資料挖掘與資料化營運實戰. 3.6 資訊品質模型

<b>3.6　資訊品質模型</b>

資訊品質模型在網際網路行業和網際網路資料化營運中也是有着廣泛基礎性應用的。具體來說，電商行業和電商平台連接配接買賣雙方最直接、最關鍵的紐帶就是海量的商品目錄、商品offer、商品展示等，無論是b2c（如當當網、凡客網），還是c2c（如淘寶網），或者是b2b（如阿裡巴巴），隻要是以商業為目的，以交易為目的的，都需要采用有效手段去提升海量商業資訊（商品目錄、商品offer、商品展示等）的品質和結構，進而促進交易。在同等條件下，一個要素齊備、布局合理、界面友好的網上店鋪或商品展示一定比不具備核心要素、布局不合理、界面不友好的更加容易達成交易，更加容易獲得買家的好感，這裡揭示的其實就是資訊品質的重要價值。

為讓讀者更加直覺了解資訊品質的含義，下面通過某網站的截圖來舉例說明什麼是資訊品質好的offer效果，如圖3-1和圖3-2所示。

不難發現，相對于圖3-2來說，圖3-1中有更多的商品要素展示，包括付款方式、産品品牌、産品型号等，另外在詳細資訊欄目裡，所包含的資訊也更多更全。也就是說，圖3-1中商品offer的資訊品質要明顯好于圖3-2。

網際網路行業的資訊品質模型所應用的場合主要包括商品offer品質優化、網上店鋪品質優化、網上論壇的發帖品質優化、違禁資訊的過濾優化等，凡是涉及資訊品質監控和優化的場景都是适用（或借鑒）資訊品質模型的解決方案的。

建構資訊品質模型所涉及的主要還是正常的資料挖掘技術，比如回歸算法、決策樹等。但是對于資訊品質模型的需求，由于其目标變量具有一定的特殊性，是以它與目标客戶預測（響應）模型在思路和方法上會有一些不同之處，具體内容如下。

任何模型的搭建都是用于響應特定的業務場景和業務需求的，有時候搭建資訊品質模型的目标變量是該資訊（如商品offer）是否在特定的時間段産生了交易，此時，目标變量就是二進制的，即是與否；更多的時候，資訊品質模型的目标變量與是否交易沒有直接關系（這其實很容易了解，因為影響成交的因素太多），甚至有些時候資訊品質本身是主觀的判斷，在這種情況下，沒有明确的來自實際資料的目标變量。那如何定義目标變量呢？專家打分，模型拟合是一個比較合适的變通政策。

對于專家打分，模型拟合的具體操作，下面以“商品offer的星級劃分”項目為例來進行具體的解釋和示範。商品offer其實就是網上交易中，賣家針對每種出售的商品展示具體的商品細節、交易條款、圖檔細節等，使其構成的一個完整的頁面，一般來說買家浏覽了某種具體的商品offer以後，隻要點選“加入購物車”就可以進行後續的購買付費流程了。在某次“商品offer的星級劃分”項目中，目标變量就是專家打分，由業務專家、行業專家基于行業的專業背景知識，針對商品offer構成要素的權重進行人為打分，這些構成要素包括标題長度、圖檔數量、屬性選填的比例、是否有分層價格區間、是否填寫供貨總量資訊、是否有混批說明、是否有營運說明、是否支援線上第三方支付等。首先抽取一定數量的樣本，請行業專家對這些樣本逐個打分指派，在取得每種商品offer的具體分數後，把這些分數作為目标變量，利用資料挖掘的各種模型去拟合這些要素與總分數的關系，最終形成一個合适的模型，該模型比較有效地綜合了專家打分的意見并且有效拟合offer構成要素與總分數的關系。為了更加準确，在專家打分的基礎上，還可以輔之以客戶調研，進而對專家的打分和各要素的權重進行修正，最後在修正的基礎上進行模型的搭建和拟合，這屬于項目的技術細節，不是項目核心，故不做深入的講解。

資訊品質模型是電子商務和網上交易的基本保障，其主要目的是確定商品基本資訊的優質和高效，讓買家更容易全面、清楚、高效地了解商品的主要細節，讓賣家更容易、更高效地展示自己的商品。無論是c2c（如淘寶），還是b2b（如阿裡巴巴），抑或是b2c（如當當網、凡客網），都可以用類似的方法去優化、提升自己的商品展示品質和效果，有效提升和保障交易的轉化率。