电商推荐算法应用

一、 电商推荐算法简述

目前比较多的电商模式为B2B，B2C，O2O，在本文介绍和需要举例说明的地方B2B电商模式为主。

电商推荐根据推荐内容不同分为物品推荐、商家推荐；流行的推荐应用主要有三个方面：1）针对用户的浏览、搜索等行为所做的相关推荐；2）根据购物车或物品收藏所做的相似物品推荐；3）根据历史会员购买行为记录，利用推荐机制做邮件推送或会员营销。其中推荐算法主要分为以下几个类： 

1、基于用户的协同过滤推荐算法

a. 找到与目标用户兴趣相似的用户集合

b. 找到这个集合中用户喜欢的、并且目标用户没有听说过的物品推荐给目标用户

2、基于Item（项目）的协同过滤推荐算法

  a.基于用户对某商品的兴趣程度，寻找出相似度最大的物品。

  b.将相似度最大的物品推荐给目标用户。

 

协同过滤举例：四个用户ABCD，对5个商品abcde的兴趣与否见下表（实际用户对物品的兴趣程度有区别，需要具体的评分量化），这里方便理解原理，用二元值表示用户对物品是否感兴趣。

	a	b	c	d	e	目标物品
A	1	1	0	1	0	1
B	1	0	1	0	0	0
C	0	1	0	0	1	1