個性化推薦系列之初步認識推薦系統

-------------------------------------------------------------------------------------------

由於前面一直在天貓搜索macbookpro，也順便搜索了一些其他的東西，包括macbookpro的配件，在天貓上留下了很多搜索的信息；

有一段時間沒有打開天貓app，周末打開支付寶和天貓app，發現有很多各種推薦；基本是app內部（非店鋪詳情）所到之處都不例外；

-------------------------------------------------------------------------------------------

花幾分鐘搜索了一些其他的東西；發現搜索的次數越多，後面推薦的東西就會隨著搜索內容的變化而變化；

基本就是，打開天天貓，全部都是你想買的東西；而且，每個人的推薦內容都不一樣；這背後，其實就是天貓推薦系統的支持；

-------------------------------------------------------------------------------------------

前面剛好我們也在打算搞個性化推薦，深入了解一下；下午特地找了幾家線下商場做一次實驗，驗證一些想法；

其實線上的個性化推薦就是為了提升用戶找到心儀產品的效率，從而快速做決定產生購買，提升入袋率；

-------------------------------------------------------------------------------------------

線上的場景基本都是從線下翻譯過來的；我們看一下線下的推薦場景是怎麼樣的：

我們以電子產品筆記本電腦為例，一個人走進店裡，導購員需要了解用戶的使用需求，打遊戲還是辦公；品牌偏好，聯想還是華碩還是蘋果，之前是在用什麼電腦；消費能力，預算一萬還是七千；使用習慣，移動辦公還是固定辦公；等等個人信息，然後給出最符合用戶的商品推薦；

-------------------------------------------------------------------------------------------

1、仔細思考導購員的套路，我們從電商角度做一下導購推薦場景還原：

1）、需要了解用戶的信息，知道的用戶的屬性類型；

2）、需要了解所有商品的信息；

3）、通過經驗或者知識沉澱，知道什麼類型的用戶適合什麼類型的商品；

在以上基礎之上，給來訪用戶進行商品推薦；

-------------------------------------------------------------------------------------------

2、總結下來線下導購員的推薦其實就是三個部分：

1）、將用戶的信息（歷史記錄、會員屬性）轉化為用戶的類型；

2）、了解所有商品應該歸屬的類型；

3）、了解什麼類型的用戶，適合什麼類型的商品；

回歸線上，其實也是這麼個套路；所以推薦系統就是這麼樣一個邏輯；

-------------------------------------------------------------------------------------------

3、結合電商購物場景，總結一下推薦系統四種推薦基礎模式：

1）、看過還看過；2）、看過還買過；3）、買過還看過；4）、買過還買過；

基本上電商所有推薦系統都是結合這四種模式進行的系統智能推薦；
推薦閱讀：