愛上街智能推薦公式：多重算法推薦+大數據

近年來，我國電子商務取得了卓越成果，隨著電商網站用戶數量和商品數量的增加，基于數據分析的推薦引擎成為影響用戶體驗以及電商平臺競爭力的重要因素。

眾所周知，解決信息過載的方式主要有類目導航、搜索、推薦等方式，但推薦不同于或優(yōu)于搜索的地方在于：搜索需要用戶知道自己需要什么，而推薦則可以做到幫助用戶發(fā)現自己需要什么或者讓你需要的信息主動找到你，而且更加個性化，甚至能做到“比你自己更了解你自己”。

以社交電商平臺愛上街為例，因商品種類眾多，同類商品更具有功能相似、風格相似等特點，用戶在購買時容易出現“信息迷航”的問題，而在算法框架基礎之上的智能推薦引擎則可以幫助用戶從海量商品中準確找到所需要的商品。

混合多重算法的設計 提高推薦準確度

作為一個電商平臺，愛上街的智能推薦并不是單純只采用了某一種推薦機制和策略，而是多種算法混合在一起，以求達到更好的推薦效果。

其中最經典的莫過于基于物品的協同過濾算法(IBCF)，即在推薦過程中預先計算好不同商品之間的相似度結果，然后把結果存在相似度表中，當推薦時進行表的查詢，可預測用戶可能的偏好值，從而進行推薦。顯然，協同過濾推薦算法的重要依據之一是用戶與商品之間豐富的行為數據，對用戶數據行為挖掘越深入、越準確，個人智能推薦將越精準。

基于內容的流行度算法是對協同過濾算法的有效補充，該算法將根據全網流行程度，以及用戶喜歡和關注過的Item，尋找在內容上類似的Item，推薦具有關聯性的類目。這種算法可以避免Item的冷啟動問題，即如果一個Item從沒有被關注過，其他推薦算法很少會進行推薦，但是基于內容的流行度推薦算法可以分析Item之間的關系，實現推薦。

除此之外，愛上街還同時運用了基于基礎知識的算法、隨機推薦算法等算法機制，將以上算法以加權或者串聯、并聯等方式混合，形成獨特的算法推薦系統，為平臺對用戶行為偏好的分析預測，提升用戶的精準化推薦起了良好的作用。

創(chuàng)造更豐富的數據體系 讓生態(tài)更加繁茂

事實上，無論算法如何多樣，根本推薦依據仍然是用戶的大量行為數據，如何通過技術挖掘更多數據，則是平臺的首要之事。

行為數據包括對商品或品類的點擊、收藏、下單等，用戶的長期興趣、短期興趣、實時興趣。興趣則主要有性別、品牌偏好、品類偏好、購買力水平、自營偏好、尺碼顏色偏好等。商品數據則包括商品的產品詞、修飾詞、品牌詞、質量分、價格、性別、年齡、標簽、屬性、詳情頁等。商品營銷數據則包括商品上架時間、是否主推、是否高毛利、是否自有品牌等營銷數據。這些數據不僅為用戶找到商品，也為商品找到用戶，實現人與貨的高效匹配提供了有效的推薦依據。

而在實際的數據搜集過程種，電商平臺則不僅會采用設置用戶行為系統這樣主動的獲取方式，也會利用機器學習技術識別圖片、文字這樣被動的獲取，這些方式無論是對平臺還是店鋪賣家來說，都是性價比高、可靠性高的方法，被廣泛運用在數據搜集過程中。

愛上街認為，挖掘數據帶來的好處具有普適性，有了數據作土壤，會讓整個電商平臺的生態(tài)更加繁茂。因此，作為一個電商平臺，應創(chuàng)造更豐富的數據體系，應用更多的關聯推薦，讓每一次的推薦更加精準智能，從而降低用戶的選擇成本，為用戶提供更好更高效的購買服務。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。