【2013中国技术商业论坛精彩回顾】【电商】【推荐,不仅仅是算法】

标签:电子商务推荐算法引擎数据社会百分点

访客:61407  发表于:2013-11-22 11:42:26

【2013中国技术商业论坛精彩回顾】【电商】【推荐,不仅仅是算法】

北京百分点信息科技有限公司运营副总裁 韩志勇

现在大多数的电商客户都知道有推荐,推荐是跟搜索一样,成为电商网站不可或缺的部分。但是他们会问,你们的推荐有多少种算法,你们的算法是用什么方法算出来的。我想说推荐不是靠算法出来的,或者说算法不能解决所有的问题。

百分点个性化推荐引擎的发展经历了三次演进。2011年推出第一个版本的时候就是算法,用一套技术算法实现推荐的逻辑。但当我们的服务的客户越来越多,应用的场景越多,单纯的算法在实践上面临很大挑战。所以在2012年的34月份,做了第二次大版本的演进,这个版本里面加了很多人工运营的规则,靠机器去解决推荐的问题不太现实。到2012年年底的时候,做了第三次大的版本演进,把整个推荐的架构重新再造。算法在一个推荐系统里面,只是其中的一个环节。

算法是什么?算法是推荐得以实现的一种核心技术手段,而不能构成产品的全部。推荐系统,本身只是一种工具,它最终是要实现商业目的。合理利用规则或配置干预算法和推荐列表,是实现商业目的的必不可少的手段。

【纯算法的推荐系统面临的挑战】

如果是纯算法的推荐系统将会面临怎样的挑战?有个例子,发烧友的体验,他买一个男士的电脑背包的时候,不管他看什么样的背包,旁边出现都是杜蕾斯,买婴儿奶粉的时候下面推荐的是男士的性感内裤,等等类似这种不靠谱的推荐,在电商的网站上,都会出现。那么从算法的角度来说,真的是一定不靠谱吗?未必。有很多种算法是可能算出这个结果的,比如你看电脑包的时候,正好他把你map到某一类人群的时候,这类人群在看电脑包的时候,恰恰看的最多的可能是杜蕾斯,所以在你的推荐里就会出现这样一个结果。算法本身是有可能出现这样一种结果的。

最常见的可能性是什么?当你看笔记本电脑的时候,有两个都是有可能被推荐的,一个是散热器,一个是电脑包。相对来说推荐笔记本电脑包是一个最合理的推荐结果,但是商家要求不允许推荐电脑包,电脑包是热销商品,不需要增加曝光,恰恰需要推荐的是散热器,要增加长尾商品的销量,这个是商家运营的战略要求。从客户体验来说,我们最稳妥的推荐是热销商品,命中概率大。推荐的同时,还要面临一个多样性的挑战,要解决长尾商品的问题,在这里面商家是希望能够曝光更多的长尾商品,算法得出的结果一定是电脑包在前面,有可能会出现散热器。

怎么解决商家战略需求与用户体验之间的平衡?在算法引擎之上,加入一个规则引擎,用规则引擎限制算法引擎的结果。从两个方面发生,一个是输入端,限定算法覆盖的内容范围。适用于先验性规则或特定需要增加或减少曝光的商品。如:增加新品/活动商品曝光,禁止成人用品在其他频道出现。一个是输出端,调整内容输出的优先顺序,适用于先验性规则或特定需要增加/减少曝光的商品,如同品牌/品类优先,长尾/促销商品优先。

第二个问题,推荐的算法,它总是会算出一定的结果,但这个结果跟消费者意图之间能否有效的匹配。举个微博上的例子叫棺材门事件。一个网友因为得知在淘宝上买骨灰盒都是包邮的,他点了点骨灰盒,然后在接下来的一个月里面,新浪微博一直给他推荐骨灰盒、棺材的信息,这是一种算法,关联的算法。但是它跟用户的需求不相关,因为他没有判断这个用户今天来的目的是什么,这个用户就是闲的。

我们的解决方案是在算法引擎上又加了一个环节,叫场景引擎,它可以实时判断用户的即时购物意图。我们经常花很多时间去追踪我们识别的一个用户,他在所有网站的访问记录,他从进入一个网站到最终形成购买,整个过程。真正的消费者在网络上的消费行为,有可能一开始聚焦,今天就想找一类商品,但是当把这个商品放到购物车之后他又开始发散,看看能不能买其他的商品。在不断的转化过程中,我们应该用什么样的方式给他推荐?当这个用户在聚焦过程中,应该捕获他即时的需求,告诉他这是你最好的选择或者还有个更好的选择。当客户在发散的过程中,在不确定目标、寻找目标的时候,应该告诉他你可能需要什么东西,告诉他你在里面挑一样吧,这是推荐的逻辑。

除了发散和聚焦之外,我们把用户的购物场景分为这么六个部分,逛,毫无目的的逛;找,找某个品类、某个品牌;比;买;晒;享在不同用户的场景下,它应该匹配不同的推荐。目的是不一样的,举几个简单的例子。比如说这位女士她在逛,通过数据分析会知道她比较关注护肤品,曾经买过一些补水的商品,我们就会给她一些护肤品的推荐,其中会突出一些补水的用品。如果判断出来她是在比价的阶段,她就是想看玉兰油的补水商品,我会给她推荐不同的组合、不同的套装,不同的规格,都是同样的商品,只是包装不同或者规格不同,应该促使客户做正确的选择,这是在不同的购物场景下,怎么样去影响客户,让用户最终能够形成一个决定。

第三个挑战,不管推荐结果好还是不好,最终都要是打动用户的心。在打动用户的心之前,首先要获取用户的眼球,并让用户形成实际的点击去关注这个商品。很多网站的推荐结果非常靠谱,但是点击率很差,并不能带来有效的点击流量,商品的曝光,这个是展示的问题。举个例子,在旅游网站里面能够看到的推荐位,一种是非常传统的图片+文字的样式,这种叫墓碑状的推荐,另一种是文字为主鼠标悬浮时显示图片的样式,这是旅游网站里非常典型的推荐栏。当用户如果没有确定目的地的时候,墓碑状推荐是有效的,通过图片去吸引他选择哪个目的地。如果用户已经确定目的地的情况下,他更想看到的是行程的安排、酒店、价格,是否双飞等等,典型的推荐是有效的。如果一个用户在聚焦的过程中你再给他看这么多的图片,其实浪费你的网页的图片,没有传递有效的信息。

所以我们又引入了一个展示的引擎,它会根据用户的购物场景、关注的焦点,选择合适的推荐展示方式,这里面我们会选择合适的展示模板、恰当的展示焦点、恰当的展示位置等等。

 这就是百分点现在已经在运行的一个完整的个性化推荐的架构。当然在这个架构上,我们能够提供的不仅仅是推荐,百分点在做推荐的基础是什么?第一打通一个用户在所有的合作伙伴网站上的用户行为,不管它是A客户还是B客户网站上的浏览行为,做整体的计算。第二,根据用户在各网站的行为和行为作用的对象,百分点挖掘用户在各类商品的消费偏好。基于消费者偏好,形成一个消费者用户画像,帮助商家更全面的了解用户。我们就可以个性化的推送相关内容和资讯,当然也可以支持程序购买的广告。我们现在已经和一些商家在一起合作,帮他们对接DSP,提高他们在RD广告的精准度,这都是通过推荐架构本身可以延伸出来的服务。

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");