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 |