以手機淘寶為例的推薦算法淺析

在信息時代的今天，大數(shù)據(jù)為用戶獲取方方面面的信息提高了效率，更可以智能的幫助用戶從海量內(nèi)容中快速找到想要閱讀的信息，或者從海量商品中快速找到想要購買的商品。推薦引擎的發(fā)展讓選擇不明確的用戶更加了解她們的需求和喜好。下面以內(nèi)容產(chǎn)品和電商產(chǎn)品為例，談談推薦引擎在產(chǎn)品中發(fā)揮的巨大作用。

一、推薦引擎的分類

1.根據(jù)大眾行為的推薦引擎（對每個用戶給出相同的推薦）

內(nèi)容產(chǎn)品和電商產(chǎn)品設計中，主要采用引導用戶選擇為目的來進行功能規(guī)劃。以淘寶產(chǎn)品為例來說明這類產(chǎn)品設計

搜索：用戶針對性對想購買的商品名稱進行搜索，同時根據(jù)輔助關鍵詞特性標簽來縮小搜索范圍來展現(xiàn)最符合用戶喜好的商品。

分類：根據(jù)業(yè)務需求進行大分類幫助用戶尋找有趣的商品，或者根據(jù)商品分類來挑選活動商品。例如：淘搶購中按照時間和分類進行特價秒殺（12個整點秒殺時間段）；聚劃算中按照商品主題進行個性分類（非常大牌、每日必搶、全球精選等）

熱門：手淘中按照生活中熱門場景進行主題分類。展示用戶普遍感興趣的商品主題，如熱門市場（女王范兒、腔調(diào)、星范、網(wǎng)紅集合等）。基于用戶感興趣的話題進行商品分類增強了用戶身份認知，將人的興趣愛好和商品聯(lián)系起來賦予人格化。

二.個性化引擎推薦

1.根據(jù)用戶的口味和喜好給出更加精準的推薦，幫助用戶快速精準的找到想要購買的商品。

往往個性化推薦算法基于用戶的靜態(tài)信息和動態(tài)行為信息來全方位推薦。

靜態(tài)信息：性別、年齡、收入、購物時間、價格等

動態(tài)信息：搜索歷史、瀏覽記錄、購買記錄、物品評價記錄等

這些詳細的數(shù)據(jù)源形成有價值的用戶消費行為大數(shù)據(jù)，大數(shù)據(jù)基礎上建模應用提升了推薦效率，更加為平臺增加了粘性。

2.三類推薦機制

人口統(tǒng)計推薦：根據(jù)用戶基本信息發(fā)現(xiàn)用戶相關度（用戶畫像的模型）

簡單的根據(jù)系統(tǒng)用戶的基本信息發(fā)現(xiàn)用戶的相關程度，然后將相似用戶喜愛的其他物品推薦給當前用戶。淘寶目前有海量的用戶消費喜好數(shù)據(jù)，用戶群體的劃分比較容易推薦相似商品。但是淘寶推薦沒有融入社交朋友元素，往往只能復制商品鏈接到其他社交平臺進行商品共享從而形成口碑傳播，無法本平臺上社交朋友間傳播。

基于內(nèi)容的推薦：根據(jù)推薦物品或者內(nèi)容的元數(shù)據(jù)發(fā)現(xiàn)物品或者內(nèi)容相關性（內(nèi)容元數(shù)據(jù)建模）

根據(jù)推薦物品或內(nèi)容的元數(shù)據(jù)，發(fā)現(xiàn)物品或者內(nèi)容的相關性，然后基于用戶以往的喜好記錄，推薦給用戶相似的物品。

基于協(xié)同過濾的推薦

根據(jù)用戶對物品或者信息的偏好，發(fā)現(xiàn)內(nèi)容或者物品本身相關性、發(fā)現(xiàn)用戶的相關性

用戶協(xié)同過濾算法

基于物品的過濾算法

淘寶的混合推薦機制：采用多種推薦機制將結果分不同的區(qū)顯示給用戶

越來越多的朋友反映淘寶猜你喜歡推薦越來越精準了，實際上可以從以下幾個方面來分析：

1.打開手淘首頁時，手指下滑頁面時底部會自動提醒“猜猜你喜歡的寶貝”。猜你喜歡區(qū)域中，第一行基于人口統(tǒng)計的推薦，組織用戶喜歡的內(nèi)容專題進行推薦，并且可以實時更新，為用戶推薦四個不同的商品專題刺激用戶點擊。每個內(nèi)容專題使用俏皮時髦的短語和商品圖片來吸引眼球。

2.后面是兩列的單個寶貝推薦，基于物品協(xié)同過濾算法，根據(jù)用戶最近瀏覽的商品推薦相類似的商品，相關商品按照用戶歷史瀏覽購買時間向下推薦，非常容易找到大量瀏覽喜好的商品，節(jié)約了商品尋找時間，幫助用戶選擇喜歡的商品。

3.同時大量的商品按照用戶喜好的商品分類，從下到下進行精準交錯推薦，減少了用戶審美疲勞。