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?
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
- 价格一致,用户经常购买的类别
- 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