推荐系统设计

  在商业社会中，有一种亘古不变的关系：供求关系，供求关系的背后是交换。无论是实体经济还是虚拟经济，都是基于这个原理。供求关系动态变化，当供给小于需求时，就产生了稀缺，有了稀缺，就有了商业。
  在信息经济中，看上去供求方是信息生产者，需求方是注意力提供者(信息消费者)。推荐系统可以服务于不同类型的产品(资讯，社交，电商，游戏)，尽管它们最终得到真金白银的手段不一样，也就是所谓的商业模式各有不同，但是它们都有一个关键步骤就是：获得用户的注意力。用户产生行为就是付出注意力的表现，比如信息流产品都是在看谁家的用户数多，阅读时间长，这些都是白花花的注意力。信息经济其实也就是注意力经济，而推荐系统就是留住注意力的重要手段之一。
  推荐系统处理的是信息，它的主要作用是在信息生产方和信息消费方搭建起桥梁，从而建立连接。推荐系统带来的推荐服务基本上已经渗透到我们生活的方方面面,那么如何设计一个推荐系统呢？设计一个推荐系统需要哪些知识呢？

图1、推荐系统架构图

推荐系统设计

1、需求分析和用户调研

• 用户：
  • 新用户：兴趣未知，着重促销、多样性、新颖性
  • 老用户：兴趣已知，着重个性化
  • 主流用户 小众群体
  • 用户画像：
    • 用户兴趣数据
    • 用户的基础注册信息，背景信息：例如用户出生地，年龄，性别，星座，职业等。这些信息一般从用户注册信息中获取；例如高德，百度地图注册用户，淘宝注册用户等
    • 用户行为反馈：包括显示的反馈(explicit)和隐藏(implicit)的反馈，显示的反馈包括用户的评分，点赞，分享等操作，如百度关键词搜索推荐工具上的点赞（正向显示反馈）和垃圾桶（负向显示反馈），淘宝上的评分；隐式反馈包括用户的浏览行为，例如在百度关键词搜索推荐上搜过那些词，淘宝上点击了那些页面，在高德上点击了那些POI等
    • 用户交互偏好：例如用户喜欢使用哪些入口，喜欢哪些操作，以及从这些操作中分析出来的偏好，比如在高德地图上根据用户行为反馈分析出来的用户对美食的偏好：更喜欢火锅，粤菜，还是快餐
    • 用户上下文信息：这些信息有些是分析出来的，例如在LBS中分析出来的用户的家在哪儿，公司在哪儿，经常活动的商圈，经常使用的路线等
• 推荐什么：
  • 价格一致，用户经常购买的类别
    • 书、电影、音乐、文章->以用户对内容主题的兴趣为主
  • 价格不一致，用户经常购买的类别
    • 服饰、日用百货->视觉、品牌、价格、内容
  • 用户很少购买的类别
    • 房、车、装修材料、家具->专家推荐、互补推荐
  • 新品促销/库存清理->考虑整体系统的获利
• 什么时候推荐
  • 节假日 定期 用户某些行为后
• 什么位置推荐
  • 基于位置的服务

2、功能设计

• 个性化首页
  • 个性化促销，关注信息推送
• Item页面
  • 关联商品
  • 基于浏览历史的推荐
  • 基于购买历史的推荐
• User页面
• 购物车页面
• Community页面
• 短信、email、公众号…

3、UI设计（展示数据、收集用户数据）

• 如何将推荐结果呈现给用户？
• 如何收集用户信息和反馈数据？
• 目的：
  • 提高用户满意度，达到推荐目的
  • 更多更好地收集高质量的用户反馈
  • 准确评测推荐算法效果

4、架构设计

• 硬件资源的限制
• 用户数、item数
• 存储、接口
• 实时响应的要求

5、算法设计

• 优化准则
• 数据预处理
• 离线算法
• 在线算法
• 功能实现策略
• 推荐解释

6、系统评测

• 用户反馈
  • 点击率？转换率？单次使用时长？重复使用率？
• A/B测试

参考文章：
链接：https://www.jianshu.com/p/b9ba5c84000b