如今在各大國內主流電商已經具備個性化千人千面推薦模塊，無論是在首頁，目錄，搜索，頻道，推薦，push，購物車，訂單等無孔不入，那麼今天就聊一聊個性化推薦的目的以及在電商中的作用，以及一些個性化推薦的原理。
在2013年我就職於蘇寧易購，在那時還是pc端為主，app為起步階段，國內的各家都在忙於在pc上開疆拓土，價格戰打的不亦說乎，可能誰也沒曾想在2019年的今年智能手機普及後，app這種一騎絕塵的架勢順勢反超pc。那時有過一些關於電商個性化推薦的探索，但是也沒有多大的波瀾，在2015年時，在當時蘇寧的營銷類目事業部組建了一個項目小組，主要負責開發app內導購的圖靈個性化推薦功能。但是這個功能並不是基於大數據的計算與預測，只是一個很簡單的人工商品的推薦庫，也很意外的這個功能居然獲得了蘇寧之夏的最佳項目的獎項，有點大跌眼鏡。不過隨著技術的不斷投入，很多的數據層面的平臺就已經出爐面目，比如用於輔助選品以及會員營銷的數據分析平臺，黃金眼等。用於分析類目與類目間，商品與商品的關係係數等。蘇寧的這個項目進展應該是個性化推薦在電商發展過程中的一個技術傾向的縮影。
我們可以姑且認為現在互聯網的電商就像一個大型商場，每個模塊就是陳列商品的地方，有吃有喝，有玩有樂，與現在的實體商場的作用與功能模塊異曲同工，不同於線下實體的空間侷限，線上互聯網可以容納趨於無限的商鋪或者商品（如果服務器處理能力無限的話），那麼
在一個小小的app裡，如何將所有的商品都能有機會展現給精準的需求用戶呢，答案就是個性化。在個性化發展到現在這個水平，是伴隨著大數據分析技術的演化而來，有了足夠的數據用於訓練支撐，個性化就有了足夠的準確率保證。那麼個性化在電商app中主要用於哪些地方才能真正發揮用處呢，我們以國內主流app為例，一個一個說。
前臺展示：
1，個性化首頁輪播， 首頁輪播是一個app或者網站的首頁重要位置，是傳播優惠活動信息的頭站，往往是4-6個輪播自動滾動展示，有時候一個網站可能沒有那麼多活動，而且活動總是有時效性，如果多個活動一直放在首頁好幾天，估計其成交轉化率會逐漸下降，也就是說如果在沒有個性化展示的情況下，每3-4天都必須更新活動，以維持其曝光價值。這樣一來其帶來的人力壓力就會較多，包含選品，頁面設計，利潤率等都要重新規劃，那麼有沒有一種辦法能夠減少人工參與的部分呢，答案就是個性化首頁輪播，其原理說簡單也不簡單，說複雜也不復雜，主要涉及到幾個方面，一個是個性化專題的頁面設計圖庫，一個是個性化推薦的算法商品集合。
其中圖庫的設計有兩種辦法生成，一種是設計製作各個類目的背景模板，數量當然是越多越好，其次就是自動化商品的個性化推薦集合，通過這些商品集合組成個性化活動頁，而輪播入口圖則由背景和用戶之前深度瀏覽過的商品主圖以適當的方式疊加組成輪播，並根據用戶的cookieid來決定展示什麼類目的專題頁，這樣一來，個性化首頁輪播就出現了。一般app會在首頁輪播裡面嵌入2-3個個性化接口。這種辦法的好處就在於節省了人力，但是並不靈活，如果用戶量極其龐大，會帶來服務器的不小壓力（這取決於對個性化商品集的粗細程度）。國內玩的比較順的則是阿里的魯班人工智能做圖系統，據推測能根據用戶的不同需求製作不同的入口圖，實現了人工智能在做圖設計領域的小試身手。京東等電商也已實現類似功能。
2，個性化商品推薦：該模塊為app布點最多，且最為靈活，能夠根據自身運營的需要進行算法更替，其可以在首頁底部，可以在購車，可以在詳情頁推薦，也可以在訂單，個人賬戶等等頁面，無孔不入。一般展示最多的則是以用戶瀏覽/點擊/收藏/購買過的商品以及提供與其相似的商品，以及相同類目的商品。
3，搜索目錄列表個性化精排：在搜索或者目錄排序中，個性化用的最多的還是商品質量分+付費營銷+用戶瀏覽過商品的集合，當然展示的商品還是要符合類目搜索目錄的規則，這也不代表用戶在使用搜索目錄時，瀏覽不曾看過的目錄或者搜索的商品時就不受個性化算法的影響，基於用戶的協同過濾算法可以實現此類操作。我將在接下來的個性化推薦原理中給大家介紹。關於商品質量分，和付費營銷可以參考淘寶的商品得分以及直通車，類似。
其他
1，dsp/站外推廣/push
dsp站外推薦也是基於用戶瀏覽過的商品進行相似商品或者相同商品的推薦，在短信推送以及apppush上也是如此，應該算是個性化推薦最簡單的運用了。
2，圖片搜索與相似度計算
圖片搜索是目前國內主要電商都有的功能，其訓練模型也是基於大量數據的訓練，也正是基於此，才有了站內個性化商品的多樣化推薦算法，比如用戶喜歡某個款式某個顏色的包包，那麼通過這類圖片個性化相似的算法，能夠實現基於用戶喜好的商品（特別是非標品）的個性化推薦。
當然個性化推薦的運用還有其他妙用，比如亞馬遜近幾年推出一套算法，能夠根據用戶的瀏覽行為習慣，推測出用戶下單的概率，進而能夠有效的調度物流將該商品運往距離該用戶最近的物流中心，以節省物流時間。至於效果怎麼樣不得而知，但還是有點讓人出乎意料。
個性化算法的原理與舉例
目前個性化算法都是基於用戶的cookieid所帶來的行為數據的統計推算，進而給出相近商品推薦的算法，不過也有不同，除了對相似商品，也可以對相似會員進行相似度多維度計算，相信各位讀者也不是專業算法技術人員，那麼我就簡單明瞭的介紹其原理，挑一個或許大家都能聽明白的
協同過濾：一種是基於商品的協同過濾，計算商品之間的相似性用以聚類，一種是基於用戶的協同過濾，大概意思就是喜歡這個商品的用戶還喜歡哪類商品，通過用戶聚類來拓展個性化商品，這也是我們經常看見淘寶中會有類似的推薦“瀏覽過該商品的用戶還瀏覽過。。。”之類的文案。基於商品的協同過濾其實就是類目相關，其實在電商裡使用類目相關的難度較低，關於一些算法的原理我將在日後的文章中繼續給大家一一講解。其實基本上都差不多，只不過實現方式不同。
那麼個性化算法在電商APP中起到的作用是極為重要的，能夠將有限的展示位置，通過個性化算法無限的延展，讓更多的商品得到曝光與展示，較之於先前的種種人工手段是有著無可比擬的優勢，一方面節省了人力，一方面提高了效率，同時也是讓電商成為了一個可以容納無限sku，並且讓接近於無限商品能夠獲得曝光和銷售的平臺，比線下實體店的空間侷限，更具優勢，因此可以說是電商導購產品以來最為性價比的發明了。
相信在未來，個性化算法能夠在各個領域不僅僅是電商都能嶄露頭角，或者說人工智能算法的用處能夠在社會生活的每一個角落落地生根，這一天不會太晚到來。
本文摘自 中國公關行業門戶網站——公關之家
閱讀更多 公關之家 的文章
