楊愛敏，張梅，徐翯
（北京勞動保障職業學院,北京 100029）
摘要：移動互聯網和電子商務的蓬勃發展促進了消費APP的廣泛使用，但目前消費APP存在個性化差、數據不能有效溝通、無法提供全方位人性化服務等問題。提出了新消費APP開發思路，它綜合各網站消費記錄和最新消費數據，按照用戶所處網絡環境進行個性化和人性化服務。首先考慮智能手機特點，該APP界面更簡潔。首次登錄，后臺統計該用戶歷史消費記錄確定其消費頻率等級和物品消費等級矩陣。考慮消費觀和消費行為存在變動性，將歷史統計值和最近消費記錄相結合，提供個性化服務并根據所處網絡環境，自適應調整數據交互量以此提高用戶體驗質量。
關鍵詞：消費頻率等級；物品消費等級矩陣； APP ；人性化；個性化
中圖分類號：TP39文獻標識碼：ADOI： 10.19358/j.issn.1674 7720.2016.20.005
引用格式：楊愛敏，張梅，徐翯. 移動互聯網時代新消費APP開發思路探討［J］.微型機與應用，2016,35（20）：21 24,30.
0引言
新興經濟環境下的電子商務正日益改變著傳統的消費購物模式，對眾多消費者而言，網絡購物已不再是一種時髦，廣大企業也意識到發展電子商務迫在眉睫，一種新型的消費購物渠道業已形成［1］。電子商務應用的普及使得互聯網商品信息成指數增長［2］。網絡消費的內容和網站數目也越來越多，消費者的選擇空間也越來越大，這樣增加了消費者的選擇成本以及時間成本，給消費者帶來的困擾也越來越大。
移動互聯網時代，絕大多數手機都能提供無線網絡接入功能，這也是個人通信需求的一個非常重要的方面。但是移動互聯網還是非常年輕，并且發展迅速［3］。2015 年 4 月底，我國移動互聯網用戶已達 9.05 億人，同比增長5.1%，每三個中國人里就有兩個人在使用智能手機等移動設備訪問移動互聯網［4］。至 2015 年 7 月底，移動寬帶用戶（3G+4G）達到 6.95 億戶［5］。2015年1~7月移動互聯網流量累計達到 20.2×108 GB，同比增長 95.3%［6］。
《2015年中國網絡購物用戶調研報告》中指出，2014年網購用戶已基本接近整體網民，且APP購物也越來越多［7］，例如阿里巴巴的淘寶、天貓、京東商城、唯品會及蘇寧易購等的發展，但同時網絡消費也帶來了諸多問題。目前的網絡消費APP仍然存在以下幾方面問題：
（1)消費APP數量繁多，數據不能共享
近幾年電子商務快速發展，根據用戶體驗、物品質量、物流等各方面的綜合，市場上存在幾種比較大的網絡購物平臺。智能手機普及，各種APP蜂擁而來，占據了較大比重的內存，讓消費者苦不堪言，例如淘寶APP、京東APP、蘇寧APP、唯品會APP等。目前消費者幾乎都有一個或多個賬戶進行不同類型物品的購物，在參考文獻［4］中指出，目前活躍人群的終端APP一般在兩個及以上，有的能達到4~5個。若用戶對每個APP都進行安裝操作，則會出現內存消耗太大和時間成本高的問題。目前，騰訊推出的即時通信系統——微信，其綜合了QQ和個人電話通信錄的資源，用戶之間可以多種形式（例如語音、文本、多媒體、視頻等形式）實時溝通，給用戶帶來了較大的便捷，得到了用戶的好評。
（2)用戶體驗質量［8］不足
各個消費網站的物品種類越來越多，數據也越來越龐大、復雜。后臺根據消費者的瀏覽記錄、搜索記錄、收藏狀態、曾經訂單等進行數據分析和挖掘，對消費者進行物品的推介，但推介存在以下問題：
①目前多數APP無個性化界面。后臺對個人的消費數據沒有詳細分析、處理，缺少個性。
②各個APP只能根據已有消費記錄、瀏覽歷史或訂單情況進行數據的分析并進行推介，而推介內容幾乎就是該網站關注或曾經消費過或熱賣商品，無法全面統計該消費者在各個網站的消費行為，不具有普遍性。表1消費頻率等級表消費頻率等級54321分類頂級活躍用戶非常活躍用戶活躍用戶中等活躍人群不活躍人群（平均）每周三次以上每周二或三次每周一次每月一次以上每周一次以下平均每月一次及以下③不區分用戶入網狀態。
我國移動數據流量仍處于消費培養期，流量規模的增長和承載結構的變化將給現有網絡體系帶來新的機遇和挑戰［9］。從人均流量和業務使用結構來看，我國仍處于相對滯后的發展階段。截至 2015 年 4 月，國內用戶月均移動數據流量達到 302 MB，同比增長 80%，但與世界領先水平還有明顯差距。從不同業務的數據流量看，國內仍以低流量業務為主。據中國信息通信研究院不完全統計，國內瀏覽下載和即時通信業務所用流量超過移動流量的70%，視頻類“重”業務流量占比僅 為 11%左右，連接數占比甚至不到1%［7］。
對于用戶，無論其在WiFi狀態下還是數據流量狀態下對其推介的內容一樣，顯然存在問題。實際上，為了節省數據流量帶來的高成本，移動互聯網用戶在流量狀態下不會輕易進行網絡購物，從而減少網購機會，對于電子商務的賣方來說，這有可能是一大損失。
1新消費APP整體開發思路——以人為本
（1）整合所有消費資源
將目前市場上的消費APP進行整合，每個用戶首次進入新消費APP登錄頁面登錄，登錄后可以根據自己已有的消費網站有針對性地勾選曾經使用并經常使用的消費網站。這種情況下，每個用戶不需要下載多個APP并登錄，省去了很多麻煩，而且這樣的整合可以使得消費者一次登錄，享受多個網站推介服務，節省時間成本，更能體現以人為本的思路，同時對消費者各種行為的統計也方便。
（2）用戶界面應簡潔明了，容易操作
在本消費APP中展現給用戶的是物品的大類，這樣對于用戶而言，更加簡潔明了，適合用戶的查看與操作。
（3）數據應以個性化、綜合性為設計準則。
新提出的APP設計綜合考慮用戶的消費等級和消費頻率，綜合考慮用戶的歷史統計數據和最近的消費記錄進行針對性的推介。推介量的選擇也根據用戶網絡環境和網購頻率不同而不同。
2新消費APP數據統計
客戶注冊登錄后，后臺根據其歷史消費記錄進行統計分析。下面以客戶ClientA為例，一旦用戶ClientA注冊成功并登錄，后臺按照以下步驟對ClientA進行數據統計：
（1）確定ClientA的消費頻率等級f(clientA)
對比調研資料［6］中網絡用戶消費頻率，按照ClientA平均消費頻率進行等級劃分，消費頻率可以分為頂級活躍用戶、非常活躍用戶、活躍用戶、中等活躍人群和不活躍人群進行分類，如表1所示。消費頻率越高f(clientA)值越大。
（2）列出消費品大類
將物品的種類分成M大類，綜合所有網站的消費記錄，統計ClientA購買各大類物品的概率，例如食品、飲料、衣服、首飾、電子產品、家裝等。
其中：
Ni代表第i類物品購買的次數。
根據矩陣P1×M，按照Pi從大到小的順序排列，在新消費APP個人頁面上展現大類菜單，購買概率最高的放在菜單的最前面，依次類推。例如ClientA，其購買衣服概率最高，其次是首飾，再次是飲料等，其菜單如圖1所示。
（3）統計消費者的購買習慣矩陣QM×N
統計分析ClientA的所有消費記錄，計算出ClientA在某個消費網站消費金額與此類別的總消費金額的比例，不難看出ClientA每大類物品在不同網站消費概率是不相同的，例如衣服，用戶可能傾向于淘寶、天貓，電器用戶可能傾向于蘇寧、國美或京東。列舉出常用的消費網站，并用不同數字代表不同網站，如表2所示。
根據個人消費情況，計算第i大類物品在網站j中消費概率qij如下：
其中i=1,2…M，j=1,2…N，qij代表第i大類物品在網站j中的消費概率，Sij表示第i大類物品在網站j中的消費金額。
對于第i大類物品，有
每位消費用戶的消費習慣不同，其排列狀態也不盡相同。
在第i大類物品菜單項中，按照qij從大到小的順序進行排列，大類的下拉菜單列出用戶的網站j所代表的網站名稱。以食品為例，假設ClientA的消費概率是天貓超市最高，其次為京東商城、蘇寧易購，以此類推。其下拉菜單如圖2所示。
(4)后臺統計用戶各類物品消費等級矩陣GM×A
在APP菜單界面中要盡量簡潔明了，只展示M個大類，在后臺中將各大類物品分成若干小類。假設第i大類分為ai個小類，設
其中max為取最大值函數。
根據后臺消費記錄統計各小類的消費等級，假設后臺根據全體消費者在各小類物品消費水平確定S個等級，等級越高，代表其在此小類物品平均購買價格越高，在這里ClientA第i大類第a小類的消費等級用gi,a表示。
在后臺的數據庫中，應當記錄用戶各小類等級矩陣GM×A：
其中gi,a∈{1,2,…S}。
消費等級的價格閾值選擇以后臺統計數據為依據，但后續要根據市場狀況、物價進行調整。假設每個消費等級人數基本相同，則每個等級的消費人數占總消費人群的比率基本都在1/S。
通過上面步驟（1）~（4），統計出ClientA 的一組統計數據：〈f(clientA),P1×M,QM×N,GM×A〉。
（5）后臺統計用戶各類物品的等級矩陣
根據步驟（4）的物品分類方法，將后臺所有物品進行類別和等級劃分。用等級矩陣Gi,t,s表示，該矩陣包含第i大類t小類且等級為s的所有物品鏈接，其中1≤i≤M,1≤t≤ai,1≤s≤S。
3新消費APP策略選擇
經濟環境、思維方式的改變，可能導致f(Client A)和GM×A也隨之改變，如果只根據統計情況查看一個人的消費習慣，則存在一定的滯后性，不能很好地跟蹤用戶狀態，但如果只根據一次消費記錄就修改，有可能是個體的一次性行為，參考意義不大。
為此，在后臺使用Markov表統計近期的(GM×A)new和f(ClientA)new，綜合考慮GM×A和f(clientA)個性化服務。
根據ClientA所有物品小類最近兩次的消費記錄，判定其新消費等級：
當(GM×A)new≠GM×A時，表示ClientA在物品消費等級上發生變化。綜合考慮(GM×A)new,GM×A：
其中 表示數字向上取整，α,β∈［0,1］且α+β=1，α,β的取值不同，代表統計和最近等級所占比重不同，不同用戶取值應不同，簡單的辦法是都取0.5。計算出（GM×A）equ并替代GM×A。
統計ClientA近一周的消費頻率等級f(ClientA)new。如果f(ClientA)new≠f(ClientA)
3.1有的放矢推介物品
新消費APP平臺的整合有利于消費者一次操作各種服務，但消費物品的推介應該根據個人的消費水平、物品種類、消費習慣等進行推介。
目前的推介方法存在一定的缺點，本文提出一種新的推介思路。
（1）根據f(ClientA)和GM×A，選擇推介內容
①根據GM×A確定其推介的物品等級。
②根據f(ClientA)，用戶群期望接受并可以接受的推介物品量是不同的，確定其推介的不同總量。
以第i大類第t小類的用戶消費等級gi,t為例，在后臺搜出矩陣Gi,t,s，在此矩陣中存儲了所有符合該用戶消費等級此小類物品，推介時根據f(ClientA)不同，更有針對性地對用戶推介。
（2）根據聯網狀態確定不同推介物品量。
在移動數據傳輸和WiFi狀態下進行推介，信息量應該有所不同，尤其在移動數據傳輸的情況下。目前數據流量的資費價格偏高且4G速度較快的特點，本著雙贏和以人為本的思路，應該根據具體情況進行不同數據量的推介，可以在APP上人為地設置數據量值，使推介更具人性化。
在參考文獻［4］中提出，用戶對于熱賣品有很高的熱情并極易被吸引，內容推介也應根據其消費等級進行分類，但其相鄰等級的物品應該也一起推介。
3.2搜索情況下推介內容的選擇
現有交互式數據搜索中，搜索內容反饋并展現在用戶面前，但其數據量太大，不適合手機在數據流量模式下的使用，即使WiFi狀態下，也存在用戶時間成本過高的問題。
新消費APP根據搜索內容，聯合f(ClientA)和GM×A，后臺搜索對應等級的物品數據庫，根據該數據庫內容反饋，提高精確度。
在技術方面，可以通過挖掘網絡消費者偏好來進行商品推介與服務，可以采用基于協同過濾的推介算法、基于關聯規則的推介算法和基于內容匹配的推介算法［7］。 這樣便可實現數據量小、交互時間短但個性化強的特點。
4結束語
新消費APP具有以下的優點：
（1)一次登錄，可獲得多個消費網站服務
可以減少消費者的時間成本和麻煩程度。
（2)用戶界面簡潔明了、個性化
根據用戶消費數據統計，提供有針對性的GUI交互界面，個性化更強，提高用戶體驗質量。
（3)后臺數據應以個性化、全面性和快速反饋
將個人消費統計數據和最近消費數據綜合考慮，進行等級劃定。根據等級反饋有效數據，使推送內容更加人性化和個性化。
（4)反饋數據量可調，使用戶在不同狀態（數據流量和Wifi狀態）下享受不同的服務。
參考文獻
［1］ Cao Yukun, Li Yunfeng. An intelligent fuzzy based recommendation system for consumer electronic product［J］. Expert Systems with Applications, 2007, 23(1):230-240.
［2］ 李雪欣，鐘凱. 網絡消費者感知價值影響因素的實證研究［J］.首都經濟貿易大學學報，2013，15（3）：77-84
［3］ Zhang Ping, Pekins C E. Mobile Internet China Mobile(English) ［J］. China Commnunications, 2013,10(6):7-8.
［4］ Zhang Yiyang, Jiao Jianxin. An associative classification based recommendation system for personalization in B2C e commerce application［J］. Expert Systems With Applications. 2007,33(2):357-367.
［5］ 工業和信息化產業部.移動互聯網產業發展白皮書（2015年版）［EB/OL］.(2015-12-11) ［2016-05-23］ http://www.catr.cn/kxyj/qwfb/bps/201512/t20151211 2146701.htm.
［6］ 史悅,孫洪祥.概率論與隨機過程［M］.北京:北京郵電大學出版社,2011.
［7］ 工信部運行監測協調局. 2015 年6 月份通信業經濟運行情況［EB/OL］.(2015-07-20)［2016-05-23］ http://www.cnii.com.cn/statistics/2015 07/20/content_1601267.htm.
［8］ ITU T Quality of Experience ReqGUIrements for IPTV Serveices［EB/OL］ . (2010-11-21)［2016-05-23］http://www.itu.int/rec/dologin_pub.asp?lang=e&id=T REC G.1080 200812 I!!PDFE&type=items.
［9］ 工信部運行監測協調局. 2015 年7月份通信業經濟運行情況［EB/OL］.(2015-08-20)［2016-05-23］http://wwwmiit gov cn/n1146312/n1146904/n1648372/c3484988/content.html.