摘要：個性化推薦系統已成為各大電商向消費者提供個性化購物體驗的重要工具之一,通過推薦系統,商家可以提高收入和消費者滿意度。但傳統推薦系統通常只利用消費者在當前網站的歷史信息推薦個性化商品,無法獲得消費者在其他網站的數據來優化推薦效果。大數據時代,一些第三方公司抓住機遇,利用不同公司的多源大數據提供更好的個性化推薦服務。然而,這種新型的推薦系統對消費者購物行為的影響存在極大的未知性。探究基于多源大數據的個性化推薦系統對消費者購物行為的影響。為了建立推薦系統與消費者購物行為之間的因果關系,采用實地實驗有效地避免傳統研究方法存在的內生性問題,并具有較好的外部有效性。一方面,基于內部數據和外部數據構造解釋性變量,探究內部數據特征和外部數據特征與推薦效果之間的關系;另一方面,通過檢驗消費者特征與內外部數據的推薦效果間的交互效應,進一步分析外部數據和內部數據的推薦效果如何隨消費者的特征變化,幫助企業更好地利用多源大數據提升推薦效果。研究結果表明,基于內部數據的推薦系統能夠顯著提升消費者點擊個性化推薦商品的概率,可以降低消費者決策時間,激勵消費者瀏覽更多的商品。外部數據的推薦效果不僅與外部公司網站的用戶數量相關,也會受到外部網站與當前網站的關聯程度的影響。消費者特征對基于內部數據和外部數據的推薦效果起調節作用,如果消費者是當前網站的老用戶,利用該消費者在當前網站的內部數據提供個性化推薦的效果更佳。通過分析基于多源大數據的推薦效果對消費者購物行為的影響,進一步完善個性化推薦領域的理論框架。研究結果對如何利用多源數據構建更加有效的推薦系統具有重要指導價值,并為不同網站之間的數據共享機制提供重要的?