推荐算法概览-电商业务

业务场景概述

众所周知，电商业务发展至今已经非常成熟，淘宝、京东、拼多多等电商巨头都在上线了覆盖了不同维度的推荐算法，用来提高用户下单率，支付率，延长用户在浏览商品页的时长，准确的商品推荐可以解决用户长时间筛选商品的这个问题，电商中的土场景更是覆盖在交易的各个环节，如果首页，详情页，购物车页，支付成功页或者是错误页等。
在电商网站里进行商品推荐，可以提高整个网站商品销售的有效转化率，增加商品销量。通过用户已经浏览、收藏、购买的记录，更精准的理解用户需求，对用户进行聚类、打标签，推荐用户感兴趣的商品，帮助用户快速找到需要的商品，适时放大需求，售卖更加多样化的商品。甚至在站外推广时，能够做个性化营销。

不同位置的推荐产品定位不同：

单品页：购买意图;
过渡页：提高客单价;
购物车页：购物决策;
无结果页：减少跳出率;
订单完成页：交叉销售;
关注推荐：提高转化;
我的推荐：提高忠诚度;
首页猜你喜欢：吸引用户。

电商类推荐算法应该怎么做呢？

产品用户主要分为两大类：注册用户与未注册用户(浏览用户)
推荐算法主要分为三大类：
基于内容元数据的推荐（给内容打上标签，在浏览的过程中会有一些内容会被筛选掉,选取当前内容存在的元数据标签去推荐相同元数据的内容）。
基于用户画像的推荐（用户的基础数据,应用的浏览时长或者点击频率，内容的偏好数据）。基于过滤算法的推荐（寻找相近或者