64、产品推荐器的可用性设计与偏好挖掘

产品推荐器的可用性设计与偏好挖掘

1. 产品推荐相关技术概述

在产品推荐领域，用户的偏好往往取决于产品的各种属性值。像数码相机、便携式电脑或公寓这类产品，需要用户投入大量资金，被称为高参与度产品。在选择这类产品时，用户通常会更愿意与系统交互、参与选择过程并投入精力处理信息，决策行为也会比选择书籍、DVD 或新闻文章等简单物品时更为复杂。

相关的推荐技术工具主要有基于知识的推荐器和基于效用的决策支持接口系统（DSIS）。其中，效用指的是多属性效用理论，用于计算产品对用户既定偏好的适用性。还有一种专门用于搜索可配置产品的技术，采用了约束满足技术。基于效用的推荐系统（UBR）和基于案例的推荐系统（CBR）的区别在于效用的概念，用户偏好的权重对 UBR 很重要，但在 CBR 中被忽略。此外，价值权衡的概念是 UBR 决策的重要组成部分，UBR 本质上推荐的是决策，而非仅仅是相似的产品。

2. 基于批判的推荐系统

基于案例和基于效用的推荐器都可以通过增加批判这一交互步骤来改进。基于批判的产品推荐器模拟人工销售人员，根据用户当前的偏好推荐选项，然后以批判的形式收集用户反馈，例如“我想要更便宜的东西”或“处理器速度更快的”。这些批判有助于代理在下次推荐周期中更准确地预测用户需求。为了让用户最终确定理想产品，通常需要多个这样的周期。由于用户不太可能一开始就说出所有偏好，尤其是对于不熟悉的产品，偏好批判代理是帮助他们逐步构建偏好模型并在看到更多选项时进行优化的有效方法。

3. 其他设计准则

虽然有一些工作致力于为决策支持系统制定良好的设计准则，但这里主要聚焦于从偏好搜索和推荐工具的交互技术领域的研究中得出的可用性设计准则。有研究从