浏览器/服务器模式下旅游产品网络营销设计

刘月荣

(亳州职业技术学院 管理学系，安徽 亳州 236800)

自驾游、徒步旅行等具有个性化、散客化特征[1]的旅游模式是新兴的旅游方式，也是旅游发展的趋势.因此，在信息化时代下，设计探讨具有应用价值的旅游产品网络营销平台能够大大增强旅游业的竞争力.本文以此作为应用场景，利用浏览器/服务器[2]的结构模式，以提供个性化服务为目标，结合LBS[3]技术，设计旅游产品网络营销的平台.

1 设计目标

本文的目标是在浏览器/服务器(Browser/Server，B/S)模式下，结合个性化推荐的相关技术，设计旅游产品网络营销平台，为人们提供基于位置服务(Location Based Service，LBS)的旅游产品推荐和销售服务.旅游产品包括以下六类：第一类是观光类旅游产品，包括了自然、城市风光和名胜古迹等；第二类是度假类旅游产品，有海滨、温泉以及野营等；第三类是专项类旅游产品，包括文化、体育、商务和业务等；第四类是生态类旅游产品；第五类是旅游安全产品，包括防护、保护用品、意外保险产品等；第六类是旅游商品，主要有工艺品、土特产、纪念品、有地方特色的轻工业产品等能满足旅游者购物需求和传播旅游地形象的商品.本平台的用户角色分别是顾客、商家和管理员.本旅游产品网络营销平台需要实现以下的目标.

(1)旅游产品Web端

Web端的主界面采用三级页面来展示了上述六类旅游产品，第一级页面是产品的基本介绍，二级页面展示详细信息，第三级页面是地点以及导航信息.

(2)个性化推荐

根据顾客的历史数据，结合LBS相关技术，为顾客推荐合适的旅游产品；顾客也可以通过关键词搜索或者设置条件筛选旅游产品.

(3)顾客信息管理

本平台首先需要实现顾客基本信息的管理，包括修改密码、账号名等基本功能；然后需要收集顾客的行为偏好，记录顾客的消费记录，包括消费的产品类型、数量、地点等，以便个性化推荐模块为顾客推荐服务或产品.

(4)旅游产品管理

管理旅游产品以及商家的信息(如产品介绍、商家位置)；结合LBS技术，利用各类地图软件的SDK，生成定位信息和导航信息.

(5)平台管理

管理员通过平台管理模块对系统进行日常维护；审核顾客的个人资料、基本信息以及顾客所发布的评论；审核、收录商家信息.

旅游产品网络营销平台具有以下主要的特征：开放性，允许顾客和商家自行修改、发布信息；个性化，根据顾客的位置、历史记录等信息推荐旅游产品；易操作、易用性，平台的界面设计简洁，有相关的提示信息和帮助文档，顾客和商家能够在较短的时间内学习使用本平台.

2 总体设计

图1 旅游产品营销平台架构

旅游产品网络营销平台是一个五层架构，分为表示层、中间层、数据持久层、通信层以及云端后台，各层之间的关系如图1所示.

图2 平台主要功能模块

表示层是顾客、商家和管理员与平台进行交互的接口，是浏览器/服务器模式中的浏览器部分.表示层通过Web浏览器接受用户的输入；将服务器的数据通过Web界面呈现给用户.中间层、数据持久层和云端均属于浏览器/服务器模式中服务器部分.中间层实现了平台的业务逻辑，即平台业务、推荐系统以及LBS服务.其中，平台业务是指用户信息管理、旅游产品管理以及平台管理.数据持久层负责通过数据库接口与数据库进行交互，如储存数据、查询数据、保护数据安全.基于上一节的设计目标，本平台的功能模块设计如图2所示.

其中，电商模块为顾客与商家之间的交互提供了接口：顾客通过电商模块进行购物车管理、浏览商品信息、购买商品、订单查询等操作；商家通过该模块进行商品管理、商品展示、在线咨询等操作.由于篇幅有限，本文仅介绍个性化推荐模块的设计过程.

3 个性化旅游产品推荐模块设计

本文采用基于网络结构和节点属性的方法进行预测，使用更多的社交网络特征，可以做出更强的预测.本文的推荐模型如图3所示.假设有这样一个用户网络：其中一些用户只是顾客，有些只是商家，有些是两者兼而有之.每笔交易完成后，顾客可以根据四个方面对商家进行评级：满意度、产品质量、交货时间、客服服务.如图3所示，推荐模型由六个阶段组成，其中第2、3和4阶段可以并行执行.

图3 推荐模型流程

第1阶段根据网络结构矩阵计算每一对用户(包括顾客和商家)节点的相似度，计算公式如式(1)所示[4]：

(1)

S(u,v)是用户u与用户v之间的相似性，C是阻尼因子，I(u)、I(v)分别是用户u和v购买产品的列表.

第2阶段根据用户出售或购买的商品来计算用户的接近程度，每一个用户都可以使用一个非数值的矢量来表示.首先需要计算产品的重要性，计算公式如下所示：

(2)

Lu(a)是产品a对于用户u的重要性；N(u)是与用户u具有紧密社会关系的用户所组成的集合；当A(v,a)为1时，用户u和用户v都购买或者出售产品a.然后，利用公式(3)计算产品a对于用户u分数.

wu(a)=Lu(a)×∑k∈aQu(k)×Pu(k)

(3)

其中，Qu(k)和Pu(k)分别是产品k的数量和价格.最后，根据产品的类别，使用公式(4)来计算顾客和候选商家的分数.

(4)

第3阶段商家的信誉是顾客购买产品的决策因素之一，因此需要考虑商家在向目标顾客推荐产品时的信誉，利用历史交易信息来计算信誉.从目标顾客的角度出发，商家信誉的计算方式如式(5)所示：

(5)

其中，Rs(v,i)是平均产品质量，取值范围是从-1到1；D(v,i)是利润；L(u,g(i))是指产品类别g(i)对于用户u的重要性，计算方式如公式(2)所示.

第4阶段顾客在每次交易后都对商家进行评价，考虑到整体的满意度、货物的质量、交付时间以及商家的售后.我们用余弦相似度来计算评价的分数：

(6)

其中，MR(v,j)是指用户v的平均评价.

第5阶段将产品类别、商家信誉、商家评分规范化后，最终分数的计算方式如下所示：

Stotal(u,v)=α1×Scate(u,v)+α2×Srepu(u,v)+α3×Srate(u,v)

(7)

其中，权重参数α1+α2+α3=1.

第6阶段在为每个用户创建商家列表后，我们必须从每个商家中选择一个产品.本文采用三种策略：选择分数最高的产品、随机选择、以及使用关联规则进行产品选择.在随机选择建议中，从商家的产品中随机选择一个；在选择分数最高的产品中，我们利用公式(7)从商家中选择具有最高分数的产品；对于应用关联规则，我们用Apriori[5]来寻找强规则，并将该规则用于产品选择.

4 结论

本文针对应用需求，探讨在浏览器/服务器(BS)模式下，旅游产品网络营销平台的设计，为用户提供个性化的产品推荐.未来的工作主要集中在：结合浏览器/服务器(B/S)和客户端/服务器(C/S)模式，设计旅游产品网络营销的移动端APP；进一步优化个性化推荐算法.