電商行業(yè)中，對于用戶的商品推薦，一直是一個非常熱門而且重要的話題。目前，應(yīng)用千人千面推薦最多的領(lǐng)域就是電商行業(yè)，數(shù)千億的sku和數(shù)億的用戶為個性化推薦系統(tǒng)提供了完美的發(fā)揮空間。
在電商網(wǎng)站里進(jìn)行商品推薦，可以提高整個網(wǎng)站商品銷售的有效轉(zhuǎn)化率，增加商品銷量。
通過用戶已經(jīng)瀏覽、收藏、購買的記錄，更精準(zhǔn)的理解用戶需求，對用戶進(jìn)行聚類、打標(biāo)簽，推薦用戶感興趣的商品，幫助用戶快速找到需要的商品，適時放大需求，售賣更加多樣化的商品。甚至在站外推廣時，能夠做個性化營銷。
商品推薦分為常規(guī)推薦、個性化推薦。
常規(guī)推薦是指商家選擇一些固定商品放在推薦位，或者基于商品之間的關(guān)聯(lián)性，進(jìn)行相關(guān)的商品推薦。例如：在用戶買了奶瓶之后推薦奶粉。個性化推薦指基于用戶購物習(xí)慣，根據(jù)商品特性來進(jìn)行推薦。例如“看過此商品后的顧客還購買的其他商品”推薦項。
電商系統(tǒng)中的商品推薦位一般有：
首頁運營Banner最底部的位置(猜你喜歡/為你推薦)、購物車最底部的位置(猜你喜歡/為你推薦)、商品詳情頁中部(看了又看、買了又買、為你推薦等)、用戶簽到等位置。還有這兩年興起的內(nèi)容電商，通過社區(qū)做內(nèi)容來提高轉(zhuǎn)化率。
對于應(yīng)用的效果，通常推薦系統(tǒng)的核心考核指標(biāo)可以分為三大類：流量類、轉(zhuǎn)化率類和GMV類。
為了保證這些指標(biāo)能夠符合預(yù)期，超正向發(fā)展，都會采取不同的策略來進(jìn)行保障。不同的業(yè)務(wù)，同一業(yè)務(wù)的不同發(fā)展時期，考核指標(biāo)不盡相同，與之對應(yīng)的策略也隨之改變。
但是，有一些共性的策略是大多數(shù)電商業(yè)務(wù)場景下在設(shè)計推薦系統(tǒng)的時候都需要遵循和采納的，細(xì)分一下大概有9種。
白底圖提權(quán)策略：
所謂商品白底圖就是一張無底色，突出商品全貌的圖片，一般都會有大小，格式等限制。
在商家創(chuàng)建商品的時候都需要商家上傳一張白底圖，通常都是可選項，而且明確告知商家上傳白底圖的商品在推薦結(jié)果中會進(jìn)行優(yōu)先展示。這樣設(shè)計能夠使用戶更容易識別，同時使得產(chǎn)品界面更加整潔。
同圖過濾
同圖過濾是指對于推薦召回結(jié)果中相同的商品主圖進(jìn)行過濾 。
這個策略主要是從幾個方面去考慮：
商品主圖相同會干擾用戶選擇，降低用戶對平臺的信任度;另一方面，影響商家的正常利益。這個很好理解，一般同圖肯定都是盜圖。
在設(shè)計同圖過濾策略的時候，需要注意的是，對于同圖的幾個商品到底該留哪一個?這就要看我們的推薦策略導(dǎo)向了。
復(fù)購過濾：
相信大家都有過這種體驗：當(dāng)你購買了一件商品之后，相關(guān)的推薦位會頻繁推薦其他型號的該商品，甚至直接推薦已經(jīng)購買的那個型號，用戶體驗就很差。
復(fù)購過濾策略就是解決這種問題的。針對用戶已經(jīng)購買過的商品在推薦結(jié)果中進(jìn)行過濾。該策略主要是考慮到大多數(shù)商品用戶在短時間內(nèi)不會進(jìn)行復(fù)購，重復(fù)推薦不僅會影響用戶體驗，而且也不會帶來很高的轉(zhuǎn)化。
一般來說，復(fù)購策略的設(shè)計可以從品類入手，不同的品類定義不同的復(fù)購周期。比如對于快消品(零食，小生活用品...)，復(fù)購周期通常比較短;但是對于一些3C電子類產(chǎn)品(電腦，手機，電視...)，通常復(fù)購后期比較長。
無貨過濾：
無貨，談何下單!推薦系統(tǒng)通常需要對接庫存系統(tǒng)，來進(jìn)行庫存判斷，對無貨sku進(jìn)行過濾。
下架屏蔽：
這個一般也都是電商推薦策略必備的。
商品下架一般包括自然下架和緊急下架。自然下架一般包括無貨，商家主動下架(比如換季等原因)等等;而緊急下架的商品無非有幾個原因：商家問題，商品問題，平臺問題。這三種問題都會嚴(yán)重傷害用戶利益，商家利益，或者平臺利益。
SPU去重：
spu去重是指在spu的維度進(jìn)行商品去重。
電商行業(yè)通常有product，sku，spu等概念，他們之間的關(guān)系不固定，有一對一關(guān)系，有一對多關(guān)系，有多對多關(guān)系，取決于商品后臺體系的設(shè)計。對于電商業(yè)務(wù)來說，推薦結(jié)果一般都是sku維度的，那么對于某些業(yè)務(wù)下，就會出現(xiàn)多個sku同屬一個spu。
當(dāng)然，在基于spu進(jìn)行去重的時候，如何確定sku的去留，一般來說也是和推薦策略導(dǎo)向掛鉤的。
曝光降權(quán)：
曝光降權(quán)策略全稱為“曝光未點擊降權(quán)策略”，這個可能就比較好理解了。
推薦位一般都是有限的，對于占用推薦位但是未提供較高的點擊轉(zhuǎn)化率的單品需要進(jìn)行降權(quán)處理，才能保證其他推薦item的曝光率。
具體的降權(quán)策略，一般會基于推薦item線上的ctr或者cvr進(jìn)行建模，從而最大化保證每一個坑位的價值。
購買力匹配：
購買力匹配策略主要動機是“為合適的用戶推薦合適的商品”。
這個也是的電商的一個共性的策略。同一類目下的sku很多，尤其是一些大類目。這些sku品質(zhì)層次不齊，價格也就多種多樣，比如對于筆記本電腦、蘋果、聯(lián)想、華為、惠普，不同品牌的價格不一樣，哪怕是相同的配置。
而與之對應(yīng)的就是一個用戶購買力的分層，用戶購買力的衡量通常會基于一定時間窗范圍內(nèi)用戶在電商平臺點擊，關(guān)注，加購和下單的商品價格進(jìn)行評定。
按照用戶的購買力進(jìn)行商品的個性化推薦，一方面能夠提升用戶體驗，讓用戶能夠找到適合自己的;另一方面會對平臺GMV，轉(zhuǎn)化率等指標(biāo)起到積極的作用。讓用戶買的起。
推薦策略是整個推薦邏輯的核心，比如猜你喜歡場景，有用戶實時特征做相關(guān)性的召回策略，也有用戶離線特征的相關(guān)性召回策略。個性化推薦所取得的成就是一個“意料之外卻情理之中”的結(jié)果。個性化用戶體驗將是大勢所趨，從搜索走向發(fā)現(xiàn)(推薦)，通過搜索滿足用戶主動表達(dá)的需求。
以上就是電商平臺商城推薦系統(tǒng)設(shè)計的關(guān)鍵注意點，小豬創(chuàng)夢電商提醒，對于電商推薦產(chǎn)品來說是必須要考慮到的，至于具體的應(yīng)用就需要依據(jù)不同的業(yè)務(wù)模式，應(yīng)用場景進(jìn)行個性化設(shè)置，總之一切的策略都是為推薦系統(tǒng)的三大核心指標(biāo)服務(wù)和保障的。
