中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

無論是刷視頻還是刷帖購物，在推薦頁面里好的推薦理由總能吸引人點進(jìn)去看。那么這些推薦系統(tǒng)里的推薦理由都有哪些？又是如何生成的？本文就此問題做了分析和解答，希望對你有所幫助。

很多時候我們在推薦信息流里面會看到一些推薦理由，好的推薦理由可以提升我們的點擊欲望，那么這些推薦理由到底是如何生成的了？本篇文章給大家詳細(xì)介紹一下。

一、什么是推薦理由

推薦理由，字面上的意思就是為什么給你推薦了這個物品，也可以被叫做推薦解釋。在推薦結(jié)果上增加一些“推薦理由”的目的也很簡單，就是為了提升推薦結(jié)果的可解釋性，進(jìn)一步提升點擊率。

目前在各個領(lǐng)域的APP上基本都會有推薦理由，挑選了9家比較有代表性的公司給大家介紹一下：

1. 電商領(lǐng)域

1. 淘寶：“1000+美食愛好者買過”；是為了告訴用戶這個商品很多美食愛好者都喜歡買，你也不能錯過；
2. 京東：“近期超千用戶買過”+“為你探索的熱搜商品”；同樣是為了告訴用戶這個商品是很多人共同的選擇以及最近熱門搜索的商品，你也可以嘗試；
3. 拼多多：“男高幫休閑鞋銷榜第1名”；直接告訴用戶這款鞋子很火，銷量排名第一。

2. 本地生活領(lǐng)域

1. 美團(tuán)：“海淀區(qū)新店，快來種草吧”是為了告訴你有新店，可以來嘗嘗新；“經(jīng)典必吃紅燒牛肉米粉”是告訴你經(jīng)典款不容錯過；
2. 大眾點評：“五道口北京菜口味榜第一名”&“2022上榜一鉆餐廳”都是通過排行榜的形式來告訴給你推薦的這些餐廳都是榜上有名的餐廳；
3. 盒馬：”回頭客3.2萬人“是通過歷史上有大量人復(fù)購來告訴你這款商品很不錯。

3. 內(nèi)容領(lǐng)域

1. 知乎：“超過9.1萬的用戶關(guān)注了TA”是為了告訴你這個創(chuàng)作者的粉絲很多，在一定的領(lǐng)域具有一定的影響力，你可以看看；“你關(guān)注的王豆皮贊同”是為了告訴你關(guān)注的某個博主對這個內(nèi)容也很感興趣，你也可以看看；
2. 視頻號：“XXX朋友點贊過”，和知乎的那個推薦理由差不多，都是基于社交屬性來設(shè)置的推薦理由；
3. 網(wǎng)易云音樂：“根據(jù)常聽推薦”表示這首歌和之前你經(jīng)常聽的歌很相似；“昨日上萬播放”表示這首歌昨天很火，給你推薦你也可以嘗試聽聽。

我們可以通過三大領(lǐng)域，9個APP的推薦理由案例發(fā)現(xiàn)一個好的推薦理由其實是可以提升用戶的點擊欲望，讓推薦結(jié)果更加透明化；

二、推薦系統(tǒng)為什么要做推薦理由

為什么推薦系統(tǒng)的推薦結(jié)果展示要添加推薦理由，其實這和我們?nèi)粘Ｉ钜捕际窍⑾⑾嚓P(guān)的。

1. 當(dāng)我們想看一部電影卻不知道該看什么的時候，我們會咨詢朋友的意見，朋友們會告訴我們XX電影好看，主演是XX，劇情非常好，演員的演技也很好?！皠∏榉浅：?，演員的演技也很好”其實就是我們生活中給出的一種推薦理由。
2. 當(dāng)我們?nèi)ヒ患也蛷d吃飯不知道點什么的時候，我們通常會叫來服務(wù)員問他有沒有什么菜推薦。服務(wù)員會說 “這幾道菜是我們店經(jīng)典菜必點，這道菜是我們店剛剛上新的新菜可以嘗試一下”。其實服務(wù)員給出的推薦理由和大眾點評&美團(tuán)給出的推薦理由邏輯是一樣的。

一個值得信任和說服力強(qiáng)的推理理由會降低我們的選擇成本和決策時間。如果我們將現(xiàn)實中的推薦場景同樣復(fù)制到互聯(lián)網(wǎng)上，在為用戶推薦某一個商品或者服務(wù)時，不再是只告訴商品或服務(wù)是什么，同時也告訴為什么給他推薦這個商品或服務(wù)時：

• 平臺側(cè)：提高推薦結(jié)果的透明度，提升推薦結(jié)果的可解釋性，進(jìn)而提升推薦結(jié)果的點擊率；
• 用戶側(cè)：提升用戶體驗，用戶更加信服推薦結(jié)果；

在2022年這個時間點，在頭部互聯(lián)網(wǎng)大廠的APP推薦結(jié)果里基本都已經(jīng)附上了推薦理由，只是推薦理由的覆蓋度并沒有很高以及種類比較少。隨著推薦系統(tǒng)的進(jìn)步以及用戶自主意識的不斷增強(qiáng)，推薦系統(tǒng)的透明化以及結(jié)果可解釋性也需要不斷增強(qiáng)。

推薦理由就是一種很好地提高推薦系統(tǒng)透明度，提升推薦結(jié)果可解釋性，拉近系統(tǒng)與用戶之間距離的方式，未來所有的推薦系統(tǒng)里都需要加上推薦理由。

三、推薦理由分為哪幾類，如何實現(xiàn)

市面上這么多推薦理由，我們可以將其分為哪些大類了？又如何去挖掘出這些推薦理由了？

1. 推薦理由應(yīng)該具備哪些特性

首先我們在設(shè)計推薦理由之前得明確推薦理由應(yīng)該具備哪些基本要點，需要圍繞著基本要點進(jìn)行推薦理由設(shè)計。

如上圖所示推薦理由需要具備三大基本要點：可解釋性強(qiáng)、準(zhǔn)確度高和信服度高，三者缺一不可；

1. 可解釋性強(qiáng)：推薦理由必須要容易理解，用戶秒懂，而不需要進(jìn)行思考；
2. 準(zhǔn)確度高：推薦理由必須要是準(zhǔn)確的，而不是給商品亂加的標(biāo)簽；
3. 信服度高：推薦理由必須要讓用戶信服，覺得推薦這個商品是有真道理，而不是一些無關(guān)痛癢的理由。

2. 推薦理由的分類及實現(xiàn)方式

• 用戶特征：一般分為兩個大類，一個是用戶的行為特征，另一個是用戶的偏好特征?；谟脩粜袨樘卣鞯耐扑]理由生成基本都是統(tǒng)計學(xué)的方式，就像上文中盒馬的例子”你經(jīng)常購買的商品“；而基于用戶偏好特征的，一般都是使用Item-CF算法，將基于Item-CF算法召回的物料都可以加上這類的推薦理由”根據(jù)常買推薦、根據(jù)常聽推薦“。基于用戶特征的推薦理由可以在各個領(lǐng)域使用，是一種普適性的推薦理由。
• 行業(yè)權(quán)威：這類主要用在一些內(nèi)容和媒體領(lǐng)域，一種是將一些行業(yè)大V關(guān)注或點贊過的內(nèi)容推薦給其他用戶；一種是基于用戶現(xiàn)有關(guān)注的一些大V，從他們歷史曾經(jīng)點贊過的內(nèi)容中尋找和用戶興趣愛好匹配度比較高的物料進(jìn)行推薦，然后附上推薦理由，可以進(jìn)一步提升點擊率；
• 熱門潮流：可以分為很多種類型，比如近期流行的和歷史上榜的。這類推薦理由基本都是通過統(tǒng)計學(xué)的方式來進(jìn)行統(tǒng)計，尤其是排行榜類的信息，在很多電商公司會基于各種類目和屬性的組合生成五花八門的排行榜，一個平臺上的排行榜可能有幾千種。
• 社交關(guān)聯(lián)：基于社交屬性的推薦理由其實是在相關(guān)社交軟件或者媒體軟件上經(jīng)常使用的，在我們?yōu)g覽視頻號的時候，如果一個視頻被很多微信好友點贊過，這個視頻里面會被放在首位推薦給我們，甚至視頻號還會有醒目的紅點提醒我們點擊觀看，這就是一種基于微信社交生態(tài)專門有的推薦理由，我們看到這個視頻下有哪些好友點贊了，我們就可以再去找這些好友聊這些視頻，創(chuàng)造共同話題。
• 好評如潮：基于歷史用戶評論信息進(jìn)行好評挖掘，然后再進(jìn)行一個千人千面的用戶匹配。因為評論信息中各種各樣的信息都會有，有的評論側(cè)重于產(chǎn)品功能，有的評論側(cè)重于使用體驗，如何實現(xiàn)推薦理由與用戶之間的千人千面匹配而不是一個推薦理由分發(fā)給所有用戶這是技術(shù)上的難點。

3. 推薦理由生成和使用的挑戰(zhàn)

推薦理由可以讓我們的推薦系統(tǒng)更加透明化，提升用戶的點擊率，但是實際在落地時還是會有很多技術(shù)難點需要突破以及合規(guī)性需要注意。

（1）如何保證理由的準(zhǔn)確性和及時性

推薦理由的準(zhǔn)確性是必須要得到保證的，不然會起到反作用。同時推薦理由的及時性也很重要，比如”熱門潮流“類的推薦理由，此類推薦理由就需要及時更新，很多SKU可能在夏天是流行的，比如西瓜、雪糕等，到了秋天立馬就不再是流行的了，所以相對應(yīng)的推薦理由我們也不能再使用。

（2）如何保證披露信息的合規(guī)性

推薦理由里面的信息是不是都適合披露，都是合規(guī)的。比如基于用戶評論信息里面的一些信息，很多評論可能會比較直接或比較敏感，雖然確實和商品有關(guān)，但可能不適合直接披露在最外頁給用戶展示。還有一些類似于功效的信息也得需要進(jìn)一步確認(rèn)才可以。

（3）如何做到更進(jìn)一步千人千面的適配和動態(tài)生成

這個是目前推薦理由領(lǐng)域最大的挑戰(zhàn)和重點攻克的方向。我們上面介紹的很多種推薦理由其實都是千人一面的，當(dāng)一個SKU被推薦給所有用戶時可能使用的推薦理由都是一個，比如排行榜信息。

而推薦系統(tǒng)需要做到的就是千人千面，以往做的是千人千面用戶和物料的匹配。未來需要實現(xiàn)的是同樣一個物料推薦給不同用戶時可能推薦理由也是不一樣的，需要做到推薦理由的千人千面動態(tài)生成，而不是像現(xiàn)在這樣的離線千人一面的生成方式。