個性化推薦算法可以說是電商導購產品產生以來最具性價比的發明，未來也會在在更多的領域嶄露頭角。

如今，各大國內主流電商已經具備個性化千人千面推薦模塊。無論是在首頁、目錄、搜索、頻道，還是推薦、push、購物車、訂單，無孔不入。

今天，就聊一聊個性化推薦的目的以及在電商中的作用，以及一些個性化推薦的原理

2013年，我就職于蘇寧易購，那時還是以PC端為主，APP為起步階段。國內各家電商忙于在PC上開疆拓土，價格戰打得不亦樂乎。誰也沒曾想在2019年，智能手機普及后，APP以一騎絕塵的架勢順勢反超PC。

那時有過一些關于電商個性化推薦的探索，但是也沒有多大的波瀾。

在2015年，當時蘇寧的營銷類目事業部組建了一個項目小組，主要負責開發APP內導購的圖靈個性化推薦功能。但是，這個功能并不是基于大數據的計算與預測，只是一個很簡單的人工商品的推薦庫；也很意外，這個功能居然獲得了蘇寧之夏的最佳項目的獎項，有點大跌眼鏡。

不過，隨著技術的不斷投入，很多數據層面的平臺就已經出爐了，比如用于輔助選品以及會員營銷的數據分析平臺黃金眼等；用于分析類目與類目間，商品與商品的關系系數等。

蘇寧的這個項目進展，應該是個性化推薦在電商發展過程中的一個技術傾向的縮影。

我們姑且認為現在互聯網的電商就像一個大型商場，每個模塊就是陳列商品的地方，有吃有喝，有玩有樂，與現在的實體商場的作用與功能模塊異曲同工。不同于線下實體的空間局限，線上互聯網可以容納趨于無限的商鋪或者商品（如果服務器處理能力無限的話）。

那么，在一個小小的APP里，如何將所有的商品都能有機會展現給精準的需求用戶呢？

答案就是個性化。

個性化發展到現在這個水平，是伴隨著大數據分析技術的演化而來；有了足夠的數據用于訓練支撐，個性化就有了足夠的準確率保證。

那么，個性化在電商APP中主要用于哪些地方才能真正發揮用處呢？

我們以國內主流APP為例，一個一個說。

前臺展示

1. 個性化首頁輪播

首頁輪播是一個APP或者網站的首頁重要位置，是傳播優惠活動信息的頭站，往往是4-6個輪播自動滾動展示。有時候一個網站可能沒有那么多活動，而且活動總是有時效性，如果多個活動一直放在首頁好幾天，估計其成交轉化率會逐漸下降；也就是說，如果在沒有個性化展示的情況下，每3-4天都必須更新活動，以維持其曝光價值。這樣一來，其帶來的人力壓力就會較多，包含選品、頁面設計、利潤率等都要重新規劃。

那么，有沒有一種辦法能夠減少人工參與的部分呢？

答案就是個性化首頁輪播。

其原理說簡單也不簡單，說復雜也不復雜，主要涉及幾個方面，一個是個性化專題的頁面設計圖庫，一個是個性化推薦的算法商品集合。其中，圖庫的設計有兩種辦法生成：一種是設計制作各個類目的背景模板，數量當然是越多越好；其次就是自動化商品的個性化推薦集合，通過這些商品集合組成個性化活動頁。

輪播入口圖則由背景和用戶之前深度瀏覽過的商品主圖以適當的方式疊加組成輪播，并根據用戶的cookieid來決定展示什么類目的專題頁。這樣一來，個性化首頁輪播就出現了。

一般APP會在首頁輪播里面嵌入2-3個個性化接口，這種辦法的好處就在于節省了人力，但是并不靈活，如果用戶量極其龐大，會帶來服務器的不小壓力（這取決于對個性化商品集的粗細程度）。國內玩的比較順的是阿里的魯班人工智能做圖系統，據推測能根據用戶的不同需求制作不同的入口圖，實現了人工智能在做圖設計領域的小試身手，京東等電商也已實現類似功能。

2. 個性化商品推薦

該模塊為APP布點最多的地方，且最為靈活，能夠根據自身運營的需要進行算法更替，其可以在首頁底部，可以在購車，可以在詳情頁推薦，也可以在訂單，個人賬戶等等頁面，無孔不入。一般展示最多的則以用戶瀏覽/點擊/收藏/購買過的商品以及提供與其相似的商品，以及相同類目的商品。

3. 搜索目錄列表個性化精排

在搜索或者目錄排序中，個性化用的最多的還是商品質量分+付費營銷+用戶瀏覽過商品的集合。當然，展示的商品還是要符合類目搜索目錄的規則。

這也不代表用戶在使用搜索目錄時，瀏覽不曾看過的目錄或者搜索的商品時就不受個性化算法的影響，基于用戶的協同過濾算法可以實現此類操作。我將在接下來的個性化推薦原理中給大家介紹。

關于商品質量分和付費營銷可以參考淘寶的商品得分以及直通車，兩者類似。

其他

1. dsp/站外推廣/push

dsp站外推薦是基于用戶瀏覽過的商品進行相似商品或者相同商品的推薦，在短信推送以及APP push上也是如此，應該是個性化推薦最簡單的運用了。

2. 圖片搜索與相似度計算

圖片搜索是目前國內主要電商都有的功能，其訓練模型是基于大量數據的訓練，也正是基于此，才有了站內個性化商品的多樣化推薦算法。比如，用戶喜歡某個款式某個顏色的包包，那么通過這類圖片個性化相似的算法，能夠實現基于用戶喜好的商品（特別是非標品）的個性化推薦。

當然，個性化推薦的運用還有其他妙用。比如，亞馬遜近幾年推出一套算法，能夠根據用戶的瀏覽行為習慣，推測出用戶下單的概率，進而能夠有效地調度物流將該商品運往距離該用戶最近的物流中心，以節省物流時間。至于效果怎么樣不得而知，但還是有點讓人出乎意料。

個性化算法的原理與舉例

目前，個性化算法都是基于用戶的cookieid所帶來的行為數據的統計推算，進而給出相近商品推薦的算法。不過也有不同，除了對相似商品，也可以對相似會員進行相似度多維度計算。各位讀者也不是人人都是專業算法技術人員，那么我就簡單明了的介紹其原理，挑一個或許大家都能聽明白的。

協同過濾：一種是基于商品的協同過濾，計算商品之間的相似性用以聚類；一種是基于用戶的協同過濾，大概意思就是喜歡這個商品的用戶喜歡哪類商品，還通過用戶聚類來拓展個性化商品，也就是“瀏覽過該商品的用戶還瀏覽過……”。

基于商品的協同過濾其實就是類目相關，在電商里使用類目相關的難度較低，關于一些算法的原理我將在日后的文章中繼續給大家一一講解。其實基本上都差不多，只不過實現方式不同。

那么，個性化算法在電商APP中起到的作用是極為重要的，能夠將有限的展示位置，通過個性化算法無限的延展，讓更多的商品得到曝光與展示，較之于先前的種種人工手段是有著無可比擬的優勢。一方面節省了人力，一方面提高了效率。同時，也讓電商成為了一個可以容納無限sku，并且接近于無限商品能夠獲得曝光和銷售的平臺，比線下實體店的空間局限，更具優勢，可以說是電商導購產品以來最具性價比的發明了。

相信在未來，個性化算法能夠在各個領域不僅僅是電商都能嶄露頭角，或者說人工智能算法的用處能夠在社會生活的每一個角落落地生根，這一天不會太晚到來。

還有一件事兒

我在參加人人都是產品經理2019年度作者評選，希望喜歡我的文章的朋友都能來支持我一下~點擊下方鏈接進入我的個人參選頁面，點擊紅心即可為我投票。

每人最多可投10票哦，登陸了之后就有5票，投完之后可以點擊主頁的“再投5票”就有機會增加5張選票～投票即有機會獲得百萬驚喜禮品&起點學院千元豪禮哦！

投票傳送門：http://996.pm/YBpjr

#專欄作家#

作者：王歡，微信：wanghuan314400，運營小灰一枚。

本文由 @王歡 原創發布于人人都是產品經理，未經許可，不得轉載。

題圖來自Unsplash，基于CC0協議