基于协同过滤思想的 道具推荐引擎 算法设计

道具推荐引擎算法设计

 

1.      统计每个用户的道具使用量

数据格式如下

 

用户名:

道具A,消费量

道具B,消费量

道具C,消费量

以此类推

 

2.      统计道具两两组和出现的概率

A	B	C	D	E	F	G	H
主道具	附道具	主道具使用人数	两道具都使用的人数	道具黏度 (C/D)	主道具消费量	附道具消费量	道具消费比 F/G
能量水	生命水	100	60	1.6	2000笔	400笔	5:1
生命水	能量水	80	60	1.3	400	2000	1:5
能量水	加速剂	100	30	3.3	2000	3000	2:3
加速剂	能量水	30	100	0.3	3000	2000	3:2

 

3.      以某个道具为驱动

假设用户消费了 能量水, 从上述表中 筛选 A = 能量水,并 筛选出 D 列最大的3个道具

 

以上筛选结果表示和某个道具关联度最高的N个道具

 

结果

 

A	B	C	D	E	F	G	H
主道具	附道具	主道具使用人数	两道具都使用的人数	道具黏度 (C/D)	主道具消费量	附道具消费量	道具消费比 F/G
能量水	生命水	100	60	1.6	2000笔	400笔	0.2
能量水	加速剂	100	30	3.3	2000	3000	1.5
能量水	宝石	100	20	5	1000	400	0.4

 

统计当前用户的道具组和消费比

 

U	A	B	C	D	E
用户名	主道具	附道具	主道具使用次数	附道具使用次数	道具使用比例 (C/D)
U001	能量水	生命水	100	60	0.6
U001	能量水	加速剂	100	300	3
U001	能量水	宝石	100	20	0.2

 

以上两表关联

 

全局用户 每消费1个能量水,就会消费 0.2 个生命水,而当前用户的消费水平已高于全局用户的平均水平,则不推荐用户购买此道具

 

加速剂 也是同理

 

而宝石的消费比0.2 则少于 0.4 .则把宝石道具推荐给用户.

 

4.      推广方式

基于以上数据,当用户点击购买能量水,支付之前,页面提示用户是否需要购买 宝石( 价格为正常销售价的75%),最大购买量为 20个. 用户购买20个宝石之后的道具使用比和全局用户保持持平

 

5.      效果评估

分别对所有活跃付费用户进行AB随机分组

运营1个月的效果如下

采用推荐策略的用户A组比B 组的成交量高8%,通过推荐引擎购买的道具占A组用户所有道具的6%

 

运营第二月,对B组用户采用推荐引擎,A组取消, B比A 成交量高10%,通过推荐引擎购买的道具占A组用户所有道具的7%