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%