Abstract To leverage information sharing in online social networks, online retailers (e-tailers) have launched social networking functions on their platforms. The objective of e-tailers’ social networks is to empower consumers to connect and share product information. However, the e-tailers have not used these social networks to provide product recommendations to customers. Our goal is to aid e-retailers in personalizing recommendations for customers using their friends’ (referrers’) preferences. Our approach involves: (a) mapping the referrers’ online behaviors into a set of pairwise comparisons, and use additive value functions to model their preferences, (b) defining the degree of contextual trust of a customer towards a referrer to differentiate the roles of referrers, (c) proposing a clustering algorithm to capture referrers’ heterogeneous preferences, and (d) aggregating preference information for referrers within the same subgroup to obtain diversified recommendations. On a broader note, this study illustrates how online information (i.e., preference expressions of referrers, social ties between a consumer and referrers) from an e-tailer’s social network can be mined and incorporated into a decision-aiding approach to generate tailor-made recommendations for customers. Finally, we illustrate the proposed approach to with a numerical case study.

中文翻译：

---

一种整合社会联系以支持购买决策的多标准方法

摘要 为了利用在线社交网络中的信息共享，在线零售商（电子零售商）在其平台上推出了社交网络功能。电子零售商社交网络的目标是让消费者能够连接和共享产品信息。然而，电子零售商并没有使用这些社交网络向客户提供产品推荐。我们的目标是帮助电子零售商使用他们朋友（推荐人）的偏好为客户提供个性化推荐。我们的方法包括：(a) 将推荐人的在线行为映射到一组成对比较中，并使用附加价值函数来模拟他们的偏好，(b) 定义客户对推荐人的上下文信任程度，以区分推荐人，(c) 提出一种聚类算法来捕获推荐人的异类偏好，以及 (d) 聚合同一子组内推荐人的偏好信息以获得多样化的推荐。从更广泛的角度来看，这项研究说明了如何从电子零售商的社交网络中挖掘在线信息（即推荐人的偏好表达、消费者和推荐人之间的社会联系）并将其纳入决策辅助方法以生成量身定制的给客户的建议。最后，我们通过一个数值案例研究来说明所提出的方法。消费者和推荐人之间的社交关系）可以从电子零售商的社交网络中挖掘出来，并将其整合到决策辅助方法中，从而为客户生成量身定制的推荐。最后，我们通过一个数值案例研究来说明所提出的方法。消费者和推荐人之间的社交关系）可以从电子零售商的社交网络中挖掘出来，并将其整合到决策辅助方法中，从而为客户生成量身定制的推荐。最后，我们通过一个数值案例研究来说明所提出的方法。