母婴电商网站是如何进行个性化推荐的

第二套很重要的标签是购物偏好，主要是提到的一些动态标签，比如是品牌内部等等，我们会统计用户在我们的平台上的一些行为，根据这些行为的成本给予不同的 选中，包括浏览电极，启发式的做法非常的简单，也是非常的容易理解，这些参数不好确定，这个时间的衰减应该做如何的衰减的程度。

我们现在正在用机器学习的方式做用户的偏好预测，把用户当前的购物的偏好做特征来进行一些购物的偏好。有一个很重要的推荐的类型是个性化的排序，当用户到 了我们的PC首页的时候，会展现每天500个在线的专场，用户很难通过翻页的方式来浏览所有的品牌，我们有一套规则的算法，模型有非常多的特征，可以考虑 非常多的因子，规则往往是只有几个关键的因子，比如是会把GMA往前排，规则是靠经验和参数的。已经形成了一个优化的问题。还有模型很方便加入用户的特征 做个性化的特征。

第一档就提升了6%，至于怎么样做，这个就是一个学习的流程，主要是离线和在线二个部分，在线系统搜集到了排序以后，也会根据用户的ID和品牌的ID，构建同样的特征和模型进行组合，就可以得到用户对每一个平台的分数。

那特征是这里面最重要的一部分，有属性特征，主要是各种维度的特性，还有是统计特征，还有偏好特征，偏好特征是我们做个性化推荐的最基本的推荐，这个是和 用户有关系的，比如是用户的画像。在这里面，我们做了很多的尝试，刚开始的时候，有点击率，点击率很好做，我们发现点击率的提升和我们的GMA的提升不是 完全一致的。我们用过分类和排序的算法，排序的算法会好一点，非线型的模型也会更有优势一点。

我们到了电商网站的时候，肯定遇到过这样子的产品，你看过的商品可能是感兴趣的商品，在这个行业里面有很规律的算法，但是在母婴特卖里面，有它自己的特 点，它的商品每一行是代表了一个用户，每一列是代表的一个商品，第一周上线的商品第三周上线的时候，另外二个已经是下线了，第二个特点是在线的商品比较 少，就会把举证压缩，这样子的话，对这个举证会变的不这么的稀疏。第三个是这个行业的特点，比如是宝宝的性别，宝宝的年龄是否是一致的，如果是一致的话， 那是否有一个持续性。1-3岁的话，还可以，但是如果是对一个1-3岁的商品，可能就不大合适的。

我们根据这些特点做了一些改进，比如是我们有做时间，热门打压。相同的协同过滤的算法可能会不在线，一种是机遇标题和描述的相似度，还会加上运营的规则，是否匹配，有一些地方可以推荐同品牌，有一些可能推荐其他的品牌。

注：相关网站建设技巧阅读请移步到建站教程频道。

（编辑：源码网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!