電商類APP開發中如何做(zuò)商品推薦

 

在電商類的(de)APP中，經常會有一些猜你喜歡類似的(de)功能。這(zhè)些推薦規則是如何設計的(de)呢(ne)。推薦不是預測，推薦是有依據的(de)，預測是扯淡的(de)。今天本文來(lái)談兩種“推薦”。

先說一說豆瓣，當我在豆瓣上看了(le)一大(dà)堆書(shū)評和(hé)影(yǐng)評後發現以後想看什(shén)麽“似乎豆瓣已經知道了(le)”。因爲在它的(de)首頁上已經顯示出“猜你喜歡”，而且非常精準。
我們用(yòng)c#實現“猜你喜歡”算(suàn)法，于是各種餘弦相似性、修正的(de)餘弦相似性、協同過濾算(suàn)法被我實現了(le)一遍,并用(yòng)在了(le)公司某電商APP開發項目中。
關于餘弦相似性：
如果不明(míng)白這(zhè)個(gè)算(suàn)法的(de)人(rén)，我們可(kě)以理(lǐ)解爲向量夾角。每一個(gè)向量就是每一個(gè)人(rén)對(duì)某個(gè)事物(wù)的(de)喜好程度和(hé)打分(fēn)，向量之間的(de)夾角越小說明(míng)你和(hé)某人(rén)相似度越高(gāo)。通(tōng)過這(zhè)個(gè)基本原理(lǐ)，隻要你對(duì)某個(gè)商品進行了(le)打分(fēn)，那麽我立馬可(kě)以找出和(hé)你興趣愛(ài)好很類似的(de)用(yòng)戶，于是我會把他(tā)們的(de)興趣愛(ài)好商品推薦給你。理(lǐ)論上講，能夠中你的(de)興趣度很高(gāo)。

這(zhè)種推薦來(lái)自于大(dà)數據的(de)挖掘。樣本數據越大(dà)結果越精準。不光(guāng)是電商，信息類門戶如微博都會使用(yòng)類似這(zhè)種算(suàn)法思路實現推薦。譬如你經常會在微博上看到“可(kě)能你感興趣的(de)人(rén)“，我大(dà)緻看了(le)看，确實命中率在60%以上。

再來(lái)看一下(xià)朋友圈的(de)推薦，微信的(de)到來(lái)讓我們欣喜若狂，其朋友圈很是讓人(rén)耳目一新。大(dà)約有那麽幾周時(shí)間，我天天能看到微信朋友圈裏分(fēn)享技術、互聯網新聞、涉yellow段子、各種節操商品購(gòu)物(wù)推薦、各種養生知識。
其實，這(zhè)叫“被動推薦“，不需要任何算(suàn)法。凡是”朋友“推薦的(de)東西總能讓你感覺”可(kě)能會很美(měi)好“。
事實上時(shí)間久了(le)我發現：
　　1、技術知識由于格式問題，在微信裏看根本不适合
　　2、互聯網新聞還(hái)不如看微博
　　3、涉yellow段子都是看了(le)無數遍的(de)重複段子
　　4、商品購(gòu)物(wù)推薦基本要麽是爛貨要麽是吭貨，還(hái)有誘導點贊
　　5、養生知識很多(duō)都是假的(de)。

于是，我在微信中把一些“無節操、無腦(nǎo)”推薦的(de)好友給屏蔽了(le)。因爲，有些東西我不需要他(tā)們的(de)推薦。逐漸開悟的(de)民衆也(yě)許已經能自己“判斷是非”了(le)。

這(zhè)種推薦無節操、很暴力。不可(kě)否認的(de)是興趣愛(ài)好類似的(de)小衆群體中進行的(de)“推薦”，轉化(huà)率很高(gāo)。隻不過持久性不足，其效果太容易大(dà)起大(dà)落。