杨爱敏，张梅，徐翯
（北京劳动保障职业学院,北京 100029）
摘要：移动互联网和电子商务的蓬勃发展促进了消费APP的广泛使用，但目前消费APP存在个性化差、数据不能有效沟通、无法提供全方位人性化服务等问题。提出了新消费APP开发思路，它综合各网站消费记录和最新消费数据，按照用户所处网络环境进行个性化和人性化服务。首先考虑智能手机特点，该APP界面更简洁。首次登录，后台统计该用户历史消费记录确定其消费频率等级和物品消费等级矩阵。考虑消费观和消费行为存在变动性，将历史统计值和最近消费记录相结合，提供个性化服务并根据所处网络环境，自适应调整数据交互量以此提高用户体验质量。
关键词：消费频率等级；物品消费等级矩阵； APP ；人性化；个性化
中图分类号：TP39文献标识码：ADOI： 10.19358/j.issn.1674 7720.2016.20.005
引用格式：杨爱敏，张梅，徐翯. 移动互联网时代新消费APP开发思路探讨［J］.微型机与应用，2016,35（20）：21 24,30.
0引言
新兴经济环境下的电子商务正日益改变着传统的消费购物模式，对众多消费者而言，网络购物已不再是一种时髦，广大企业也意识到发展电子商务迫在眉睫，一种新型的消费购物渠道业已形成［1］。电子商务应用的普及使得互联网商品信息成指数增长［2］。网络消费的内容和网站数目也越来越多，消费者的选择空间也越来越大，这样增加了消费者的选择成本以及时间成本，给消费者带来的困扰也越来越大。
移动互联网时代，绝大多数手机都能提供无线网络接入功能，这也是个人通信需求的一个非常重要的方面。但是移动互联网还是非常年轻，并且发展迅速［3］。2015 年 4 月底，我国移动互联网用户已达 9.05 亿人，同比增长5.1%，每三个中国人里就有两个人在使用智能手机等移动设备访问移动互联网［4］。至 2015 年 7 月底，移动宽带用户（3G+4G）达到 6.95 亿户［5］。2015年1~7月移动互联网流量累计达到 20.2×108 GB，同比增长 95.3%［6］。
《2015年中国网络购物用户调研报告》中指出，2014年网购用户已基本接近整体网民，且APP购物也越来越多［7］，例如阿里巴巴的淘宝、天猫、京东商城、唯品会及苏宁易购等的发展，但同时网络消费也带来了诸多问题。目前的网络消费APP仍然存在以下几方面问题：
（1)消费APP数量繁多，数据不能共享
近几年电子商务快速发展，根据用户体验、物品质量、物流等各方面的综合，市场上存在几种比较大的网络购物平台。智能手机普及，各种APP蜂拥而来，占据了较大比重的内存，让消费者苦不堪言，例如淘宝APP、京东APP、苏宁APP、唯品会APP等。目前消费者几乎都有一个或多个账户进行不同类型物品的购物，在参考文献［4］中指出，目前活跃人群的终端APP一般在两个及以上，有的能达到4~5个。若用户对每个APP都进行安装操作，则会出现内存消耗太大和时间成本高的问题。目前，腾讯推出的即时通信系统——微信，其综合了QQ和个人电话通信录的资源，用户之间可以多种形式（例如语音、文本、多媒体、视频等形式）实时沟通，给用户带来了较大的便捷，得到了用户的好评。
（2)用户体验质量［8］不足
各个消费网站的物品种类越来越多，数据也越来越庞大、复杂。后台根据消费者的浏览记录、搜索记录、收藏状态、曾经订单等进行数据分析和挖掘，对消费者进行物品的推介，但推介存在以下问题：
①目前多数APP无个性化界面。后台对个人的消费数据没有详细分析、处理，缺少个性。
②各个APP只能根据已有消费记录、浏览历史或订单情况进行数据的分析并进行推介，而推介内容几乎就是该网站关注或曾经消费过或热卖商品，无法全面统计该消费者在各个网站的消费行为，不具有普遍性。表1消费频率等级表消费频率等级54321分类顶级活跃用户非常活跃用户活跃用户中等活跃人群不活跃人群（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不区分用户入网状态。
我国移动数据流量仍处于消费培养期，流量规模的增长和承载结构的变化将给现有网络体系带来新的机遇和挑战［9］。从人均流量和业务使用结构来看，我国仍处于相对滞后的发展阶段。截至 2015 年 4 月，国内用户月均移动数据流量达到 302 MB，同比增长 80%，但与世界领先水平还有明显差距。从不同业务的数据流量看，国内仍以低流量业务为主。据中国信息通信研究院不完全统计，国内浏览下载和即时通信业务所用流量超过移动流量的70%，视频类“重”业务流量占比仅 为 11%左右，连接数占比甚至不到1%［7］。
对于用户，无论其在WiFi状态下还是数据流量状态下对其推介的内容一样，显然存在问题。实际上，为了节省数据流量带来的高成本，移动互联网用户在流量状态下不会轻易进行网络购物，从而减少网购机会，对于电子商务的卖方来说，这有可能是一大损失。
1新消费APP整体开发思路——以人为本
（1）整合所有消费资源
将目前市场上的消费APP进行整合，每个用户首次进入新消费APP登录页面登录，登录后可以根据自己已有的消费网站有针对性地勾选曾经使用并经常使用的消费网站。这种情况下，每个用户不需要下载多个APP并登录，省去了很多麻烦，而且这样的整合可以使得消费者一次登录，享受多个网站推介服务，节省时间成本，更能体现以人为本的思路，同时对消费者各种行为的统计也方便。
（2）用户界面应简洁明了，容易操作
在本消费APP中展现给用户的是物品的大类，这样对于用户而言，更加简洁明了，适合用户的查看与操作。
（3）数据应以个性化、综合性为设计准则。
新提出的APP设计综合考虑用户的消费等级和消费频率，综合考虑用户的历史统计数据和最近的消费记录进行针对性的推介。推介量的选择也根据用户网络环境和网购频率不同而不同。
2新消费APP数据统计
客户注册登录后，后台根据其历史消费记录进行统计分析。下面以客户ClientA为例，一旦用户ClientA注册成功并登录，后台按照以下步骤对ClientA进行数据统计：
（1）确定ClientA的消费频率等级f(clientA)
对比调研资料［6］中网络用户消费频率，按照ClientA平均消费频率进行等级划分，消费频率可以分为顶级活跃用户、非常活跃用户、活跃用户、中等活跃人群和不活跃人群进行分类，如表1所示。消费频率越高f(clientA)值越大。
（2）列出消费品大类
将物品的种类分成M大类，综合所有网站的消费记录，统计ClientA购买各大类物品的概率，例如食品、饮料、衣服、首饰、电子产品、家装等。
其中：
Ni代表第i类物品购买的次数。
根据矩阵P1×M，按照Pi从大到小的顺序排列，在新消费APP个人页面上展现大类菜单，购买概率最高的放在菜单的最前面，依次类推。例如ClientA，其购买衣服概率最高，其次是首饰，再次是饮料等，其菜单如图1所示。
（3）统计消费者的购买习惯矩阵QM×N
统计分析ClientA的所有消费记录，计算出ClientA在某个消费网站消费金额与此类别的总消费金额的比例，不难看出ClientA每大类物品在不同网站消费概率是不相同的，例如衣服，用户可能倾向于淘宝、天猫，电器用户可能倾向于苏宁、国美或京东。列举出常用的消费网站，并用不同数字代表不同网站，如表2所示。
根据个人消费情况，计算第i大类物品在网站j中消费概率qij如下：
其中i=1,2…M，j=1,2…N，qij代表第i大类物品在网站j中的消费概率，Sij表示第i大类物品在网站j中的消费金额。
对于第i大类物品，有
每位消费用户的消费习惯不同，其排列状态也不尽相同。
在第i大类物品菜单项中，按照qij从大到小的顺序进行排列，大类的下拉菜单列出用户的网站j所代表的网站名称。以食品为例，假设ClientA的消费概率是天猫超市最高，其次为京东商城、苏宁易购，以此类推。其下拉菜单如图2所示。
(4)后台统计用户各类物品消费等级矩阵GM×A
在APP菜单界面中要尽量简洁明了，只展示M个大类，在后台中将各大类物品分成若干小类。假设第i大类分为ai个小类，设
其中max为取最大值函数。
根据后台消费记录统计各小类的消费等级，假设后台根据全体消费者在各小类物品消费水平确定S个等级，等级越高，代表其在此小类物品平均购买价格越高，在这里ClientA第i大类第a小类的消费等级用gi,a表示。
在后台的数据库中，应当记录用户各小类等级矩阵GM×A：
其中gi,a∈{1,2,…S}。
消费等级的价格阈值选择以后台统计数据为依据，但后续要根据市场状况、物价进行调整。假设每个消费等级人数基本相同，则每个等级的消费人数占总消费人群的比率基本都在1/S。
通过上面步骤（1）~（4），统计出ClientA 的一组统计数据：〈f(clientA),P1×M,QM×N,GM×A〉。
（5）后台统计用户各类物品的等级矩阵
根据步骤（4）的物品分类方法，将后台所有物品进行类别和等级划分。用等级矩阵Gi,t,s表示，该矩阵包含第i大类t小类且等级为s的所有物品链接，其中1≤i≤M,1≤t≤ai,1≤s≤S。
3新消费APP策略选择
经济环境、思维方式的改变，可能导致f(Client A)和GM×A也随之改变，如果只根据统计情况查看一个人的消费习惯，则存在一定的滞后性，不能很好地跟踪用户状态，但如果只根据一次消费记录就修改，有可能是个体的一次性行为，参考意义不大。
为此，在后台使用Markov表统计近期的(GM×A)new和f(ClientA)new，综合考虑GM×A和f(clientA)个性化服务。
根据ClientA所有物品小类最近两次的消费记录，判定其新消费等级：
当(GM×A)new≠GM×A时，表示ClientA在物品消费等级上发生变化。综合考虑(GM×A)new,GM×A：
其中 表示数字向上取整，α,β∈［0,1］且α+β=1，α,β的取值不同，代表统计和最近等级所占比重不同，不同用户取值应不同，简单的办法是都取0.5。计算出（GM×A）equ并替代GM×A。
统计ClientA近一周的消费频率等级f(ClientA)new。如果f(ClientA)new≠f(ClientA)
3.1有的放矢推介物品
新消费APP平台的整合有利于消费者一次操作各种服务，但消费物品的推介应该根据个人的消费水平、物品种类、消费习惯等进行推介。
目前的推介方法存在一定的缺点，本文提出一种新的推介思路。
（1）根据f(ClientA)和GM×A，选择推介内容
①根据GM×A确定其推介的物品等级。
②根据f(ClientA)，用户群期望接受并可以接受的推介物品量是不同的，确定其推介的不同总量。
以第i大类第t小类的用户消费等级gi,t为例，在后台搜出矩阵Gi,t,s，在此矩阵中存储了所有符合该用户消费等级此小类物品，推介时根据f(ClientA)不同，更有针对性地对用户推介。
（2）根据联网状态确定不同推介物品量。
在移动数据传输和WiFi状态下进行推介，信息量应该有所不同，尤其在移动数据传输的情况下。目前数据流量的资费价格偏高且4G速度较快的特点，本着双赢和以人为本的思路，应该根据具体情况进行不同数据量的推介，可以在APP上人为地设置数据量值，使推介更具人性化。
在参考文献［4］中提出，用户对于热卖品有很高的热情并极易被吸引，内容推介也应根据其消费等级进行分类，但其相邻等级的物品应该也一起推介。
3.2搜索情况下推介内容的选择
现有交互式数据搜索中，搜索内容反馈并展现在用户面前，但其数据量太大，不适合手机在数据流量模式下的使用，即使WiFi状态下，也存在用户时间成本过高的问题。
新消费APP根据搜索内容，联合f(ClientA)和GM×A，后台搜索对应等级的物品数据库，根据该数据库内容反馈，提高精确度。
在技术方面，可以通过挖掘网络消费者偏好来进行商品推介与服务，可以采用基于协同过滤的推介算法、基于关联规则的推介算法和基于内容匹配的推介算法［7］。 这样便可实现数据量小、交互时间短但个性化强的特点。
4结束语
新消费APP具有以下的优点：
（1)一次登录，可获得多个消费网站服务
可以减少消费者的时间成本和麻烦程度。
（2)用户界面简洁明了、个性化
根据用户消费数据统计，提供有针对性的GUI交互界面，个性化更强，提高用户体验质量。
（3)后台数据应以个性化、全面性和快速反馈
将个人消费统计数据和最近消费数据综合考虑，进行等级划定。根据等级反馈有效数据，使推送内容更加人性化和个性化。
（4)反馈数据量可调，使用户在不同状态（数据流量和Wifi状态）下享受不同的服务。
参考文献
［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，钟凯. 网络消费者感知价值影响因素的实证研究［J］.首都经济贸易大学学报，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］ 工业和信息化产业部.移动互联网产业发展白皮书（2015年版）［EB/OL］.(2015-12-11) ［2016-05-23］ http://www.catr.cn/kxyj/qwfb/bps/201512/t20151211 2146701.htm.
［6］ 史悦,孙洪祥.概率论与随机过程［M］.北京:北京邮电大学出版社,2011.
［7］ 工信部运行监测协调局. 2015 年6 月份通信业经济运行情况［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］ 工信部运行监测协调局. 2015 年7月份通信业经济运行情况［EB/OL］.(2015-08-20)［2016-05-23］http://wwwmiit gov cn/n1146312/n1146904/n1648372/c3484988/content.html.