您的當前位置： 首頁(yè) > 微信開(kāi)發(fā)
發(fā)布時(shí)間：2026-05-05 10:54:19 瀏覽：61 次
本文作者從日常生活實(shí)踐出發(fā)，ヽ(′▽?zhuān)?/何做好電對什么是商推個(gè)性推薦、個(gè)性推薦的薦系究價(jià)值、個(gè)性化推薦策略如何制定以及評估等進(jìn)行了梳理分析，度進(jìn)并從10個(gè)維度進(jìn)行了探究，行探與大家分享。何做好電
“嘀嘀嘀…嘀嘀嘀…嘀嘀嘀…”
不知不覺(jué)一天過(guò)去了，睡前閱讀豆瓣推薦的《百年孤獨》，不久便睡了…
那么，什么是個(gè)性化推薦？為什么要有個(gè)性化推薦？它能給我們帶來(lái)什么？…
下面我(wo)們就以電商領(lǐng)域的個(gè)性化推薦，從以下幾個(gè)維度來(lái)揭開(kāi)它的神秘面紗。
個(gè)(ge)性化推薦的定義個(gè)性化推薦的產(chǎn)生背景個(gè)性化推薦的價(jià)值適合做個(gè)性化推薦的產(chǎn)品推薦的系統搭建過(guò)程個(gè)性化推薦策略方法論個(gè)性化推薦效果評估??體系個(gè)性化推薦發(fā)展阻礙個(gè)性化推薦發(fā)展趨勢總結一、個(gè)性化推薦的定義個(gè)性化推薦的產(chǎn)生，主要是由需求和技術(shù)發(fā)展推動(dòng)的。
需求方面：
信息過(guò)載，用戶(hù)找到匹配自(zi)己的商品比較困難隨著(zhù)生活水平提(ti)高，人們的需要也從低級的需求上升到更多的高級、享受性、能展示自我的個(gè)性化的需??求。人口紅利消失，企(′?ω?`)業(yè)的增長(cháng)已從增(′_｀)量增長(cháng)過(guò)渡???到存量(liang)增長(cháng)，繼續提升存量的轉(zhuan)化效率。技術(shù)方(′▽?zhuān)?)面：
算法能力得到提升算力有大??幅度提升數據趁指數級增長(cháng)三、個(gè)性化推薦的價(jià)值個(gè)性化(hua)推薦ヽ(′▽?zhuān)?ノ的價(jià)值體現在以下??三個(gè)方面：
（1）用戶(hù)維度：提升購物效率，更快的找到滿(mǎn)足需(xu)求、喜好的商品(′▽?zhuān)?，縮短與商品之間的距離。
（2）產(chǎn)品維度：
滿(mǎn)足用戶(hù)的個(gè)性化的需求┐(′ー｀)┌，博得用戶(hù)好感，???提升用戶(hù)體驗，┐(′д｀)┌提升留存轉化與復ヽ(′ー｀)ノ購。解決信息過(guò)載的ヾ(′▽?zhuān)??問(wèn)題，提升信息分發(fā)效率，挖掘長(cháng)尾商品，實(shí)??現平臺商品流量均衡。（3）企業(yè)維度：用戶(hù)活躍度提升、復購提升，可以吸引更多賣(mài)家入駐，提升廣告和傭金收入。
四、適合上線(xiàn)推薦系統的產(chǎn)品推薦系統的價(jià)值是解決信息過(guò)載或者解決長(cháng)尾物品分發(fā)。這里有一個(gè)前提，ヽ(′▽?zhuān)?ノ就是物品數量和用戶(hù)數量要達到一定的基數，才能凸顯出個(gè)性化推薦的優(yōu)勢。不同類(lèi)型、不同階段的產(chǎn)品，物品和用戶(hù)的量都不一樣。
產(chǎn)品類(lèi)型：純工具類(lèi)的，如日程清單工具，產(chǎn)品定位是用完即走，有用戶(hù)無(wú)物品，則無(wú)需上推薦；而資訊、短視頻、電商等有大量用戶(hù)和內容的產(chǎn)品，則有上推薦價(jià)值。
產(chǎn)品階段：早期階段，用戶(hù)量和物品量較少，或用戶(hù)行為很少，就暫時(shí)沒(méi)必要上。即便上了個(gè)性化推薦系統也并不能很好體現出其最大價(jià)值，很多時(shí)候不如對業(yè)務(wù)和用戶(hù)了解清楚，使用專(zhuān)(zhuan)家規則效果更好。
五、推薦系統的搭建階段個(gè)性化推薦系統的搭建工作基本上由工程人員完成，且系統搭建流程(′?ω?`)相對而言較為復雜，這里因篇幅的問(wèn)題就不暫開(kāi)說(shuō)明，感興趣的同學(xué)可以移步閱讀京東商品個(gè)性化推薦系統架構演進(jìn)，里面做了較為詳細的介紹。
六、個(gè)性化推薦策略方法論接下來(lái)就以電商移動(dòng)端首頁(yè)“猜你喜歡”場(chǎng)景來(lái)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(gè)方向：
心理訴求場(chǎng)景目標業(yè)務(wù)述求第一個(gè)點(diǎn)，(O_O)要知道用戶(hù)的心理訴求
即用戶(hù)在該場(chǎng)景下需要什么，怎么做？可以通過(guò)用戶(hù)在終端??上的行??為分析得出，用戶(hù)訪(fǎng)問(wèn)??該推薦場(chǎng)景時(shí)，可以根據其當天的行為軌跡判斷用戶(hù)當時(shí)的心理訴求。
在當天內，本次訪(fǎng)問(wèn)之前對商品有過(guò)行為，則認為用戶(hù)有較急迫、明確的購物需求在(′?ω?`)當天內，本次訪(fǎng)問(wèn)為首??次訪(fǎng)問(wèn)，則認為用戶(hù)??無(wú)急迫、明確購物??需求，但想找到感興趣商品第二??個(gè)點(diǎn)，明??確場(chǎng)景目標
知道(dao)了用戶(hù)的心理訴求，那么我們的場(chǎng)景目標就是滿(mǎn)足用戶(hù)的心??理訴求：既要滿(mǎn)足用戶(hù)急迫的(de)、明(′?｀*)確的(de)需求，又要挖掘并滿(mǎn)足用戶(hù)潛在的需求。
第三點(diǎn)，業(yè)務(wù)述求
一個(gè)良??好(?_?;)的個(gè)性化推薦系統，除了要滿(mǎn)足用戶(hù)??的需求以外，還要能幫助平臺帶來(lái)業(yè)績(jì)增長(cháng)，提升流(???)量健康度。所以推薦系統在制定策略時(shí)，需要兼??容業(yè)務(wù)的運營(yíng)策略，比如對優(yōu)質(zhì)商品、新款爆品、低爆高轉等商??品進(jìn)行排序提權，而對低爆高轉、高庫齡呆滯、N天無(wú)動(dòng)銷(xiāo)、發(fā)季節等商品進(jìn)行排序降權。
2. 策略制定詳細說(shuō)明??明確場(chǎng)景目標，便可以結合業(yè)務(wù)述求制定詳細的策略。
首先，我們要找到（召回）滿(mǎn)?足場(chǎng)景目標的商品。
為什么推薦行為過(guò)的商品的相似商品給用戶(hù)就能最大概率滿(mǎn)足用戶(hù)的需求呢？ 因為人每個(gè)行為都是有動(dòng)機的，動(dòng)機是找到滿(mǎn)足需要的目標事物的驅動(dòng)力，行為商品就是目標事物，在??電商領(lǐng)域可以直接(jie)等同于用戶(hù)需要。
行為過(guò)的商品，但沒(méi)有下單購買(mǎi)??，說(shuō)明有部分屬性??不符合用戶(hù)需要，而找相似商品，則能最快的找到完全滿(mǎn)足用戶(hù)需要的商品，也就能最大概率的滿(mǎn)足用戶(hù)購物需求。
②對于不明確的、潛在的購物需求，我們可以通過(guò)推薦以下4個(gè)方面的商品來(lái)挖掘并滿(mǎn)足用戶(hù)的需??求。
興(T_T)趣偏好：通過(guò)算法模型利用用戶(hù)的歷史數據（如3個(gè)(???)月）計算用戶(hù)的興趣偏好，如類(lèi)目偏(′ω｀*)好、品牌偏好等，給用戶(hù)推薦偏好商品，挖掘出潛在需要，轉化為現實(shí)需要，實(shí)現需??要的滿(mǎn)足。相似人群：一個(gè)群體中熱銷(xiāo)的商品，反應出該群里都有相似的需求?？梢曰谟脩?hù)的ヾ(?■_■)ノ基本信息和行為特征找到相似人群，并找到其中的熱銷(xiāo)商品，為其推薦，能最大概率滿(mǎn)足其需要。場(chǎng)景相關(guān)：季節性、節ヾ(′?｀)?日相關(guān)的商品。如快中秋節了，用戶(hù)可能有購買(mǎi)月餅的需求，那么我們就給用戶(hù)推薦月餅。興趣探索：可利用知識圖譜等方式挖掘用戶(hù)可能感興趣的新商品。③對于業(yè)務(wù)述求，可以根據業(yè)務(wù)規則找出滿(mǎn)足要求的商品融入到推薦結果集中，或直接使用業(yè)務(wù)規則對結果集的商品進(jìn)行排序微調。
商品排序一般是由設定目標的模型自我學(xué)習得到，不過(guò)產(chǎn)品經(jīng)理可以根據用戶(hù)需求的緊迫程度、偏好程度來(lái)制定大概的排序策略，主要體現在特征的??定性要求上。
比如說(shuō)，加購行為權重大于點(diǎn)擊行為權重，最近行為權重大于一段時(shí)(╯°□°）╯︵ ┻━┻間之前行為的權重等等。不同??場(chǎng)景下使用的特征不同，特(′?ω?`)征權重也可能不一樣，具體情況具體分析。
以上就是詳細策略制(zhi)定的思路，無(wú)論哪個(gè)場(chǎng)景都好，都基本上遵循上述3個(gè)方向指定策(ce)略。
七、個(gè)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，同時(shí)也(T_T)能給后面的優(yōu)化提供方向。不同時(shí)期的推薦系統側重的(de)評估指標不一樣，(?⊿?)以下是推薦系統較為全面的衡量指標。
1. 用戶(hù)維度精準度（( ?ヮ?)懂用戶(hù)，能滿(mǎn)足用戶(hù)現實(shí)需求和挖掘出潛在需求）體驗流暢、穩定、沉浸（良好體驗）可解釋性（提升用戶(hù)信任度）多樣性（避免信息繭房，提升體驗）驚喜度（興趣探索）2. 業(yè)務(wù)維度業(yè)務(wù)指標（CTR、GMV、留存率、瀏覽深度等）可擴展性強（兼容各種運營(yíng)策略）挖掘長(cháng)尾商品，實(shí)現曝光均衡賦能周邊系統，實(shí)現業(yè)績(jì)增長(cháng)八、個(gè)性化推薦的發(fā)展阻礙雖然說(shuō)推薦系統已經(jīng)很大程度緩解了信息過(guò)載的問(wèn)題，滿(mǎn)足用戶(hù)的個(gè)性化需求，但是目前仍有部分問(wèn)題阻礙??著(zhù)推薦系統的發(fā)展，比如說(shuō)隨著(zhù)??(zhe)用戶(hù)對隱私的重視，數據獲取難度加大，新用戶(hù)推薦不精??準，信息繭房等，而這(′_｀)些問(wèn)題，短期內還沒(méi)有一個(gè)較好的方法完全解決。
九、個(gè)性化推薦的發(fā)(fa)展趨勢根據目前的技術(shù)?發(fā)展以及對人腦認知程度來(lái)說(shuō)，推薦系統短期內比較難做到革命性的創(chuàng )新，??所以推薦在短期內更多的發(fā)展重點(diǎn)會(huì )方向場(chǎng)景融合（富媒體(╯°□°)╯混合推薦(′ω｀)）、數據跨平臺打通、興趣模型探索等這些方向。
而從長(cháng)期來(lái)看，隨著(zhù)心理學(xué)、腦神經(jīng)學(xué)、算力算法、物聯(lián)網(wǎng)的發(fā)展為推薦系統賦能，使得推薦系統能跨越手機、PC等單一終端，在更多終端同步，實(shí)現人們在全場(chǎng)景下，適當的時(shí)間、適當的地方，給用戶(hù)提供滿(mǎn)足其需要的東西，這也應該是推薦系統的最終理想態(tài)吧。
十、總(zong)結總體而言，個(gè)性化(′_｀)推薦系統在當前流量紅利消失殆盡的情況下，已經(jīng)成為各個(gè)產(chǎn)品留存和增長(cháng)的一大利器。不過(guò)也如上所說(shuō)，目前遇到的(de)瓶頸也比較大，不過(guò)相信后面隨著(zhù)技術(shù)和基礎科學(xué)ヽ(′ー｀)ノ的發(fā)展，個(gè)性化推薦系統比現在更智能，??更懂用戶(hù)。
