- 相關(guān)推薦
Ｂ２Ｃ電子商務(wù)中的消費(fèi)者決策支持系統(tǒng)
摘要 B2C電子商務(wù)環(huán)境下的決策支持系統(tǒng)主要包括專家系統(tǒng)，推薦系統(tǒng)和智能代理系統(tǒng)或者其組合等。其目標(biāo)是幫助消費(fèi)者發(fā)現(xiàn)和澄清需求，在網(wǎng)絡(luò)海量的信息環(huán)境下發(fā)現(xiàn)和比較信息，篩選符合客戶需要的產(chǎn)品，或者提供建議。該文回顧了近年來(lái)網(wǎng)上決策支持系統(tǒng)的研究進(jìn)展，并對(duì)其在B2C電子商務(wù)中的應(yīng)用遠(yuǎn)景和研究發(fā)展趨勢(shì)進(jìn)行了猜測(cè)與展看。關(guān)鍵詞 B2C，消費(fèi)者，決策支持系統(tǒng)。
同傳統(tǒng)購(gòu)物過(guò)程一樣，消費(fèi)者的網(wǎng)上購(gòu)物決策行為可分為需求認(rèn)知、信息搜索、選擇性評(píng)價(jià)、購(gòu)買和購(gòu)買后評(píng)價(jià)5個(gè)階段。只是，網(wǎng)絡(luò)作為一個(gè)重要的信息來(lái)源，以其豐富的信息、方便的搜索引擎、低廉的搜索本錢等上風(fēng)，迅速成為消費(fèi)者外部信息搜索的重要方式�；趯�(duì)消費(fèi)者在前購(gòu)物階段的外部信息搜索和提供人性化的產(chǎn)品和服務(wù)推薦的網(wǎng)絡(luò)信息來(lái)源的研究，Senecal和Nantel（2002）把網(wǎng)上推薦來(lái)源分為3種類型[1]：（1）其他消費(fèi)者（如，親戚、朋友、熟人等）；（2）專家（如銷售員、獨(dú)立專家等）；（3）專家系統(tǒng)（Expert System，ES）和消費(fèi)者決策支持系統(tǒng)（Consumer decision support system）（如推薦系統(tǒng)和智能代理系統(tǒng)）。對(duì)于前兩種類型的信息來(lái)源，它也適用于傳統(tǒng)購(gòu)物，在對(duì)傳統(tǒng)購(gòu)物的消費(fèi)者行為研究中經(jīng)常使用，而且已公認(rèn)它們影響了消費(fèi)者的決策和購(gòu)買行為。
決策支持系統(tǒng)（Decision Support System，DSS）是70年代初期發(fā)展起來(lái)的面向用戶的一種交互系統(tǒng)，傳統(tǒng)的決策支持系統(tǒng)由人機(jī)接口、數(shù)據(jù)庫(kù)、模型庫(kù)三個(gè)子系統(tǒng)及它們之間的接口組成，其主要目的是支持半結(jié)構(gòu)化和非結(jié)構(gòu)化的決策題目，以進(jìn)步?jīng)Q策效能[2]。智能決策支持系統(tǒng)（Intelligent Decision Support System，IDSS）是專家系統(tǒng)與決策支持系統(tǒng)的集成體。相當(dāng)于Senecal和Nantel（2002）對(duì)網(wǎng)絡(luò)信息來(lái)源分類中的第三類。它完成定性的知識(shí)推理、定量的模型計(jì)算、大量的數(shù)據(jù)處理并形成有機(jī)整體[3]。對(duì)于B2C電子商務(wù)環(huán)境下的消費(fèi)者購(gòu)物決策來(lái)說(shuō)，決策支持系統(tǒng)的目標(biāo)是幫助消費(fèi)者發(fā)現(xiàn)和澄清需求，在網(wǎng)絡(luò)海量的信息環(huán)境下發(fā)現(xiàn)和比較信息，篩選符合客戶需要的產(chǎn)品，或者提供建議[4]。
近來(lái)決策支持系統(tǒng)的研究更加趨向于使其智能化、人性化，通過(guò)對(duì)網(wǎng)上消費(fèi)者購(gòu)物決策行為的經(jīng)驗(yàn)性研究，致力于建立一個(gè)能有效地促進(jìn)消費(fèi)者在其進(jìn)行網(wǎng)上購(gòu)物時(shí)做出決策的交互作用系統(tǒng)�；谝陨戏治�，本文回顧了近年來(lái)網(wǎng)上決策支持系統(tǒng)的研究進(jìn)展，將這些研究分成三種類型：理論研究、方法研究和應(yīng)用研究（理論研究和方法研究的區(qū)別在于，是否建立了決策支持系統(tǒng)的模型，而應(yīng)用研究則是對(duì)某一具體的決策支持系統(tǒng)的應(yīng)用），并對(duì)其在B2C電子商務(wù)中的應(yīng)用遠(yuǎn)景和研究發(fā)展趨勢(shì)進(jìn)行了猜測(cè)與展看。
1 決策支持系統(tǒng)的理論研究
固然網(wǎng)上商店在20世紀(jì)80年代就已經(jīng)出現(xiàn)，但是盡大多數(shù)的網(wǎng)上商店也就只有幾周歲而已。所以，固然現(xiàn)存的網(wǎng)上交易的類型很多，哪種類型真正適合網(wǎng)上交易，并在未來(lái)盛行目前并不清楚。目前占上風(fēng)的網(wǎng)上交易主要有[5]：
�。�1）固定價(jià)格（Fixed price）。傳統(tǒng)的網(wǎng)上商店，其商品來(lái)自一家零售商。
（2）拍賣機(jī)構(gòu)（Auction houses）。消費(fèi)者可以對(duì)一些項(xiàng)目進(jìn)行投標(biāo)（如，易趣）。
�。�3）信息媒體庫(kù)（Infomediaries）。把幾個(gè)商店或制造商的商品集中到一個(gè)大的框架體系下。并不直接零售商品，而是提供商品相關(guān)信息，其服務(wù)鏈由其他一些確立良好的網(wǎng)上商店組成，其功能相當(dāng)于搜索引擎。（如，www.Chemdex.com）
�。�4）混合商店（Hybrid stores）。既零售商品，也是一個(gè)信息媒體庫(kù)（如，卓越）。
因此，在設(shè)計(jì)電子商務(wù)工具時(shí)，必須考慮特定的交易類型和信息呈現(xiàn)方式。網(wǎng)絡(luò)是由用戶驅(qū)動(dòng)（user-driven）的，交流的開始和中止，都是由用戶決定的——只需要點(diǎn)擊一下鼠標(biāo)即可，而用戶在進(jìn)行購(gòu)物時(shí)，通常并沒(méi)有明確的購(gòu)物目的。因此，一個(gè)設(shè)計(jì)良好的決策支持系統(tǒng)必須適應(yīng)買方和賣方雙方的需要，其信息的組織與交互要與用戶的內(nèi)在認(rèn)知活動(dòng)相一致[6]。
決策支持系統(tǒng)通常包括一些題目，通過(guò)用戶對(duì)這些題目的回答來(lái)發(fā)現(xiàn)最適適用戶的選項(xiàng)。這就涉及到題目的設(shè)計(jì)，數(shù)據(jù)存儲(chǔ)及檢索兩方面的內(nèi)容。這兩個(gè)方面是互相聯(lián)系，互相制約的，其核心和關(guān)鍵是數(shù)據(jù)存儲(chǔ)和檢索技術(shù)的發(fā)展。
1.1 題目設(shè)計(jì)
過(guò)往的題目設(shè)計(jì)通常包括一些冗長(zhǎng)的，一步到位式的題目，它對(duì)應(yīng)著數(shù)據(jù)檢索和存儲(chǔ)中基于案例的推理（Case-Based Reasoning，CBR）技術(shù)，通過(guò)用戶對(duì)這些題目的回答來(lái)搜索數(shù)據(jù)庫(kù)并進(jìn)行推薦，但這并不能使用戶感到滿足。目前的題目設(shè)計(jì)致力于通過(guò)最小的題目集來(lái)實(shí)現(xiàn)這一目標(biāo)。此外，用戶對(duì)于其需求通常只有一個(gè)含糊的觀點(diǎn)，因此，一箭中的策略顯然是不理想的，必須采用一個(gè)多階段的檢索過(guò)程：首先，通過(guò)最初的信息來(lái)檢索第一個(gè)候選集，然后用一些題目來(lái)削減上次得到的子集，直到獲得易處理的候選集為止。在每一個(gè)階段所提出的題目最好能在最大程度上在該點(diǎn)上區(qū)分出候選集中的案例，因此，用戶在每一個(gè)階段的回答都會(huì)影響所提題目的順序。
1.2 數(shù)據(jù)的存儲(chǔ)及檢索
近年來(lái)，由于支持大容量數(shù)據(jù)的有效存儲(chǔ)和檢索技術(shù)——數(shù)據(jù)倉(cāng)庫(kù)（data warehouse）和聯(lián)機(jī)分析處理（online analytical processing, OLAP）產(chǎn)品的實(shí)用性大大增強(qiáng)，決策支持系統(tǒng)中數(shù)據(jù)庫(kù)的使用也飛速增長(zhǎng)。數(shù)據(jù)倉(cāng)庫(kù)是用于決策支持的企業(yè)歷史數(shù)據(jù)的在線知識(shí)庫(kù)，而OLAP則是使用戶能夠有效的從數(shù)據(jù)倉(cāng)庫(kù)中檢索數(shù)據(jù)的一種技術(shù)[7]。
1.2.1 基于案例的推理（CBR）
為了幫助分析家關(guān)注重要數(shù)據(jù)并作出更好的決策，最早由Shanker在1982年發(fā)表的《Dynamic Memory》中，提出了基于案例的推理思想，并由其學(xué)生經(jīng)過(guò)多年的工作逐漸發(fā)展起來(lái)，是人工智能中新崛起的一項(xiàng)重要推理技術(shù)。它與類比推理相類似，但又不完全等同于類比推理。它在很大程度上符合專家迅速、正確的求解新題目的過(guò)程[8]。其核心思想是：人們以前對(duì)該類題目的求解經(jīng)驗(yàn)——案例，是按一定的組織方式存儲(chǔ)在案例庫(kù)中的，當(dāng)用戶輸進(jìn)待求解的新題目時(shí)，系統(tǒng)首先從案例庫(kù)中尋找這種案例或者近似于這種案例的案例。假如找到的案例與待求解的案例的描述完全一致，則將這些案例對(duì)題目的解輸出。否則，根據(jù)對(duì)待求解題目的描述，對(duì)檢索出來(lái)的案例進(jìn)行修改，以產(chǎn)生一個(gè)符合題目求解要求的解并將其輸出；同時(shí)將這個(gè)題目的求解作為一個(gè)新的案例再存儲(chǔ)到案例庫(kù)中。因此，在以后進(jìn)行系統(tǒng)求解時(shí)，就可以利用案例庫(kù)中所有已知的案例，而不必每次都從頭開始。 1.2.2 漸進(jìn)案例推理（incremental case-based reasoning technique, I-CBR）
Cunningham和Smyth（1994）將錯(cuò)誤診斷領(lǐng)域發(fā)展并應(yīng)用起來(lái)的漸進(jìn)案例推理技術(shù)應(yīng)用于決策支持系統(tǒng)的特征選擇，它是對(duì)基于案例的推理的發(fā)展，是多次的基于案例的推理。該技術(shù)并不要求首先獲得對(duì)所有目標(biāo)元素的描述，而是通過(guò)詢問(wèn)用戶一些焦點(diǎn)題目逐漸建立這一描述。
漸進(jìn)案例推理技術(shù)使用獲得的信息來(lái)尋找最能夠區(qū)別目前的集合中的所有案例的特征，該信息是有分類的，從而能夠鑒定每一個(gè)特定特征的區(qū)分力。但數(shù)據(jù)倉(cāng)庫(kù)中存儲(chǔ)的通常是未分類數(shù)據(jù)，因此，Doyle和Cunningham以為，需要使用另一種度量衡來(lái)應(yīng)用多階段檢索技術(shù)，或者對(duì)未分類數(shù)據(jù)首先進(jìn)行聚類分析，然后再運(yùn)用漸進(jìn)案例推理技術(shù)進(jìn)行丈量[9]。
固然基于案例的推理是丈量產(chǎn)品的相似性的最流行的方法，但是也遭到了一些批評(píng)。Lee以為，固然該方法能夠找出與用戶需要最相似的產(chǎn)品，但卻忽視了產(chǎn)品的適宜性，從而把一些低質(zhì)量的商品推薦給消費(fèi)者。為了解決這一題目，就需要采用多屬性決策方法（multi-attribute decision- *** method）同步考慮消費(fèi)者需求和產(chǎn)品質(zhì)量[10]。
2 決策支持系統(tǒng)的方法研究
正如前文所述，用戶在進(jìn)進(jìn)網(wǎng)上購(gòu)物界面時(shí)，通常對(duì)其需求只有一個(gè)模糊的概念，因此，網(wǎng)上購(gòu)物商店不僅需要提供豐富的商品或可以商量的價(jià)格，而且其信息呈現(xiàn)的方式還要能吸引用戶，增強(qiáng)其購(gòu)物敏感性�；谶@一考慮，Shoji和Hori提出了一種網(wǎng)上購(gòu)物中推動(dòng)用戶觀念清楚化的交互作用方法——S-Conart（concept articulator for shoppers），致力于建立一個(gè)消費(fèi)者在其進(jìn)行網(wǎng)上購(gòu)物時(shí)能有效促進(jìn)其作出決策的交互作用系統(tǒng)，并用該系統(tǒng)做出一系列評(píng)估實(shí)驗(yàn)來(lái)檢驗(yàn)在建立該系統(tǒng)時(shí)所使用的方法在促進(jìn)購(gòu)買觀念清楚度上的有效性 [11]。
Shoji和Hori（2001）通過(guò)研究消費(fèi)者和店員的交流，發(fā)現(xiàn)店員對(duì)于促進(jìn)消費(fèi)者購(gòu)物概念清楚化有著積極的作用，他們可以提供與消費(fèi)者當(dāng)時(shí)不一致的觀點(diǎn)，其作用主要表現(xiàn)在兩個(gè)方面：為形成概念提供支持（通過(guò)改變消費(fèi)者的觀點(diǎn)，引起搜索目標(biāo)本身的改變，從而促進(jìn)其決策過(guò)程），為確信決策提供支持（使消費(fèi)者能夠順利接受店員的觀點(diǎn)，并相信他們的決定是正確的）。S-Conart方法通過(guò)兩種類型的信息呈現(xiàn)方式來(lái)實(shí)現(xiàn)店員的這兩種作用。
對(duì)于為形成概念提供支持，S-Conart采用基于***量表（multi-dimensional scaling，MDS）的空間配置類型（spatial-arrangement style）的信息呈現(xiàn)方法，并提供了另一種列表類型的信息呈現(xiàn)界面作為對(duì)比。對(duì)于為確信決策提供支持，S-Conart提供了兩種功能：一是通過(guò)使消費(fèi)者瀏覽對(duì)其所感愛(ài)好的商品的評(píng)論（這些評(píng)論還包括評(píng)論者購(gòu)買產(chǎn)品時(shí)的情境信息），促進(jìn)用戶對(duì)其決策的信心；二是通過(guò)情境信息窗口，用圖表和樹型圖兩種方式，呈現(xiàn)產(chǎn)品評(píng)論中的相關(guān)字詞，從而促進(jìn)消費(fèi)者概念的清楚化。
消費(fèi)者除了對(duì)其需求概念模糊之外，對(duì)其不經(jīng)常購(gòu)買的商品經(jīng)常也沒(méi)有足夠的知識(shí)來(lái)對(duì)同類產(chǎn)品作出評(píng)價(jià)。因此，他們?cè)谧鞒鲑?gòu)物決策的過(guò)程中特別需要得到該領(lǐng)域的專家的幫助。在網(wǎng)上購(gòu)物環(huán)境中，智能決策支持系統(tǒng)則需要扮演專家這種角色，不僅能夠與消費(fèi)者進(jìn)行交互從而獲取和分析其需求，而且有能力往評(píng)價(jià)各種不同類型的產(chǎn)品，用最低的本錢給出最適合消費(fèi)者要求的建議。消費(fèi)者的購(gòu)物決策，不僅包括購(gòu)買哪種產(chǎn)品，而且包括產(chǎn)品的價(jià)格等。隨著電子商務(wù)的發(fā)展，消費(fèi)者可以從網(wǎng)上獲取的產(chǎn)品信息越來(lái)越多，甚至可以直接與賣方進(jìn)行討價(jià)還價(jià)，而賣方對(duì)其市場(chǎng)策略也有自己的考慮，因此，網(wǎng)上產(chǎn)品的價(jià)格由固定價(jià)格向可變價(jià)格轉(zhuǎn)變，這樣，類比傳統(tǒng)購(gòu)物環(huán)境中經(jīng)過(guò)討價(jià)還價(jià)確定價(jià)格的流程——協(xié)商，網(wǎng)上購(gòu)物環(huán)境也對(duì)這一流程產(chǎn)生了需要。
基于以上兩個(gè)方面的考慮，以及傳統(tǒng)協(xié)商與網(wǎng)上購(gòu)物環(huán)境自身的特點(diǎn)，We-Po Lee提出并驗(yàn)證了包括推薦和自動(dòng)協(xié)商的代理系統(tǒng)來(lái)支持消費(fèi)者的決策行為的有效性[10]。在這個(gè)系統(tǒng)中，推薦是以知識(shí)為基礎(chǔ)的，它包括知識(shí)獲取代理（Knowledge Acquisition Agent）和行為匹配代理（Behavior- Matching Agent）兩個(gè)部分，從而包括兩個(gè)方面的知識(shí)：專家知識(shí)和用戶－系統(tǒng)交互的經(jīng)驗(yàn)。專家知識(shí)經(jīng)過(guò)知識(shí)獲取代理，從該領(lǐng)域的專家那兒搜集、整理并用特定的內(nèi)部知識(shí)表征形式植進(jìn)系統(tǒng)中；用戶－系統(tǒng)交互的經(jīng)驗(yàn)則經(jīng)過(guò)行為匹配代理從以前的用戶那兒，搜集其如何在系統(tǒng)的指導(dǎo)下發(fā)現(xiàn)理想產(chǎn)品的過(guò)程信息，假如當(dāng)前用戶的行為類型與以前的用戶的行為類型相匹配，系統(tǒng)就推薦以前的對(duì)應(yīng)用戶所選擇的產(chǎn)品，不論行為類型是否匹配，系統(tǒng)都會(huì)自動(dòng)記錄當(dāng)前用戶獲取理想產(chǎn)品的過(guò)程信息。而自動(dòng)協(xié)商系統(tǒng)包括買方代理、賣方代理和用戶界面三個(gè)組成部分，數(shù)據(jù)在買方代理和賣方代理之間進(jìn)行交換，包括三個(gè)步驟：確定協(xié)商空間，探測(cè)協(xié)商雙方的態(tài)度，確定協(xié)商函數(shù)。其中，買方代理工作更為積極，它可以從產(chǎn)品推薦所提供的鏈接中選擇對(duì)應(yīng)的賣方代理進(jìn)行交流。
Lee和Chung將虛擬現(xiàn)實(shí)技術(shù)和網(wǎng)絡(luò)決策支持系統(tǒng)整合到網(wǎng)上商城的設(shè)計(jì)中，提出并設(shè)計(jì)了虛擬現(xiàn)實(shí)驅(qū)動(dòng)購(gòu)物代理[12]（Virtual Reality drIven Shopping Agent，VRISA），創(chuàng)造了一種新的網(wǎng)上購(gòu)物商城的范式。它將生活方式探測(cè)器代理（Lifestyle Finder Agent）（記錄消費(fèi)者剖面圖）和特征比較代理（Attribute Comparison Agent）（包括價(jià)格、設(shè)計(jì)和質(zhì)量3個(gè)維度，采用層次分析法（Analytic Hierarchy Process，AHP）進(jìn)行特征比較）兩個(gè)子代理作為其核心機(jī)制，并在推薦和終極的分析中包括了實(shí)體控制模塊（avatar control module）。實(shí)體控制模塊包括兩個(gè)函數(shù)：推薦函數(shù)和實(shí)體控制函數(shù)，推薦函數(shù)按照公道性和敏感性標(biāo)準(zhǔn)整合生活方式探測(cè)器和特征比較兩個(gè)子代理的推薦信息，將令消費(fèi)者滿足的結(jié)果傳遞給實(shí)體控制函數(shù)，實(shí)體控制函數(shù)將內(nèi)部語(yǔ)言轉(zhuǎn)化成包括文本、圖像和聲音的3D形式輸出。
對(duì)網(wǎng)絡(luò)信息系統(tǒng)（Web Information Systems，WISs）來(lái)說(shuō)，其用戶的背景多種多樣，而要使該系統(tǒng)能夠達(dá)到世界通用的目的，就必須跨越用戶已經(jīng)知道的和他們與計(jì)算機(jī)系統(tǒng)進(jìn)行交互所需要知道的之間的鴻溝，這就需要對(duì)所有的用戶提供支持。Aberg和Shahmehri提出了一個(gè)用戶支持的一般模型[13]，該模型結(jié)合了計(jì)算機(jī)和人類助手兩個(gè)方面的支持，同時(shí)考慮了技術(shù)多樣性和用戶差異，為用戶提供了一個(gè)靈活的界面，用戶可以自由選擇他們與支持系統(tǒng)進(jìn)行交流的方式。通過(guò)對(duì)這個(gè)模型的應(yīng)用研究發(fā)現(xiàn)，把人類助手整合到支持系統(tǒng)中往是提供有效的用戶支持的一個(gè)方式。這個(gè)整合使該網(wǎng)站用起來(lái)更加有趣并增加了用戶對(duì)該站點(diǎn)的信任，也改善了該站點(diǎn)的氣氛。這就為決策支持系統(tǒng)向智能化、人性化發(fā)展提供了理論支持。 3 決策支持系統(tǒng)的應(yīng)用研究
一些研究檢驗(yàn)了決策支持系統(tǒng)對(duì)用戶績(jī)效的影響，但是不同的研究者對(duì)于具體的決策支持系統(tǒng)的使用和用戶績(jī)效的定義不同。Peng, Finin, Labrou 等人（1998）研究了決策向?qū)?duì)用戶績(jī)效的影響。決策向?qū)О凑障到y(tǒng)為用戶的題目解決提供幫助的多少劃分為簡(jiǎn)單的提供信息和提供選擇路線的建議兩種水平，并把決策質(zhì)量作為丈量終極用戶績(jī)效的重要因素。Head等人（2000）研究了網(wǎng)絡(luò)導(dǎo)航對(duì)終極用戶績(jī)效的影響，網(wǎng)絡(luò)導(dǎo)航固然在提供支持上使用了全然不同的策略，但它以幫助用戶發(fā)現(xiàn)以前曾經(jīng)瀏覽過(guò)的網(wǎng)頁(yè)為目標(biāo)，與智能搜索有著相似的功能。而用戶績(jī)效則被定義為使用該系統(tǒng)能夠減少完成特定任務(wù)所需要的時(shí)間，并包括網(wǎng)頁(yè)內(nèi)瀏覽績(jī)效和網(wǎng)頁(yè)間瀏覽績(jī)效兩個(gè)方面。Hostler, Yoon，Guimaraes綜合了以前的研究者對(duì)于用戶績(jī)效的定義，在研究網(wǎng)絡(luò)代理對(duì)終極用戶績(jī)效的影響時(shí)，用耗時(shí)、決策質(zhì)量、對(duì)決策的自信和認(rèn)知努力四個(gè)變量來(lái)丈量終極用戶績(jī)效[14]，其中，耗時(shí)包括網(wǎng)站選擇時(shí)間、產(chǎn)品搜索時(shí)間和產(chǎn)品選擇時(shí)間三部分；決策質(zhì)量按照用戶所選擇的產(chǎn)品適合實(shí)驗(yàn)中特定的產(chǎn)品特征標(biāo)準(zhǔn)（實(shí)驗(yàn)中包括8個(gè)特征標(biāo)準(zhǔn)）的程度來(lái)丈量，并劃分為0（沒(méi)有一個(gè)符合特征標(biāo)準(zhǔn)）到8（全部符合特征標(biāo)準(zhǔn)）9個(gè)等級(jí)；對(duì)決策的自信和認(rèn)知努力都用7點(diǎn)Likert量表來(lái)丈量。結(jié)果發(fā)現(xiàn)，網(wǎng)絡(luò)代理減少了耗時(shí)，進(jìn)步了決策質(zhì)量，增加了對(duì)決策的自信和減少了認(rèn)知努力，從而證實(shí)網(wǎng)絡(luò)代理對(duì)用戶績(jī)效有積極的影響。不僅如此，Garrity, Glassberg等人在調(diào)查網(wǎng)上消費(fèi)者購(gòu)物決策滿足度，并用任務(wù)支持滿足，決策滿足和界面滿足三個(gè)基本成分來(lái)表示用戶滿足時(shí)，發(fā)現(xiàn)決策支持滿足在網(wǎng)絡(luò)信息系統(tǒng)中成功扮演了重要角色[15]，說(shuō)明決策支持系統(tǒng)不僅有利于進(jìn)步用戶績(jī)效，而且有利于進(jìn)步用戶滿足度。
H
【Ｂ２Ｃ電子商務(wù)中的消費(fèi)者決策支持系統(tǒng)】相關(guān)文章：
crm中的決策支持系統(tǒng)與貿(mào)易智能02-23
談智能決策支持系統(tǒng)及其在林業(yè)中的應(yīng)用研究03-04
網(wǎng)絡(luò)環(huán)境下的市場(chǎng)營(yíng)銷決策與決策支持系統(tǒng)03-21
智能決策支持系統(tǒng)中的知識(shí)表示及基于粗集的知識(shí)推理03-18
決策樹在基于消費(fèi)者外表的服裝營(yíng)銷中的應(yīng)用03-26
面向現(xiàn)代制造領(lǐng)域的決策支持系統(tǒng)研究*03-18
Ｂ２Ｃ電子商務(wù)貨物配送題目研究03-21