【实战案例】商品推荐算法（1）

本篇分享适用于中小电商平台的商品推荐算法，理论与实践结合出发>>>

认真读完本篇，你会收获：
1. 为什么各个电商平台都热衷于做个性化商品推荐？
2. 常见的商品推荐场景有哪些？以及实践中的项目流程。
3. 一个完整的商品详情页实战案例，零基础也可以写推荐算法。

一、为什么各个电商平台都热衷于做个性化商品推荐？

一句话：能增加收入。

分析这个问题要从电商销售额构成来讲：GMV=流量*转化率
先来看图中这4款饮品，你喜欢蓝色清新A，还是抹茶口味B，或是焦糖浓郁D？也可以问一问身边的朋友更喜欢哪款？你们喜欢的是否是同一款？

这里我想表达的是：对于不同的顾客，偏好的饮品是不同的，如果来到店里的每位客人我们都推荐饮品A，那么喜欢饮品D的客人可能会认为这家店过于清淡不太适合自己。为了实现转化率/销售额的最大化，需要做好顾客与商品的匹配关系。
所幸电商的数据积累以及店铺商品呈现，给这个想法提供了极佳的实现条件。

二、商品推荐场景+实操流程

1. 商品推荐场景

1>按照购物流程划分，有四种常见推荐位置：首页瀑布流推荐、商品详情页推荐、购物车推荐、结算页满额加购推荐。
（用户搜索关键词的商品结果排序不在此处展开讨论）

2>按照用户的购买场景划分：有明确购物需求的搜索、直奔某品类、随便逛逛、比价、送礼等。
ps：如有更好的场景划分方法，欢迎留言哦~

2. 常用商品推荐逻辑

1> 推荐的目标：根据用户已知的信息，推测出用户可能感兴趣的商品。

2> 分析达到目标的路径（解题）：
如下图：如何将商品A2与用户1建立联系？
两种途径：建立用户1与用户2之间的关系1，建立商品A1与商品A2之间的关系2

<