10個維度,聊聊電商個性化推薦系統(tǒng)

文作者從日常生活實踐出發(fā)瞎抛,對什么是個性推薦艺演、個性推薦的價值、個性化推薦策略如何制定以及評估等進行了梳理分析桐臊,并從10個維度進行了探究胎撤,與大家分享。

“嘀嘀嘀…嘀嘀嘀…嘀嘀嘀…”

每天都從前一天Siri根據我作息習慣設置好的鬧鈴中起床断凶,洗漱完出發(fā)去上班伤提,在路上聽著網易云推薦的歌曲,喚起一天的好心情认烁。

工作中的閑暇時間肿男,打開了大麥看看最近的活動,在首頁就發(fā)現(xiàn)了感興趣的電音節(jié)活動却嗡,趕緊買下了票舶沛。

吃完午飯打開淘寶查看之前買的閃光燈物流信息,發(fā)現(xiàn)首頁推薦的“ND濾鏡”不錯窗价,下單了如庭。

不知不覺一天過去了,睡前閱讀豆瓣推薦的《百年孤獨》撼港,不久便睡了…

這是我日常生活中的一天坪它,里面的產品影響著我的生活,而其中個性化推薦在其中扮演著重要的角色帝牡。

那么往毡,什么是個性化推薦?為什么要有個性化推薦否灾?它能給我們帶來什么卖擅?…

下面我們就以電商領域的個性化推薦,從以下幾個維度來揭開它的神秘面紗。

個性化推薦的定義

個性化推薦的產生背景

個性化推薦的價值

適合做個性化推薦的產品

推薦的系統(tǒng)搭建過程

個性化推薦策略方法論

個性化推薦效果評估體系

個性化推薦發(fā)展阻礙

個性化推薦發(fā)展趨勢

總結

一惩阶、個性化推薦的定義

個性化推薦挎狸,本質上是在用戶購物意圖不明確的情況下,利用機器學習(深度學習)結合用戶特征断楷、物品特征和場景特征(時間锨匆、空間等)來構建用戶興趣模型,從海量的商品中找到用戶感興趣商品冬筒,縮短用戶到商品的距離恐锣,提升用戶購買效率和產品體驗。

二舞痰、個性化推薦的產生背景

個性化推薦的產生土榴,主要是由需求和技術發(fā)展推動的。

需求方面

信息過載响牛,用戶找到匹配自己的商品比較困難

隨著生活水平提高玷禽,人們的需要也從低級的需求上升到更多的高級、享受性呀打、能展示自我的個性化的需求矢赁。

人口紅利消失,企業(yè)的增長已從增量增長過渡到存量增長贬丛,繼續(xù)提升存量的轉化效率撩银。

技術方面

算法能力得到提升

算力有大幅度提升

數(shù)據趁指數(shù)級增長

三、個性化推薦的價值

個性化推薦的價值體現(xiàn)在以下三個方面:

(1)用戶維度:提升購物效率豺憔,更快的找到滿足需求额获、喜好的商品,縮短與商品之間的距離焕阿。

(2)產品維度:

滿足用戶的個性化的需求咪啡,博得用戶好感,提升用戶體驗暮屡,提升留存轉化與復購撤摸。

解決信息過載的問題,提升信息分發(fā)效率褒纲,挖掘長尾商品准夷,實現(xiàn)平臺商品流量均衡。

(3)企業(yè)維度:用戶活躍度提升莺掠、復購提升衫嵌,可以吸引更多賣家入駐,提升廣告和傭金收入彻秆。

四楔绞、適合上線推薦系統(tǒng)的產品

推薦系統(tǒng)的價值是解決信息過載或者解決長尾物品分發(fā)结闸。這里有一個前提,就是物品數(shù)量和用戶數(shù)量要達到一定的基數(shù)酒朵,才能凸顯出個性化推薦的優(yōu)勢桦锄。不同類型、不同階段的產品蔫耽,物品和用戶的量都不一樣结耀。

產品類型:純工具類的,如日程清單工具匙铡,產品定位是用完即走图甜,有用戶無物品,則無需上推薦鳖眼;而資訊黑毅、短視頻、電商等有大量用戶和內容的產品具帮,則有上推薦價值博肋。

產品階段:早期階段低斋,用戶量和物品量較少蜂厅,或用戶行為很少,就暫時沒必要上膊畴。即便上了個性化推薦系統(tǒng)也并不能很好體現(xiàn)出其最大價值掘猿,很多時候不如對業(yè)務和用戶了解清楚,使用專家規(guī)則效果更好唇跨。

五稠通、推薦系統(tǒng)的搭建階段

個性化推薦系統(tǒng)的搭建工作基本上由工程人員完成,且系統(tǒng)搭建流程相對而言較為復雜买猖,這里因篇幅的問題就不暫開說明改橘,感興趣的同學可以移步閱讀京東商品個性化推薦系統(tǒng)架構演進,里面做了較為詳細的介紹玉控。

六飞主、個性化推薦策略方法論

接下來就以電商移動端首頁“猜你喜歡”場景來介紹推薦策略的制定。

1. 策略制定的思考方向

推薦策略的制定基本遵循以下3個方向:

心理訴求

場景目標

業(yè)務述求

第一個點高诺,要知道用戶的心理訴求

即用戶在該場景下需要什么碌识,怎么做?可以通過用戶在終端上的行為分析得出虱而,用戶訪問該推薦場景時筏餐,可以根據其當天的行為軌跡判斷用戶當時的心理訴求。

在當天內牡拇,本次訪問之前對商品有過行為魁瞪,則認為用戶有較急迫穆律、明確的購物需求

在當天內,本次訪問為首次訪問导俘,則認為用戶無急迫众旗、明確購物需求,但想找到感興趣商品

第二個點趟畏,明確場景目標

知道了用戶的心理訴求贡歧,那么我們的場景目標就是滿足用戶的心理訴求:既要滿足用戶急迫的、明確的需求赋秀,又要挖掘并滿足用戶潛在的需求利朵。

第三點,業(yè)務述求

一個良好的個性化推薦系統(tǒng)猎莲,除了要滿足用戶的需求以外绍弟,還要能幫助平臺帶來業(yè)績增長,提升流量健康度著洼。所以推薦系統(tǒng)在制定策略時樟遣,需要兼容業(yè)務的運營策略,比如對優(yōu)質商品身笤、新款爆品豹悬、低爆高轉等商品進行排序提權,而對低爆高轉液荸、高庫齡呆滯瞻佛、N天無動銷、發(fā)季節(jié)等商品進行排序降權娇钱。

2. 策略制定詳細說明

明確場景目標伤柄,便可以結合業(yè)務述求制定詳細的策略。

首先文搂,我們要找到(召回)滿足場景目標的商品适刀。

①對于急迫明確的購物需求,給用戶推薦其行為過的商品的相似商品煤蹭,以滿足其急迫的明確購物訴求笔喉。

為什么推薦行為過的商品的相似商品給用戶就能最大概率滿足用戶的需求呢? 因為人每個行為都是有動機的疯兼,動機是找到滿足需要的目標事物的驅動力然遏,行為商品就是目標事物,在電商領域可以直接等同于用戶需要吧彪。

行為過的商品待侵,但沒有下單購買,說明有部分屬性不符合用戶需要姨裸,而找相似商品秧倾,則能最快的找到完全滿足用戶需要的商品怨酝,也就能最大概率的滿足用戶購物需求。

②對于不明確的那先、潛在的購物需求农猬,我們可以通過推薦以下4個方面的商品來挖掘并滿足用戶的需求。

興趣偏好:通過算法模型利用用戶的歷史數(shù)據(如3個月)計算用戶的興趣偏好售淡,如類目偏好斤葱、品牌偏好等,給用戶推薦偏好商品揖闸,挖掘出潛在需要揍堕,轉化為現(xiàn)實需要,實現(xiàn)需要的滿足汤纸。

相似人群:一個群體中熱銷的商品衩茸,反應出該群里都有相似的需求≈ⅲ可以基于用戶的基本信息和行為特征找到相似人群楞慈,并找到其中的熱銷商品,為其推薦啃擦,能最大概率滿足其需要囊蓝。

場景相關:季節(jié)性、節(jié)日相關的商品议惰。如快中秋節(jié)了慎颗,用戶可能有購買月餅的需求,那么我們就給用戶推薦月餅言询。

興趣探索:可利用知識圖譜等方式挖掘用戶可能感興趣的新商品。

③對于業(yè)務述求傲宜,可以根據業(yè)務規(guī)則找出滿足要求的商品融入到推薦結果集中运杭,或直接使用業(yè)務規(guī)則對結果集的商品進行排序微調。

找到滿足場景目標的商品后函卒,就對這些商品進行排序展示辆憔。

商品排序一般是由設定目標的模型自我學習得到,不過產品經理可以根據用戶需求的緊迫程度报嵌、偏好程度來制定大概的排序策略虱咧,主要體現(xiàn)在特征的定性要求上。

比如說锚国,加購行為權重大于點擊行為權重腕巡,最近行為權重大于一段時間之前行為的權重等等。不同場景下使用的特征不同血筑,特征權重也可能不一樣绘沉,具體情況具體分析煎楣。

以上就是詳細策略制定的思路,無論哪個場景都好车伞,都基本上遵循上述3個方向指定策略择懂。

七、個性化推薦效果評估體系

良好的效果評估體系技能判斷出策略是否能達到目標另玖,同時也能給后面的優(yōu)化提供方向困曙。不同時期的推薦系統(tǒng)側重的評估指標不一樣,以下是推薦系統(tǒng)較為全面的衡量指標谦去。

1. 用戶維度

精準度(懂用戶赂弓,能滿足用戶現(xiàn)實需求和挖掘出潛在需求)

體驗流暢、穩(wěn)定哪轿、沉浸(良好體驗)

可解釋性(提升用戶信任度)

多樣性(避免信息繭房盈魁,提升體驗)

驚喜度(興趣探索)

2. 業(yè)務維度

業(yè)務指標(CTR、GMV窃诉、留存率杨耙、瀏覽深度等)

可擴展性強(兼容各種運營策略)

挖掘長尾商品,實現(xiàn)曝光均衡

賦能周邊系統(tǒng)飘痛,實現(xiàn)業(yè)績增長

八珊膜、個性化推薦的發(fā)展阻礙

雖然說推薦系統(tǒng)已經很大程度緩解了信息過載的問題,滿足用戶的個性化需求宣脉,但是目前仍有部分問題阻礙著推薦系統(tǒng)的發(fā)展车柠,比如說隨著用戶對隱私的重視,數(shù)據獲取難度加大塑猖,新用戶推薦不精準竹祷,信息繭房等,而這些問題羊苟,短期內還沒有一個較好的方法完全解決塑陵。

九、個性化推薦的發(fā)展趨勢

根據目前的技術發(fā)展以及對人腦認知程度來說蜡励,推薦系統(tǒng)短期內比較難做到革命性的創(chuàng)新令花,所以推薦在短期內更多的發(fā)展重點會方向場景融合(富媒體混合推薦)、數(shù)據跨平臺打通凉倚、興趣模型探索等這些方向兼都。

而從長期來看,隨著心理學稽寒、腦神經學扮碧、算力算法、物聯(lián)網的發(fā)展為推薦系統(tǒng)賦能瓦胎,使得推薦系統(tǒng)能跨越手機芬萍、PC等單一終端尤揣,在更多終端同步,實現(xiàn)人們在全場景下柬祠,適當?shù)臅r間北戏、適當?shù)牡胤剑o用戶提供滿足其需要的東西漫蛔,這也應該是推薦系統(tǒng)的最終理想態(tài)吧嗜愈。

十、總結

上面從產品的角度對推薦系統(tǒng)做了一個較為全面的介紹莽龟。

總體而言蠕嫁,個性化推薦系統(tǒng)在當前流量紅利消失殆盡的情況下,已經成為各個產品留存和增長的一大利器毯盈。不過也如上所說剃毒,目前遇到的瓶頸也比較大,不過相信后面隨著技術和基礎科學的發(fā)展搂赋,個性化推薦系統(tǒng)比現(xiàn)在更智能赘阀,更懂用戶。

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末脑奠,一起剝皮案震驚了整個濱河市基公,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌宋欺,老刑警劉巖轰豆,帶你破解...
    沈念sama閱讀 210,978評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異齿诞,居然都是意外死亡酸休,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,954評論 2 384
  • 文/潘曉璐 我一進店門掌挚,熙熙樓的掌柜王于貴愁眉苦臉地迎上來雨席,“玉大人,你說我怎么就攤上這事吠式。” “怎么了抽米?”我有些...
    開封第一講書人閱讀 156,623評論 0 345
  • 文/不壞的土叔 我叫張陵特占,是天一觀的道長。 經常有香客問我云茸,道長是目,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,324評論 1 282
  • 正文 為了忘掉前任标捺,我火速辦了婚禮懊纳,結果婚禮上揉抵,老公的妹妹穿的比我還像新娘。我一直安慰自己嗤疯,他們只是感情好冤今,可當我...
    茶點故事閱讀 65,390評論 5 384
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著茂缚,像睡著了一般戏罢。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上脚囊,一...
    開封第一講書人閱讀 49,741評論 1 289
  • 那天龟糕,我揣著相機與錄音,去河邊找鬼悔耘。 笑死讲岁,一個胖子當著我的面吹牛,可吹牛的內容都是我干的衬以。 我是一名探鬼主播缓艳,決...
    沈念sama閱讀 38,892評論 3 405
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼泄鹏!你這毒婦竟也來了郎任?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 37,655評論 0 266
  • 序言:老撾萬榮一對情侶失蹤备籽,失蹤者是張志新(化名)和其女友劉穎舶治,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體车猬,經...
    沈念sama閱讀 44,104評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡霉猛,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,451評論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了珠闰。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片惜浅。...
    茶點故事閱讀 38,569評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖伏嗜,靈堂內的尸體忽然破棺而出坛悉,到底是詐尸還是另有隱情,我是刑警寧澤承绸,帶...
    沈念sama閱讀 34,254評論 4 328
  • 正文 年R本政府宣布裸影,位于F島的核電站,受9級特大地震影響军熏,放射性物質發(fā)生泄漏轩猩。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,834評論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望均践。 院中可真熱鬧晤锹,春花似錦、人聲如沸彤委。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,725評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽葫慎。三九已至衔彻,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間偷办,已是汗流浹背艰额。 一陣腳步聲響...
    開封第一講書人閱讀 31,950評論 1 264
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留椒涯,地道東北人柄沮。 一個月前我還...
    沈念sama閱讀 46,260評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像废岂,于是被迫代替她去往敵國和親祖搓。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 43,446評論 2 348

推薦閱讀更多精彩內容