期望值得不到满足，客户满意度下降，客户就会产生沮丧感，由此会导致客户资源流失。鉴于此，本文则以已有信息推送及其效果测评的研究工作为基础，在考虑客户满意度的情况下，给出一种电子商务商品信息推送效果的测评方法。

1电子商务商品信息推送效果测评指标体系

根据信息推送的含义，结合电子商务特定环境，在考虑信息推送效果测评时，本文从信息推送内容、信息推送方式以及信息推送时效三方面进行了研究，其中信息推送内容方面主要考虑电子商务环境下所推送的信息内容是否有效的满足了客户的信息需求；信息推送方式方面主要考虑电子商务环境下推送信息的方式是否恰当地适应了客户的接收习惯；信息推送时效主要考虑推送信息的及时程度与频繁程度是否在客户可承受的范围内。为了构建电子商务商品信息推送效果测评指标体系，本文采用的方法是：首先，整理和分析相关文献[7-12]，对其进行梳理和研究，提取出与电子商务商品信息推送效果测评有关的指标，形成备选指标集合；然后，通过访谈，邀请数十名经常网上购物的客户以及一些主流电子商务环境下的相关负责人就该备选指标集合提出修改意见和建议；在此基础上，通过专家调查法，请13名相关领域的专家进行问卷调查，对电子商务商品信息推送效果测评备选指标集合进行进一步地筛选、修正和完善；最后，确定由7个测评指标构成的电子商务商品信息推送效果测评指标体系，如表1所示。

表1中，7个测评指标所考察内容可分别阐述为：u1考察电子商务环境下所推送商品信息等信息是否为客户想要的信息，即所推送的信息与客户的信息需求的一致性；u2考察电子商务环境下所推送商品信息等信息的覆盖面是否达到客户期望的程度，能否为客户在众多同类信息间比较、选择留有余地；u3考察电子商务环境下所推送信息的表达形式是否形象直观，便于客户理解和应用；u4考察电子商务环境下所推送商品信息等信息的可靠程度及有效程度，如打折或促销等商品信息信息的有效性；u5考察商品信息等信息的推送途径是否为客户愿意接受的途径，具体可为同步推送（即时通信工具等）、非同步推送（E-mail、短信等）等其中一种或多种组合；u6考察推送商品信息等信息的及时性，即能否在客户浏览信息的有限时间内推送有效的信息；u7考察电子商务环境下商品信息等信息的推送频繁程度是否在客户可以而且愿意接受的程度内。

2测评方法

在完成构建电子商务商品信息推送效果测评指标体系的基础上，考虑到所有测评指标均为可模糊化的定性指标，而且关于所有测评指标的评价信息均来自于电子商务环境下参与测评的客户，因此，让所有参与测评的客户对这些测评指标给出语言评价信息是比较方便有效的方式。下面首先给出考虑客户满意度的电子商务商品信息推送效果测评的问题描述，然后再给出测评原理与方法。

在解决考虑客户满意度的电子商务商品信息推送效果测评问题中，设U={u1，u2，…，un}（n≥2）为信息推送效果测评指标集合，其中uj表示第j个测评指标；设C={c1，c2，…，cm}（m≥2）为参与测评的客户集合，其中ci表示第i个参与测评的客户；设S={s0=AL（绝对不满意/绝对不重要），s1=VL（非常不满意/非常不重要），s2=L（不满意/不重要），s3=M（一般满意/一般重要），s4=H（满意/重要），s5=VH（非常满意/非常重要），s6=AH（绝对满意/绝对重要）}为7粒度的语言评价集；设参与测评的客户针对测评指标集U给出的语言形式的指标重要程度的评价矩阵Z=（zij）m×n，其中zij表示客户ci依据语言评价短语S给出的针对测评指标uj的重要程度的语言描述，zij∈S；设R=（rij）m×n为参与测评的客户针对指标集U给出的语言形式的客户感知评价矩阵，其中rij表示客户ci依据语言评价短语集S给出的针对测评指标uj的客户感知值，rij∈S；设E=（eij）m×n为参与测评的客户针对指标集U给出的语言形式的客户期望评价矩阵，其中eij表示客户ci依据语言评价短语集S给出的针对测评指标uj的客户期望值，eij∈S。本文要解决的问题是：如何依据上述语言评价信息进行某电子商务商家的电子商务商品信息推送效果测评工作。

为了解决上述具有语言评价信息的信息推送效果测评问题，本文采用二元语义运算算子[13-15]进行测评数据的处理和运算，下面给出提出方法的原理与步骤。

（1）依据二元语义转换函数[13-14]，将语言评价信息均转化为二元语义形式的评价信息，即Z=（zij）m×n被转化为=（（zij，0））m×n，R=（rij）m×n被转化为=（（rij，0））m×n，E=（eij）m×n被转化为=（（eij，0））m×n。

（2）依据二元语义算术平均算子[15]，将评价矩阵=（（zij，0））m×n、=（（rij，0））m×n和=（（eij，0））m×n进行综合处理，分别得到客户测评指标权重向量UZ=（（uz1，a1），（uz2，a2），…，（uzn，an））、客户感知综合评价向量UR=（（ur1，a1），（ur2，a2），…，（urn，an））和客户期望综合评价向量UE=（（ue1，a1），（ue2，a2），…，（uen，an）），其中（uzj，aj）、（urj，aj）和（uej，aj）的计算公式分别为：

（uzj，aj）=Δ1m∑mi=1Δ-1（zij，aij），j=1，2，…，n（1）

（urj，aj）=Δ1m∑mi=1Δ-1（rij，aij），j=1，2，…，n（2）

（uej，aj）=Δ1m∑mi=1Δ-1（eij，aij），j=1，2，…，n（3）

（3）依据二元语义的运算算子[15]，将客户测评指标权重向量UZ=（（uz1，a1），（uz2，a2），…，（uzn，an））进行归一化处理，得到归一化的客户测评指标权重向量ξ=（ξ1，ξ2，…，ξn），其中ξj的计算公式为：

ξj=Δ-1（uzj，aj）∑nj=1Δ-1（uzj，aj），j=1，2，…，n（4）

进一步地，依据客户感知综合评价向量UR=（（ur1，a1），（ur2，a2），…，（urn，an））和客户期望综合评价向量UE=（（ue1，a1），（ue2，a2），…，（uen，an）），计算客户满意度向量D=（d1，d2，…，dn），其中单个测评指标的客户满意度dj的计算公式为：

dj=Δ-1（urj，aj）Δ-1（uej，aj），j=1，2，…，n（5）

进而，依据归一化的客户测评指标权重向量ξ=（ξ1，ξ2，…，ξn）和客户满意度向量D=（d1，d2，…，dn），计算总体客户满意度Φ，其计算公式为：

Φ=DξT=∑nj=1djξj（6）

（4）由于客户满意度是自变量客户感知值与客户期望值的函数：设F表示客户满意度，X表示客户感知值，Y表示客户期望值，则有F=X/Y。因此，如果F<1，客户表现出不满意；如果F=1，客户表现出满意；如果F>1，客户表现出高度满意或欣喜。据此，可通过总体客户满意度Φ的大小，对该电子商务商家的电子商务商品信息推送效果做出总体评价；与此同时，依据各测评指标的客户满意度dj的大小可对测评指标进行排序，找出其中客户满意度较低的测评指标，并给出有针对性的改进分析。

综上所述，考虑客户满意度的电子商务商品信息推送效果测评方法的具体操作步骤如下：

步骤1：将参与测评的客户给出的语言评价信息转化为二元语义形式的评价信息；

步骤2：依据式（1）～（3），分别计算客户测评指标权重向量UZ、客户感知综合评价向量UR和客户期望综合评价向量UE；

步骤3：依据式（4），计算归一化的客户测评指标权重向量ξ=（ξ1，ξ2，…，ξn）；

步骤4：依据式（5），计算客户满意度向量D=（d1，d2，…，dn）；

步骤5：依据式（6），计算总体客户满意度Φ；

步骤6：依据Φ及dj，进行测评指标的评价并给出改进分析。

3实例分析

HXL网站是一家以B2C电子商务交易模式为主的营销网站，该网站在B2C电子商务交易市场中占有较大的份额。近年来，该网站为了进一步扩大自己的市场份额，领先开发了一套电子商务商品信息推送系统，并已在试运行之中。为了找出该电子商务商品信息推送系统中存在的不足，同时也为了进一步完善该电子商务商品信息推送系统的功能与性能，HXL网站拟采用表1所提供的电子商务商品信息推送效果测评指标体系对某时段内具有代表性的160名客户进行问卷调查，共收回160份调查问卷，其中有效问卷158份。

（1）对收集到的语言评价信息按照二元语义的转换函数及式（1）～式（3）进行综合处理，可得到客户测评指标权重向量为UZ=（（VH，075），（VH，0），（VH，0），（VH，075），（VH，0）（VH，0），（VH，-05））、客户感知综合评价向量为：UR=（（VH，0063），（H，0625），（H，03），（H，025），（H，0625），（H，05625），（H，0188））和客户期望综合评价向量为：UE=（（VH，0813），（VH，075），（VH，0313），（VH，09375），（H，0875），（H，0688），（H，06875））。

（2）依据客户测评指标权重向量UZ=（（VH，075），（VH，0），（VH，0），（VH，075），（VH，0），（VH，0），（VH，-05）），运用式（4），求得归一化的客户测评指标权重向量ξ=（0160，0139，0139，0160，0139，0139，0125）。

（3）依据客户感知综合评价向量UR=（（VH，0063），（H，0625），（H，03），（H，025），（H，0625），（H，05625），（H，0188））和客户期望综合评价向量UE=（（VH，0813），（VH，075），（VH，0313），（CH，09375），（H，0875），（H，0688），（H，06875）），运用式（5），求得7个测评指标下的客户满意度分别为：d1=0871，d2=0804，d3=0809，d4=0716，d5=0949，d6=09733，d7=0893，也即客户满意度向量为D=（0871，0804，0809，0716，0949，09733，0893）。

进一步地，依据客户满意度向量D=（0871，0804，0809，0716，0949，09733，0893）和归一化的客户测评指标权重向量ξ=（0160，0139，0139，0160，0139，0139，0125），运用式（6），求得HXL网站商品信息推送效果的总体客户满意度Φ=0856。

由上可知，7个测评指标下的客户满意度的排序结果为：d6>d5>d7>d1>d3>d2>d4，客户对HXL网站商品信息推送系统商品信息推送效果的总体满意度为0856。由于0856<1，可知客户对HXL网站商品信息推送系统商品信息推送效果表现出不满意。为了对测评结果进行更直观的分析和研究，以便找出HXL网站商品信息推送系统中的薄弱环节，下面给出测评指标客户满意度及权重值分布图，如图1所示。

从图1中，可以直观的看出：

（1）测评指标u1、u5、u6、u7的客户满意度明显大于HXL网站的总体客户满意度Φ，说明其为需要一般改进的测评指标因素。测评指标u1与测评指标u5、u6、u7相比，所占权重值较大，可知该测评指标为需要一般改进中的重点对象；测评指标u7与测评指标u1、u5、u6相比，所占权重值较小，可知该测评指标为需要一般改进中的一般对象。

（2）测评指标u2、u3、u4的客户满意度明显小于HXL网站的总体客户满意度Φ，说明其为需要重点改进的测评指标因素。测评指标u4与测评指标u2、u3相比较而言，所占权重值较大，可知该测评指标为需要重点改进中的重点对象；测评指标u2、u3与测评指标u4相比较而言，所占权重值较小，可知该测评指标为需要重点改进中的一般对象。

通过以上分析，HXL网站可以做出重点突出和针对性强的改进策略，下面考虑给出需要重点改进测评指标的具体改进策略如下：

（1）对信息覆盖程度测评指标的改进策略。该测评指标的改进可从以下三方面着手：一方面，深入挖掘客户注册时所登记的购买偏好及日常商品信息等内容浏览中所体现出的购买偏好，使对客户的信息需求更加清晰化、明确化；另一方面，做好HXL网站商品信息等内容的梳理及归类，使信息内容更加系统化、体系化；再次，改进信息搜索技术及改善信息搜索机制，使得客户的信息需求与信息推送内容的匹配更加精准。

（2）对信息表达形式测评指标的改进策略。该测评指标的改进可从以下两方面着手：一方面，开展深入调查研究，找出客户普遍喜好的信息表达形式；另一方面，使用先进的信息表达工具及技术，如语言合成器、动态图文、视频剪辑等易于客户接受的多媒体传送形式。

（3）对信息的有效性测评指标的改进策略。该测评指标的改进可从以下两方面着手：一方面，经常整理、更新商品信息等信息库，从根源上保证信息的有效性；另一方面，使用稳妥、恰当的信息推送方式，保证商品信息等内容在传输过程中不会被窜改或丢失；再次，及时对商品信息等内容的更新操作做出说明或通知，让客户在第一时间知晓。

4结论

如何开展电子商务商品信息推送效果测评是考察电子商务商家商品信息服务能力的一项非常重要的工作。本文研究了考虑客户满意度的电子商务商品信息推送效果测评方法，建立了一套适用于电子商务商品信息推送效果测评指标体系，给出了一种具有较强可操作性和实用性的电子商务商品信息推送效果测评方法，并通过实例分析展示了所提供测评方法的应用价值。本文提供的测评方法具有针对性强、计算过程简单等特点，为解决电子商务商品信息推送效果测评问题提供了一种有效途径，同时也为解决不同电子商务商家间的电子商务商品信息推送效果测评比较问题提供了一种有效途径。

参考文献

[1]Neumann A W.Recommender systems for information providers：designing customer centric paths to information[M].Springer Science & Business Media，Physica-Verlag，Heidelberg，2009：126.

[2]Fan Z P，Feng Y，Sun Y H，et al.A Framework on Compound Knowledge Push System Oriented to Organizational Employees[C]∥Editors：DENG X T，YE Y Y.Internet and Network Economics.First International Workshop，WINE 2005.Proceeding，Berlin，Germany：Springer-Verlag，LNCS，2005，3823：622-630.

[3]王咏.基于Push技术的信息获取方式及其应用[J].情报科学，2000，19（4）：363-368.

[4]张延国.基于搜索引擎的个性化知识推送系统[J].中国信息导报，2004，（6）：60-61.

[5]Ricadela A.Microsofts Knowledge Push[J].Information Week，2000，805：151.

[6]于宏国，索玮岚，冯勇.一种基于二元语义的知识推送效果测评方法[J].科研管理，2009，30（ZK）：178-183.

[7]冯勇，樊治平，冯博，等.企业客户服务中心知识推送系统构建研究[J].计算机集成制造系统，2007，13（6）：1015-1020.

[8]Han M，Ahn H J.Testing the Application of the Personalized Recommendation Method for Artworks[J].Mediterranean Journal of Social Sciences，2015，（6）：433.

[9]Guo F，Lu Q.A Novel Contextual Information Recommendation Model and Its Application in e-Commerce Customer Satisfaction Management[J].Discrete Dynamics in Nature and Society，2015：1-9.

[10]刘晓云，焦亚琴，张银叶.基于PMML的电子商务数据挖掘研究[J].现代情报，2015，35（8）：57-60.

[11]孙鸿飞，张海涛，宋拓，等.电子商务个性化信息服务用户满意影响因素实证研究[J].情报杂志，2016，35（4）：195-203.

[12]Wills C E，Brown D C，Dunskus B V，Kemble J.Evaluating network serviceability[J].Computer Networks and ISDN Systems，1998，30（14）：2283-2291.

[13]Herrera F，Herrera-Viedma E，Luis Martinez.A fusion approach for managing multi-granularity linguistic term sets in decision making[J].Fuzzy Sets and Systems，2000，114（1）：43-58.

[14]Herrera F，Martínez L.A 2-tuple fuzzy linguistic representation model for computing with words[J].IEEE Transactions on Fuzzy Systems，2000，8（6）：746-752.

[15]Herrera F，Martínez L.A model based on linguistic 2-tuples for dealing with multi-granular hierarchical linguistic contexts in multi-expert decision-making[J].IEEE Transactions on Fuzzy Systems，2001，31（2）：227-234.

（本文责任编辑：孙国雷）