——记清华大学经济管理学院管理科学与工程系副教授卫强

　　□　付 强  王 涵
　　
　

　
　　随着互联网、移动通信和大数据等技术的飞速发展及广泛应用，当今，科技、经济、文化和社会正在经历一场深刻的变化。在这场重大的历史变革当中，人们正日益意识到一种新的资源形式必将对今后人类社会发展起到至关重要的作用，这就是信息。当人类进入到以信息化、网络化和全球化为主要特征的经济发展的新时期之后，信息不仅是一种新型资源，也成为调度其他资源如人力、资金、物资等的有力工具。它正在改变社会资源的配置方式，改变人们的价值观念、工作和生活方式，也改变着企业对于原有信息资源的认识和管理。而对于信息资源的高效利用和管理正在成为人们研究的重大课题，信息管理的重要性日益凸显。
　　在信息管理领域，清华大学经济管理学院管理科学与工程系副教授卫强的关注点在于“推荐系统”。当电子商务和移动商务大规模推广后，作为一种典型的信息挖掘、分析乃至优化的工具，推荐系统扮演着越来越重要的角色。消费者在网络消费时越来越依赖推荐系统。麦肯锡研究报告也表明，早在2013年，亚马逊商城上就有35%的销售额来自推荐系统的相关推荐和引流，并且所占比例越来越高。如此一来，如何打造高效精准的推荐系统，就成为一个重要问题。这也是卫强致力研究的方向。他勇于挑战、善于创新，在推荐系统方向打破常规，开启了研究的新视角。
　　

信息时代推荐系统的重要性

　　网络前所未有的发展，电子商务规模的不断扩大，商品数量和种类的快速增长，给消费者带来了巨大便利，但海量信息的爆炸式增长不可避免地加大了消费者购买决策的难度，消费者需要花费大量时间才能找到自己想买的商品。同时，浏览大量无关的信息和产品的过程，也无疑会使湮没在信息过载问题中的消费者不断流失。这时，一款智能的推荐系统尤为重要。对营销者而言，它可以实现低成本和个性化营销；对消费者来说，则可以借助推荐系统辅助其决策，提升决策质量。一款智能推荐系统得以实现，背后需要大量数据、算法、信息系统、搜索引擎等支撑。
　　在信息时代，推荐系统可谓是应运而生。特别是近年来，随着移动商务平台的流行，考虑到平台上产品的极大丰富性，智能手机界面的尺寸有限性，更为高效的推荐系统开始扮演关键性的交互作用。然而，也正是由于推荐系统的研究已经相当成熟，应用也很广泛，想要再进一步提升边际效用，其难度也越来越大。
　　如何突破？很多专家和机构都在推荐系统的方法设计和创新上花费了很大的工夫，尤其对协同过滤、基于内容的推荐以及混合推荐方法等几大类主流方法进行了深入研究，并根据不同应用背景和数据平台，开发出大量面向不同环境的推荐方法和系统。但问题来了，目前，这些在推荐系统上开展的相关工作大都假设或默认用户偏好为静态模式，即忽略或不考虑用户偏好的转移和动态变化。
　　事实上，在市场营销和消费者行为学领域，早已有大量实证研究证明了用户在购物和消费周期中其偏好会不断发生变化和转移，并构建出了相应的概念模型。比如，“营销漏斗”模型将消费者与品牌的关系划分为初步认知阶段（Awareness）、筛选与考量（Consideration）、形成意向和好感（Preference）、达成收藏或购买的行动（Action）等阶段。这些阶段中，用户的潜在心理活动难以实际刻画和测量，因此如何将之集成与应用于推荐系统存在很多难点。而卫强正是抓住了“用户在整个购买过程的偏好心理状态通常会经历一个动态转移和演变的过程”这个核心，认为一个好的推荐系统应该针对消费者不同的偏好阶段来推荐相应的产品才能收到更佳的效果。此时，他面临的关键问题在于如何识别出用户的非显性的心理偏好转移，并集成到推荐系统的设计中。
　　

用户偏好是动态转移和变化的过程

　　针对用户的购买行为和心理，卫强举了一个形象的例子。
　　如果一个用户想要购买一台笔记本电脑，在最初阶段会先做一下调研，这个阶段他可能会更加愿意浏览和关注各种品牌、型号和配置的笔记本产品，其偏好非常不聚焦。相应的，在这个阶段，推荐系统应广泛推荐各种各样的笔记本电脑，即着重多样性，供其选择与了解。
　　有了一些目标产品后，用户在认知上会达到下一个阶段，其偏好状态发生转移，进一步明朗化。随后，用户经过进一步对比，偏好继续转移并收敛到某个具体品牌型号的产品上。最后，经过甄别选择，用户的最终偏好和购买需求确定。卫强表示，到了最终阶段，推荐系统应该推荐这款产品的周边产品或配套产品，这样才能形成最为理想的推荐效果。而现有的大量推荐系统难以甄别出用户的购买心理和偏好模式，经常出现用户已经买了某款产品后还经常推荐同类产品，从而导致推荐效果不够理想。
　　可见，用户在不同阶段中，偏好是动态变化的并且发生转移的。此过程充分体现出用户购买是一个多阶段的、偏好不断变化的决策过程，这在营销科学中，已经得到了广泛认可。卫强介绍，学术上通常将此购买过程称为“营销漏斗”，用户可能处在购买过程的不同阶段，其产品偏好在最终购买行为发生之前都可能会发生多次变化，而非静态的模式。事实证明，不管是在传统购买环境中，还是线上电商平台，购买过程中用户偏好的动态转移是一个不可忽略的重要事实。值得重视的是，随着电子商务的不断发展，大量研究发现，“营销漏斗”不再仅仅是一个线性的演化过程，而逐渐呈现出网络化的演化模式，即用户的心理状态可能会在各个偏好阶段之间来回跳转和迁移。例如，某个用户在达到了对某个服装的考虑阶段时，由于收到社交平台上朋友的评论，也可能直接重新考虑另一个品牌的服饰产品，即跳转回认知阶段。这为市场营销以及推荐系统设计都带来了新的研究场景，也形成了新的挑战。
　　眼下，电子商务网站和移动商务平台已经逐渐变成用户在线发现产品、比较产品和最终购买产品的重要平台和市场，但“营销漏斗”或者“偏好演化网络”仍然存在，越来越重要，且变化也越来越快。大多数现有的推荐方法常常忽略或并不考虑多阶段的用户偏好的转移和动态变化，难以对用户的整个动态购买过程进行建模，从而无法判断用户处于哪个阶段。因此，设计考虑多阶段的用户偏好动态转移和演化的推荐方法就成为了一个重要的研究视角，也成为了在目前推荐系统广泛应用的背景下，进一步设计更好效果的推荐系统的重点方向。
　　由于用户偏好状态的隐含性、各偏好状态之间的转移网络的复杂性、用户购买行为多阶段的复杂性等，使得此研究还处于初期，尚存较多困难和挑战。但卫强认为，能够迎难而上，并最终解决问题，正是科研工作的魅力所在。“我希望聚焦此方面的研究，来设计多阶段用户偏好状态转移的用户购买过程模型，并进一步研发出相应的高效动态推荐方法。”他说。
　　

构建多阶段和动态实时推荐模型

　　根据用户在多个不同时期的浏览行为推断出用户所处的购买阶段和产品偏好，从而推算出用户在下一个时期可能所处的购买阶段和产品偏好，并动态地进行推荐。这无疑是最好的一种推荐方式。因此，通过挖掘用户从浏览到购买过程中多个阶段的偏好状态及其转移模式来打造推荐系统，可以更为有效地将用户从任何一个阶段推向行为阶段，引导用户产生最终购买决策，这对电子商务网站来说将有深远意义。
　　基于此，卫强希望在电子商务平台上对用户偏好转移进行刻画，从而实现对用户的多阶段购买过程的建模，并设计出相应的动态推荐方法。具体来说，就是通过对进行购买行为的用户从浏览到最终购买过程中的浏览点击行为进行提取，挖掘用户的浏览模式，并建立多阶段用户偏好的动态转移模型，从而更好地刻画将用户从电子商务平台的浏览者转化为购买者的过程。卫强介绍道：“从机器学习的角度，分别构建考虑时间因素的生成模型（动态贝叶斯网络）和判别模型（循环神经网络）从而实现动态的推荐。并在此基础上，基于大规模数据和实验分析的方法来验证所提出模型和方法的效果。”
　　为设计出一个完整的多阶段用户偏好转移的模型，并基于动态规划的思路设计出相应的多阶段动态推荐算法，卫强及其团队考虑采用构建动态贝叶斯网络对用户随时间变化的浏览行为以及隐含用户偏好的生成过程进行建模，同时考虑用户在购买过程的多个不同阶段和产品偏好的交互变化模式，构建了动态贝叶斯网络的多阶段推荐协同过滤模型。
　　动态贝叶斯网络是基于“营销漏斗”的思路对用户在不同时期所处的购买阶段、产品偏好和浏览行为的生成过程进行直接建模，结合用户在不同时期的购买阶段和产品偏好实现多阶段的推荐。然而，因为模型是针对每个时期进行推荐，模型中需要根据经验人工界定一个时期的长度（如一周、一个月或者某个给定长度的时期），或者通过实验调试找到一个适当的时期长度。由于在现实购物环境中，对于不同类型的商品来说，用户在从浏览到购买经历的每个购买阶段的时期长度也有差异。因此，人工给定一个确定的时期长度会制约上述推荐模型在不同类型产品和不同用户类型上的适用性。此外，对于竞争越来越激烈的电子商务平台而言，设定固定的时期长度也会制约推荐方法的灵活性。而如果能提供更为灵活的动态实时推荐，则更具有现实意义和使用价值。而这必须要通过全面的大规模数据实验分析，从而才能检验模型的正确性和完整性，调试算法的参数和配置，测试方法的效果与效率。特别是对于电子商务平台的在线推荐问题而言，必须要考虑大数据环境的特征来进行验证。因此，利用大数据资源和深度学习框架，卫强及其团队在精心设计和构建基于深度学习的动态实时推荐模型。
　　考虑用户偏好变化构建推荐系统，这无疑是该研究领域的创新之举，同时卫强也带来了多项创新成果：将多阶段的用户动态偏好及偏好转移引入推荐系统，从营销领域“营销漏斗”、机器学习领域生成模型和判别模型的视角设计了动态推荐方法，从多阶段推荐到实时推荐，逐层深入研究问题；基于动态贝叶斯网络的多阶段推荐模型对用户所处的购买阶段、产品偏好和浏览行为的生成过程进行建模和学习，并通过动态规划对用户的购买阶段和产品偏好进行推理，从而实现多阶段的动态推荐；基于深度学习的动态推荐将“阶段”深入到“实时”（即从“离散”到“连续”），并引入更加细粒度的用户行为特征，考虑用户的购买历史，更加精细深入地实现动态推荐。
　　

坚定探索之路稳步向前

　　从1992年在清华大学攻读信息管理专业开始，卫强在清华园一路从本科读到了博士，直到今天还在清华大学经济管理学院工作，称得上是不折不扣的清华人了。26年时光荏苒，始终不变的是，卫强坚守着自己的研究阵地，在信息管理领域不断挑战，创新前行。
　　卫强的科研之路，要从1997年本科毕业那会儿说起。也正是那个时候，卫强遇到了陈国青教授，接触到了模糊逻辑和数据挖掘，而陈国青正是他硕士、博士时期的导师。当时，陈国青刚从美国麻省理工学院访问归来，带回了一本厚厚的大部头著作。正是从这本厚厚的书中，卫强找到了自己的兴趣点。从硕士阶段开始，卫强一直在该领域深耕，直到完成博士研究。而在此方面的相关研究，还让他荣获了清华大学优秀博士毕业论文奖。这更加坚定了卫强的研究决心。
　　毋庸置疑，一个好的企业离不开好的管理。在信息时代，信息管理无疑对企业有着至关重要的影响。信息管理学是运用信息系统的相关理论和方法从管理学的角度来研究相关信息、分析和解决相关管理问题的一门学科。信息管理涉及经济学、管理学、运筹学、统计学、计算机科学等多门学科。而从营销学和心理学角度做相关研究，并从用户的偏好转移出发构建推荐动态模型，这是卫强的创新研究之处，并取得了多项创新性成果。
　　近些年来，卫强主持和参与了多项重大、重点、面上国家自然科学基金项目，还受邀在美国麻省理工学院、德国亚琛工业大学、比利时根特大学和鲁汶大学、捷克奥斯特拉发大学、芬兰阿尔托大学等多个学术机构访问交流、作报告。目前，他已在重要国际学术期刊和重要国际会议中发表了100余篇学术论文，如MIS Quarterly、INFORMS Journal on Computing、ACM Transactions on KDD、Decision Sciences、Electronic Commerce Research and Applications、Decision Support Systems、Information Sciences等学术期刊，以及ICIS、INFORMS、IEEE-ICMB、IFSA、FLINS等重要国际学术会议，并在国际著名学术出版社Springer系列丛书中发表多篇论文。此外，卫强还编著了两部教育部“十一五”规划教材《管理系统模拟》与《商务智能原理与方法》，其中《商务智能原理与方法》获得了2011年教育部普通高等教育精品教材奖。
　　商务智能研究，也是卫强近年来的研究侧重点。商务智能是融合了先进信息技术与创新管理理念的结合体，集成了企业内外的数据，进行加工并从中提取能够创造商业价值的信息，面向企业战略并服务于管理层。商务智能指利用数据仓库、数据挖掘技术对客户数据进行系统的储存和管理，并通过各种数据统计分析工具对客户数据进行分析，提供各种分析报告，如客户价值评价、客户满意度评价、服务质量评价、营销效果评价、未来市场需求等，为企业的各种经营活动提供决策信息。相关技术为企业提供了迅速收集、分析数据的技术和方法，把这些数据转化为有用的信息，从而提高企业决策的质量。而从管理视角，利用信息技术来研究商务智能并解决商业上的问题，正是卫强研究的创新点。
　　学术创新离不开沟通交流，不论是国内交流还是国外交流，卫强对此都非常重视。他还参与组织多个重要国际会议，如在IEEE-ICEBE2005任组委会主席、在ICEBI2010任组委会副主席等。在学生培养方面，身为年轻教师的卫强谦虚地说“要跟学生共同成长”。激发学生的主动性和创造性，更是卫强所看重的。善于发挥个人优势，在擅长的领域挖掘自己的最大潜能，在卫强看来，这也同样重要。值得高兴的是，今年，卫强所指导的第一名博士毕业生乔丹丹就获得了新加坡国立大学信息管理系的教职，这体现出清华大学的博士培养质量达到了世界一流水平，也是对卫强作为一名教师的极大鼓励。
　　采访最后，卫强愉快地告诉记者：“去年我们刚在信息管理领域最顶尖的期刊上发表了一篇文章。”在卫强看来，该文章的发表有着特殊的意义。“以前在此期刊上发表的相关文章大多都是海外学者研究海外问题，而我们的这篇文章是典型的Made in China，即研究团队全是中国本土学者，研究的是中国问题。”
　　而这样成绩的取得，不也正是多年来卫强始终如一、勇于挑战、善于创新的结果吗？在信息管理这条探索之路上，他正稳步向前！
　　
　　  
　　
专家简介：
　　
　　卫强，清华大学经济管理学院管理科学与工程系副教授。2003年获清华大学管理学博士学位，同年进入清华大学经济管理学院工作至今。2007年，在美国麻省理工学院（MIT）斯隆管理学院担任国际访问学者。主要研究和教学兴趣包括信息系统与信息管理、电子商务、商务智能与数据挖掘、大数据与商务分析等领域。
　　已在重要国际学术期刊和重要国际会议中发表了100余篇学术论文。获教育部新世纪优秀人才（2012），清华大学优秀博士学位论文指导教师（2018），教育部百篇优秀博士论文提名奖（2004），清华大学优秀博士毕业论文奖（2003）以及多个优秀论文奖等。目前担任国际学术期刊Decision Support Systems与Electronic Commerce Research的副主编，中国信息经济学会常务理事，中国模糊数学与模糊系统学会常务理事，中国统计学会理事，信息系统学会中国分会常务理事等。曾任ACM Social and Economic Computing Chapter的Treasurer，中国管理科学与工程学会副秘书长、中国系统工程学会青年委员会委员等。