从0开始做电商推荐
来源:互联网 发布:大数据的定义和特点 编辑:程序博客网 时间:2024/05/01 08:11
今年一直在做关于电商推荐的业务
说到推荐,尤其是在现在大数据和人工智能的背景下,感觉一定要多用一些深度学习,机器学习的算法才是高大上。的确高大上,只是有时候如果需要快速拿出成果,产生效益,可能简单粗暴的方法更有效,也就是据业务需求和特点,制定一些规则,先让推荐跑起来。
虽然开始的时候可以不需要复杂的模型,但是数据一定要有。数据是基础,有了数据才有一切算法的可能;其次要有好的评价指标。各个位置的推荐的目的是为了提高点击率还是转换率,要事前有个好的标准,并能实时观察,根据指标调整策略。
推荐的数据不外乎商品的特征,用户的特征以及用户作用于商品的特征。其中商品特征和用户特征又可以分为基本属性特征和实时特征。基本特征主要依赖配置以及历史数据的统计,实时特征需要根据用户和商品的之间的行为实时更新
商品基本特征主要可以包括名称,价格,上线时间,配件,分类,标签等,以及统计特征如曝光,点击,收藏,加购,购买等次数,点击率、转换率,和根据协同过滤的原理统计出的共同浏览,共同购买等信息
用户基本特征,即用户画像可以根据用户一系列的购买行为推测,比如购买力,活跃度,对优惠的敏感度,以及用户标签如是否有车、有房、有小孩等,以及实时统计到的用户点击,加购等各种行为
用户-商品特征则是由上述两个特征进一步组合计算得来。
推荐的策略可以首先从简单的策略开始着手。
第一阶段,比如可以根据商品的热度进行推荐。对于每个用户,根据一定的比例推荐一组点击,点击率,转换率高的产品。并与之前的人工配置相比,看各项指标是否有所提升
第二阶段,可以考虑用户特征,根据用户近期行为,推荐用户点击过或者购买过的产品,进行个性化推荐
第三阶段,可以引入更多的维度,并利用简单的机器学习算法,将推荐转换为分类问题,进行预测
由此逐步提高各项指标
- 从0开始做电商推荐
- 从0开始做互联网推荐-以58转转为例
- 从0开始做互联网推荐-以58转转为例
- 从0开始做垂直O2O个性化推荐-以58到家美甲为例
- 从0开始
- 一起从0开始
- Java从0开始
- 从0开始
- 从0开始
- ios从0开始
- 从0开始计时
- 从"0"开始
- 从0开始
- activeMq从0开始
- 一切从"0"开始。
- 从0开始
- mysql从0开始
- Coding从0开始
- net.sf.json.JSONException: There is a cycle in the hierarchy!错误解决方案
- 算法-直方图中的最大矩形
- cross compile nginx+openssl+curl
- 对象操作流(ObjectInputStream,ObjectOutputStream )
- 对比理解一下STL的自定义比较方法
- 从0开始做电商推荐
- Gradle实践--如何打包并上传到私服
- recycelview listview 下拉刷新的同事 上滑 会crash
- JZOJ4676. 【NOIP2016提高A组模拟7.21】模板串
- bzoj3242: [Noi2013]快餐店
- java多线程基础
- Gerrit插件开发之读取etc下的配置文件
- 在tf.contrib.learn.Estimator设置GPU利用率
- Linux常用命令行