什么是推荐系统？

一米飞扬

引言：近期打开appstore，才发现淘宝的slogan从以前的“随时随地，想淘就淘”变更为“太好逛了吧”，表层仅仅是一个slogan的变更，深层代表了淘宝对整个电商平台环境变化的洞察与回应，也是淘宝全新品牌升级策略的一次确认。其背后本质是淘宝一直致力于通过内容运营提升用户发现感，推出内容社区逛逛，通过短视频或图文的形式呈现不同的内容给用户，充分发掘用户的商品喜好，提升GMV。而如何有效的向客户推荐他们感兴趣的商品，离不开推荐系统。接下来我将结合几个场景浅谈推荐系统。
1、 为什么要用推荐系统？


从2015年开始，淘宝双十一的销售额移动端占比为68%，超过PC端。在此之前，人们网络购物通常需要在确定好购买商品后去PC端或移动端搜索商品，找到合适的商品直接购买，并不会花时间去逛淘宝，那时购物转化率最大的入口为搜索模块，其次为分类模块。2015年之后，随着移动手机的普及，越来越多的人通过手机购物，可以随时随地打开淘宝去选购商品，逐渐出现逛淘宝消遣时间的现象。
那为什么以前不做推荐策略呢？淘宝的千人千面也是近些年做的，最主要有以下四个原因：
随着人们从PC互联网走向移动互联网，人们开始不受设备的限制，能够随时随地地逛电子商务APP，不再是有明显意图后再打开购物app购物。部分人群由搜索购物向兴趣购物转变。
随着人们在移动端购物软件花费的时间越来越多，有更多机会积累更多的用户数据，用于搭建推荐系统。
随着大规模的机器学习和深层学习技术的进步，大大提高了推荐算法的性能。
随着算力的进步，在较短时间内可以大批量处理大量数据，能够快速迭代算法和应用推荐系统。
虽然现在某宝页面大部分是做个性化推荐，搜索模块流量不及推荐模块流量，但搜索仍占整体GMV的60%到70%，推荐模块的流量日益增长，目前占到20%左右。但花费大量精力在搜索模块上流量的分发效率提升很低，而提高推荐系统的能力不但能够降低运营人员的人力成本，还可提高流量的分发效率。
2、 推荐系统的任务


是帮助用户找到想要的物品的工具。在经济学上，有一个经典的名词叫“长尾效应”，该效应的内容是：从人们需求的角度上看，大多数的需求会集中在某一小部分，而这部分我们可以称之为流行，而分布在剩余部分的需求是个性化的、零散的和小量的需求。推荐系统帮助用户找到这部分个性化零散的需求。
对平台而言，是提高站点的点击率、转化率的工具。好的推荐系统总是能给用户推荐出想要的内容，让用户更频繁地访问站点，增强用户黏度。
是帮助用户降低信息过载的工具。进入互联网时代后，信息量已处于爆炸的状态。如果把所有内容都展示出来，用户肯定无法全部接收，这必然会造成信息过载，信息的利用率将十分低下。因此就需要推荐系统来帮我们把低价值的信息给筛选掉。
3、 常见的推荐策略？
搭配策略：大家购物时有没有遇到一种场景，你在购买手机后，再去浏览推荐商品时会不断的给你推荐手机壳和手机膜，因为这两类商品是关联度较高的商品，这在推荐系统里称为“搭配”。同时，我们在购买手机后推荐列表一般不会再次给你推荐手机了，因为你已经购买过手机了，短时间内不会再次购买手机，所以不给你推荐了，或者减少手机推荐次数。或许有人会问？如果我买的是快消品，例如鸡蛋，那平台一直不给我推荐吗？
在电商平台，所有的商品都一个复购周期，是由电商平台大量商品数据进行分析而来，比如手机的复购周期1年左右，那如果你在平台购买手机后，在1年内会少给你推荐。当然要是在1年内，你主动搜索手机，系统会认为你对手机感兴趣，有明显的表达行为，增多对你手机推荐的量，这种机制称为豁免过滤。这些策略都是推荐策略，他们是推荐算法的核心思想。
那么推荐系统是万能的吗？显然不是，拿现在上海疫情举例，京东很多生鲜会场都需要运营人员单独设置，很难通过推荐系统推荐。
  其实推荐系统有很多策略，我的频道持续更新推荐策略相关内容，如果你觉得有趣的话，赞同关注我不迷路。