CUN News 電腦新聞台 CUN電腦新聞台 CUN News By Computer User Network (http://hk852.to/cun/) From CNET資訊

1,906愛的鼓勵 2訂閱站台

做搜尋起家的宇匯知識，打算把其資料採礦技術用在購物網站——讓使用者能輕易在頁面上看到想買的東西，而非自己慢慢尋找。

以搜尋技術為基礎，逐步加上資料採礦技術開發出內容比對式廣告的宇匯知識，今(23)發表同一底層技術的新應用：電子商務推薦系統。宇匯總經理周培林表示，該系統將可藉由分析眾多使用者的瀏覽行為，找出消費者最可能感興趣的商品或內容，並立刻於網頁上顯示、推薦。一方面刺激消費者點選，提高購買率，另一方面，則可讓消費者在非主動搜尋的情況下，更快找到想買的東西，而非一筆筆檢視所有商品。

周培林表示，該服務甫上線，目前已有新聞網站ETTODAY採用該技術用來推薦相關新聞，而博客來網路書店亦已在進行測試。

宇匯此一電子商務推薦系統，光就呈現方式來看，並沒有太大特別。舉例來說，一般電子商務網站在產品資料頁面上，亦會顯示如「您可能也會有興建的商品」、「其他購買此產品用戶也買了下列商品」等推薦內容，宇匯產品協理張孝慈表示，頁面上的顯示雖相同，但背後的技術複雜度卻完全不同。

張孝慈解釋其技術原理，宇匯透過分析使用者的瀏覽網頁的先後順序，頁面上的產品內容描述，以及過去的消費記錄等資訊，預測使用者的偏好與興趣，並在下一個顯示的網頁中，派送個人化的推薦內容。

「這和一般購物網站同一個產品僅能派送相同推薦內容的作法完全不同，」周培林說。

宇匯亦強調將Web 2.0下火紅的社群概念納入演算法的設計中。周培林說，藉由把瀏覽行為類似的使用者整合為供分析用的虛擬群體，便可挖掘出具社群概念的共同推薦名單，「以社群為基礎的分析，比單純分析個人的瀏覽行為更有效果，」他說。

此種稱為協同推薦/過濾(Collaborative Filtering)的技術其實並非宇匯首創，知名電子商務網站Amazon便早透過自行開發的A9商品搜尋技術應用在自家網站上。不過周培林強調，宇匯之技術在處理中文內容之能力較強，且已在搜尋與資料採礦、網路內容比對式廣告等技術有多年經驗，更適合本地業者。

至於收費與服務提供方式，宇匯表示，該系統採ASP代管模式提供服務，電子商務網站只需要增加數筆程式碼，將資訊傳至宇匯之資料中心進行演算，便可再將結果派送給用戶。而收費方式，若採用的是電子商務網站，便採「利潤分享」制，與廠商分拆由該系統所帶來的新增利潤，若是內容提供網站，則採廣告交換，皆非傳統ASP服務的訂閱制收費。