مروری بر سیستم های توصیه گر در تجارت الکترونیک b2b

امروزه با استفاده از داده کاوی، استخراج خودکار دانش جدید و مفید از منابع داده ای حجیم موجود، میسر می باشد. از سوی دیگر برای حرکت از دنیای تجارت سنتی به دنیای جدید و رقابت در آن، شرکت ها نیاز دارند که کالا و سرویس های متنوعی را برای نیازهای گوناگون کاربران مختلف فراهم کنند. یکی از موارد کاربردی در تجارت الکترونیک پیداکردن اطلاعات در وب سایت ها و فروشگاه های اینترنتی بزرگ است. اما این حجم عظیم داده ها، برای کاربران قابل استفاده نیست. از جمله سیستم هایی که در این راستا موفق عمل کرده اند سیستم های توصیه گر هستند و به کاربران پیشنهادات قابل اعتمادی در زمینه های مورد علاقه شان ارائه می دهند. نیاز به سیستم های توصیه گر در زمینه تجارت b2b به طور فزاینده ای آشکار است. در این نوع از سیستم توصیه گر، توصیه ها برای شرکت ها و سازمان های کوچک و بزرگ که مشتریان شرکت هستند، ایجاد و ارائه می گردند. و نه برای افرادی که به طور مستقیم از محصول استفاده می کنند (lee and friends,2006). در این مقاله ما بر روی تحقیقات و چالش های عملی مربوط به ساخت یک سیستم توصیه گر b2b، تمرکز کره ایم. ما یک دیدگاه متفاوت را تجربه کرده و کاربرد سیستم توصیه گر را محدود به مشتری نهایی نمی دانیم بلکه تیم های بازاریابی و فروش شرکت ها و سازمان های مشتری مورد هدف قرار داده ایم لذا ابتدا به شناخت مفاهیم سیستم های توصیه گر پرداخته و سپس پژوهش های انجام شده در این زمینه را مرور خواهیم نمود و در انتها به بررسی چالش های موجود در این زمینه خواهیم پرداخت.