第 1 章 推荐系统的时代背景

全文目录
原文

推荐系统存在必要性

流量利用

流量的四个特色: 稀缺性, 在流量红利退去以后, 部分市场近似零和游戏, 获取流量成本不断增长; 不肯定性, 引入用户后如何判断用户来到该网站的意图, 以便进一步针对性的营销活动, 知足用户需求并提升用户体验; 差别性, 基于用户个性, 所处情境不一样; 连通性, 影响流量的流转效率;

流量成本:

• 外部成本, 将用户从站外拉到站内所需成本, 即获客成本, 包括广告, SEO, SEM, 促销等;
• 内部成本, 流量引入站内后, 会占用其余页面的收益;

推荐解决搜索没法解决的问题:

1. 意图没法用搜索表达;
2. 用户处于一种逛的心态;
3. 用户意图不等于用户需求;

差别性 体如今购物意图不一样, 消费水平不一样, 品牌调性偏好不一样, 兴趣爱好不一样;

长尾挖掘

与二八原则相对立, 分歧在于 20% 的头部供给是否知足大部分人的需求;

长尾理论, 对资源进行最优的匹配和利用, 使各类资源的价值最大化;

用户体验

内容是一个网站的核心;

从用户主动获取信息的角度来看, 搜索和分类是获取内容的主要渠道;

基础体验, 作很差会骂你, 作好了也不会夸你;

推荐体验/增量体验, 作很差会莫名其妙, 作好了会有意外惊喜;

技术储备

拿来型技术, 从零开始上手的难度低;

积累型技术, 须要足够多的项目, 足够复杂的场景磨炼;

推荐的产品问题

推荐什么东西

能够推荐商品(最小粒度的内容), 运营活动, 促销活动, 搜索词(搜索提示);

非普适性特色的内容都可以作推荐;

为谁推荐

消费型用户, 生产型用户;

推荐系统的目的是把合适的内容匹配给合适的内容使用者;

推荐场景

用户当前所处的位置

用户的历史位置

马尔科夫链, 用户在网站上的一系列行为定义了他当前所处的场景, 所取的历史行为越多, 越能准确的描述和预测后面的状态;

NLP(天然语言处理)技术中的注意力机制, 在序列处理能力方面的强大能力;

适合推荐的场景:

• 当前场景存在流量浪费或潜在用户流失的可能性较大; 例如确认订单页和订单完成页面;
• 当前场景中的用户处于选择过程当中, 须要信息引导; 例如商详页;
• 用户在当前场景中具备较强的不肯定性; 例如首页推荐;

不适合推荐的场景:

• 支付过程页面;
• 搜索页和分类列表页的商品推荐;
• 功能性页面; 例如订单管理, 客服, 投诉等;

推荐解释

猜你喜欢, 较复杂算法综合计算获得, 没法给出具体解释;

模块级解释, 或细化到每个推荐结果中;