网络消费者行为研究是以挖掘消费者需求为核心，进行新产品设计与开发、智能营销以及个性化推荐的前沿课题。本书是在全面梳理网络消费者产品搜寻、浏览与评价行为的基础上，实施用户画像建模与个性化推荐的经验总结，内容包括：(1)大数据时代推荐系统面临的机遇与挑战；(2)现有推荐系统研究的回顾与总结；(3)面向长尾产品的消费者观点态度挖掘；(4)基于消费者评价行为的推荐机制；(5)网络消费者搜索行为建模；(6)基于消费者查询行为的个性化推荐机制；(7)新零售背景下未来智能推荐系统的几种选择路径。

1 大数据时代搜索技术面临的挑战
1.1 研究背景
1.2 研究问题与意义
1.3 研究内容与技术路线
2 个性化搜索的研究动态
2.1 在线评论的有用性研究
2.2 基于评论数据的搜索结果研究
2.3 搜索结果多样性相关研究
2.4 研究评述
3 面向长尾产品的特征 - 观点挖掘模型
3.1 问题描述
3.2 面向长尾产品的特征 - 观点挖掘模型构建
3.3 实验结果分析
3.4 本章小结
4 基于产品评价特征的多样化搜索结果识别研究
4.1 问题描述
4.2 预备知识
4.3 混合数据的统一相似性度量问题研究
4.4 多样化搜索结果识别算法构建
4.5 实验结果分析
4.6 本章小结
5 基于消费者动态偏好的多样化搜索结果识别研究
5.1 问题描述
5.2 消费者动态偏好分析模型构建
5.3 搜索结果最大相关 - 多样性问题研究
5.4 实验结果分析
5.5 本章小结
6 基于消费者在线查询的产品推荐问题研究
6.1 问题描述
6.2 基于在线查询的推荐框架构建
6.3 实验结果分析
6.4 本章小结
7 新零售背景下全渠道推荐机制研究的机遇与挑战
7.1 新零售背景下全渠道推荐机制研究的意义
7.2 全渠道推荐机制研究梳理
7.3 现有研究的不足与未来的研究方向
8 结论与展望
8.1 研究结论
8.2 研究展望
参考文献