解讀京東系統之個性化

關注：47 發布時間：2021-12-21 19:36:01

專業人員表示完善的推薦系統一般由四部分組成，按照收集 → 分析 → 推薦的步驟，收集用戶信息的用戶行為記錄模塊、分析用戶喜好的分析模型模塊、分析商品特征的商品分析模塊和推薦算法模塊。

京東推薦系統

用戶行為記錄模塊負責搜集能反映用戶喜好的行為，例如瀏覽、購買、評論、京東問答等;用戶行為分析模塊通過用戶的行為記錄，分析用戶對商品的潛在喜好及喜歡程度，建立用戶偏好模型;商品分析模塊主要對商品進行商品相似度、商品搭配度、目標用戶標簽進行分析;推薦算法根據一定的規則從備選商品集合中篩選出目標用戶比較可能感興趣的商品進行推薦。

用戶畫像是根據用戶特征(性別、年紀、地域等)、消費行為習慣(瀏覽、購買、評論、問答等)等信息進行抽象化，建立標簽化的用戶模型。構建用戶畫像的核心工作即是給用戶貼“標簽”，而標簽是通過對用戶行為記錄分析而來的高度精煉的特征標識。推薦系統的難點，其中很大一部分就在于用戶畫像的積累過程極其艱難。

其次用戶畫像與業務本身密切相關。在用戶標簽足夠豐富并且多的時候，就可以對用戶聚類，例如用a/b/c/d等四種典型用戶畫像來代表商城的目標用戶，還可以將新用戶進行歸類這些典型用戶畫像中。

商品分析模塊主要根據商品的類目品牌、商品屬性、產品評論、庫存、銷售記錄、訂單數據、瀏覽收藏、價格等數據來分析商品相似度、商品搭配度(可人工調整)，并且對商品貼上目標用戶標簽。

用戶畫像、商品分析模塊的數據都是為推薦算法提供基礎數據。商品推薦的算法有很多種，需要根據推薦結果反饋，不斷優化模型。有時候還需要考慮人工因素的權重，例京東自營商品排在前面、評分高的店鋪優先推薦等。在推薦時，還用一些特殊推薦：購買此商品的顧客也同時購買、看過此商品后顧客購買的其他商品、經常一起購買的商品，都是基于商品進行的推薦。

如果完全按照用戶行為數據進行推薦，就會使得推薦結果的候選集永遠只在一個比較小的范圍內，在保證推薦結果相對準確的前提下，按照一定的策略，去逐漸拓寬推薦結果的范圍，給予推薦結果一定的多樣性。

京東推薦系統