Ｂ２Ｃ电子商务中的消费者决策支持系统
摘要 B2C电子商务环境下的决策支持系统主要包括专家系统，推荐系统和智能代理系统或者其组合等。其目标是帮助消费者发现和澄清需求，在网络海量的信息环境下发现和比较信息，筛选符合客户需要的产品，或者提供建议。该文回顾了近年来网上决策支持系统的研究进展，并对其在B2C电子商务中的应用远景和研究发展趋势进行了猜测与展看。关键词 B2C，消费者，决策支持系统。
同传统购物过程一样，消费者的网上购物决策行为可分为需求认知、信息搜索、选择性评价、购买和购买后评价5个阶段。只是，网络作为一个重要的信息来源，以其丰富的信息、方便的搜索引擎、低廉的搜索本钱等上风，迅速成为消费者外部信息搜索的重要方式。基于对消费者在前购物阶段的外部信息搜索和提供人性化的产品和服务推荐的网络信息来源的研究，Senecal和Nantel（2002）把网上推荐来源分为3种类型[1]：（1）其他消费者（如，亲戚、朋友、熟人等）；（2）专家（如销售员、独立专家等）；（3）专家系统（Expert System，ES）和消费者决策支持系统（Consumer decision support system）（如推荐系统和智能代理系统）。对于前两种类型的信息来源，它也适用于传统购物，在对传统购物的消费者行为研究中经常使用，而且已公认它们影响了消费者的决策和购买行为。
决策支持系统（Decision Support System，DSS）是70年代初期发展起来的面向用户的一种交互系统，传统的决策支持系统由人机接口、数据库、模型库三个子系统及它们之间的接口组成，其主要目的是支持半结构化和非结构化的决策题目，以进步决策效能[2]。智能决策支持系统（Intelligent Decision Support System，IDSS）是专家系统与决策支持系统的集成体。相当于Senecal和Nantel（2002）对网络信息来源分类中的第三类。它完成定性的知识推理、定量的模型计算、大量的数据处理并形成有机整体[3]。对于B2C电子商务环境下的消费者购物决策来说，决策支持系统的目标是帮助消费者发现和澄清需求，在网络海量的信息环境下发现和比较信息，筛选符合客户需要的产品，或者提供建议[4]。
近来决策支持系统的研究更加趋向于使其智能化、人性化，通过对网上消费者购物决策行为的经验性研究，致力于建立一个能有效地促进消费者在其进行网上购物时做出决策的交互作用系统。基于以上分析，本文回顾了近年来网上决策支持系统的研究进展，将这些研究分成三种类型：理论研究、方法研究和应用研究（理论研究和方法研究的区别在于，是否建立了决策支持系统的模型，而应用研究则是对某一具体的决策支持系统的应用），并对其在B2C电子商务中的应用远景和研究发展趋势进行了猜测与展看。
1 决策支持系统的理论研究
固然网上商店在20世纪80年代就已经出现，但是尽大多数的网上商店也就只有几周岁而已。所以，固然现存的网上交易的类型很多，哪种类型真正适合网上交易，并在未来盛行目前并不清楚。目前占上风的网上交易主要有[5]：
（1）固定价格（Fixed price）。传统的网上商店，其商品来自一家零售商。
（2）拍卖机构（Auction houses）。消费者可以对一些项目进行投标（如，易趣）。
（3）信息媒体库（Infomediaries）。把几个商店或制造商的商品集中到一个大的框架体系下。并不直接零售商品，而是提供商品相关信息，其服务链由其他一些确立良好的网上商店组成，其功能相当于搜索引擎。（如，www.Chemdex.com）
（4）混合商店（Hybrid stores）。既零售商品，也是一个信息媒体库（如，卓越）。
因此，在设计电子商务工具时，必须考虑特定的交易类型和信息呈现方式。网络是由用户驱动（user-driven）的，交流的开始和中止，都是由用户决定的——只需要点击一下鼠标即可，而用户在进行购物时，通常并没有明确的购物目的。因此，一个设计良好的决策支持系统必须适应买方和卖方双方的需要，其信息的组织与交互要与用户的内在认知活动相一致[6]。