為用戶查找內(nèi)容節(jié)約時(shí)間的電商推薦系統(tǒng)的優(yōu)化

申請(qǐng)免費(fèi)試用、咨詢電話：400-8352-114

目前在各大電商、博客等網(wǎng)站中充斥著各種推薦版塊，以便幫助用戶更好的找到所需的商品、應(yīng)用和服務(wù)等。各大電商網(wǎng)站的數(shù)據(jù)已經(jīng)證明推薦系統(tǒng)的廣泛成功。其中亞馬遜的推薦系統(tǒng)最為引人注目，其網(wǎng)站推薦的銷售轉(zhuǎn)化率可以高達(dá)60%，其所推薦的商品絕非無(wú)的放矢。網(wǎng)站如何合理運(yùn)用推薦系統(tǒng)？這個(gè)需要先了解推薦系統(tǒng)的原理。

從現(xiàn)在的情況來(lái)看，目前較為領(lǐng)先的推薦系統(tǒng)都是通過(guò)協(xié)同過(guò)濾技術(shù)來(lái)實(shí)現(xiàn)的。協(xié)同過(guò)濾技術(shù)主要可分為：基于用戶的協(xié)同過(guò)濾、基于項(xiàng)目的協(xié)同過(guò)濾、基于模型的協(xié)同過(guò)濾。一個(gè)基于用戶的協(xié)同過(guò)濾過(guò)濾算法通常的做法是對(duì)一大群人進(jìn)行搜索，并從中找出與我們品位相近的一小群人。完成這些功能對(duì)網(wǎng)站產(chǎn)品設(shè)計(jì)人員來(lái)說(shuō)，需要做以下的幾件事情：

1、 搜集用戶偏好。要收集用戶偏好，需要設(shè)計(jì)一套獲取這些信息的方式，讓用戶來(lái)參與，一方面是通過(guò)用戶在網(wǎng)站中的瀏覽和操作分析用戶行為，另外一方面需要積極的用戶參與一些如評(píng)分等的內(nèi)容，獲取用戶偏好。無(wú)論何種方式都需要將這些內(nèi)容對(duì)應(yīng)到數(shù)字以形成相應(yīng)的數(shù)字集合。

2、 尋找相近的用戶。有了用戶偏好的數(shù)據(jù)我們需要通過(guò)一些統(tǒng)計(jì)算法和數(shù)據(jù)挖掘技術(shù)來(lái)確定用戶品位的相似程度，并與其他人進(jìn)行對(duì)比，得出相似度評(píng)價(jià)值。歐幾里德距離、皮爾遜相關(guān)度、余弦相似性、調(diào)整余弦相似性、Jaccard系數(shù)、曼哈頓距離算法等，這些算法各有所長(zhǎng)，需要根據(jù)具體的需要選取一種或多種進(jìn)行組合運(yùn)用。

3、 為評(píng)論者打分。通過(guò)上面的一系列準(zhǔn)備，在這一步就需要找到最接近的匹配結(jié)果，找到用戶的最近郊（品位相似的人群）。

4、 推薦物品。這是我們的最終目的，在上述的數(shù)據(jù)支撐下，我們可以向用戶推薦相似人群的需求或購(gòu)買的信息、提供意向商品或者推薦其他項(xiàng)目的內(nèi)容。

通過(guò)上面的簡(jiǎn)單描述，對(duì)推薦系統(tǒng)可以有一個(gè)大概的印象，那么具體實(shí)施中需要注意的內(nèi)容也是很多。

1、搜集用戶信息，這一步需要對(duì)網(wǎng)站的數(shù)據(jù)統(tǒng)計(jì)和分析是很大的挑戰(zhàn)，我們需要盡可能多的收集用戶的每一個(gè)行為，并引導(dǎo)用戶去操作對(duì)我們搜集信息有利的操作，并合理設(shè)置這些功能，避免用戶疲勞和反感。

2、數(shù)據(jù)庫(kù)及統(tǒng)計(jì)算法的運(yùn)用，合理的數(shù)據(jù)庫(kù)配置將尤為重要，數(shù)據(jù)的分析到位和準(zhǔn)確將決定下方是否可以繼續(xù)和有效的執(zhí)行。

3、推薦商品和服務(wù)時(shí)，此處可操作性很大，一方面通過(guò)程序進(jìn)行，一方面需要人工干預(yù)（亞馬遜仍然有大量的人工推薦）。通過(guò)這些在網(wǎng)頁(yè)上進(jìn)行，另外可以更具上面的數(shù)據(jù)，展開(kāi)其他方式的推薦，如郵件、短信等等。郵件的推送在這里也是尤為重要，不可忽視。

通過(guò)推薦系統(tǒng)引入，為用戶查找內(nèi)容節(jié)約時(shí)間，并精準(zhǔn)投放，用戶能盡快的找到所需的內(nèi)容或商品，購(gòu)買欲望會(huì)持續(xù)進(jìn)行，一些細(xì)節(jié)的優(yōu)化會(huì)對(duì)網(wǎng)站的轉(zhuǎn)化率提高帶來(lái)更多意想不到的提升。