搜刮引擎知足了用户有明确目的时的自动查找需求，而介绍系统可以在用户没有明确目的的时候，匡助他们发现感乐趣的物品。
一、场景1. 相似商品
常见于商品详情页，基于物品的共有特征（包罗用户行为特征或是内容特征等），找到相似物品介绍。
如图19-1，进入商品详情页，首先看到的是图片、题目、参数选择、评价内容，接下来显露的就是介绍的相似商品；
它的目的是，经由前面的认识之后，若是对当前的商品不写意，那么这里供应了与当前商品特征相似的其他商品，这里的要害词是“特征”；
好比我是要给小同伙买个非洲鼓，那么它介绍的非洲鼓或者更多是知足“儿童”特征的。尤其是在当前商品做了告白投放的情形下，介绍特征相似的商品，能够有效的降低页面的跳出率。
图19-1 商品详情页介绍（图片起原：京东、天猫）
2. 猜你喜欢
常见于购物车，它是凭据用户汗青行为、标签、社交以及物品属性等，较量用户或者感乐趣的物品列表，做个性化Top-N介绍。
以购物车为例，用户把商品到场购物车，解说用户喜欢该商品，有购置意向，跟浏览商品详情页还在认识阶段是完全分歧的，这个时候给用户介绍的商品，是基于对当前用户的剖析给出的。
所以我们注重到，购物车介绍的商品，除了跟当前到场购物车相似的商品，还包罗了当前用户以往收藏、分享雷同的商品等。
3. 买了又买/看了又看
常见于支出成功页面，它是基于所有效户的购置或许浏览行为的关系剖析（雷同于啤酒和尿布的关系剖析），找到关系划定较强的物品列表作为介绍列表。
它的逻辑是，找到与当前用户雷同的其他用户，把其他用户购置的，然则当前用户未购置的商品，介绍给当前用户。
这里的焦点要害词是“用户”，跟前面两个介绍体式分歧的是，这里会介绍一些当前用户之前未认识过的商品。
二、冷启动
若何在没有大量用户数据的情形下设计个性化介绍系统，并让用户对介绍究竟写意从而甘愿使用介绍系统，就是冷启动问题。
冷启动又分成用户冷启动和物品冷启动，用户冷启动是给新用户做介绍，物品冷启动是将新物品介绍给或者对其感乐趣的用户。
用户冷启动能够分为两类：
一是能够查询到响应的用户画像信息，如性别、岁数等，此类用户能够进行粗粒度的介绍；
二是查询不到用户画像信息，该类用户的物品介绍只能依靠于热点物品，即在几个分歧的物品分类中，离别取n个最热点的物品进行组合，作为最终的介绍究竟。
物品冷启动一样需要剖析其标签分类，将冷启动的物品与其他具有相似标签/分类的物品进行关系，在某些介绍栏目中测验替代具有相似标签的物品进行介绍。
三、实现
介绍工作首要分为三步：
一是特征工程，首要是在介绍模型中到场、提取用户个性化特征或是商品的个性化属性，用于更正确的描述用户行为或是商品信息，从而提高介绍模型的正确性，获得加倍正确的介绍究竟。
这里实际上就是一个数据埋点、上报的过程，以电商为例，或者包含的数据有：用户 – 手机、邮箱、地区、性别、岁数；商品 – 名称、分类、标签、价钱、销量、优惠券、收藏数、分享数；行为 – 登录、..、到场购物车、提交订单、支出、搜刮。
二是凭据特征工程上报的数据，经由法式算法，生成介绍原始集。
三是对介绍原始集进行重排序，基于分歧算法发生的物品介绍度以及用户画像特征、物品特征等做商品预估排序，生成最终介绍究竟列表。
四、评测指标1. 用户写意度
首要经由查询问卷的形式，用户对介绍系统的写意度分为分歧的条理：很喜欢、喜欢、一样、不喜欢等几个条理，更一样的情形下，我们还能够经由点击率、用户停留时间等指标权衡用户的写意度。
2. 笼盖率
描述对物品长尾的挖掘能力，笼盖率有分歧的界说方式，平日的界说为介绍系统可以介绍的物品占总物品鸠合的比例。
3. 其他新颖性，是指给用户介绍那些他们以前没有据说过的物品；信任度，若是用户信任介绍系统，那就会增加用户和介绍系统的交互；实时性，介绍系统需要实时地更新介绍列表来知足用户新的行为转变，同时，需要可以将新到场系统的物品介绍给用户；坚固性，权衡一个介绍系统抗击作弊的能力。
五、总结
本文以电商为例，去掉了可骇的算法讲解，用人人都能看懂的体式，分享了个性化介绍常见的3个场景，以及实现步伐、测评指标，进展对列位有所匡助。
#专栏作家#
本文原创发布于人人都是产物司理。未经许可，禁止转载。
题图来自Unsplash，基于 CC0 和谈。
