为什么需要推荐系统
- 提高流量转化率
---------流量具有稀缺性和不确定性:不确定是指用户意图无法简单明了的表达出来;用户就是想逛一逛,目的不明确;用户的意图跟需求不匹配-如果用户了解的不多,她的意图可能就比较片面。
---------流量同时具有差异性:用户每个人都是独特的,体现在她的意图,消费水平,品牌偏好,兴趣爱好。
- 挖掘和匹配长尾需求
有些用户的需求需要被长尾的物品满足,区别于二八定理,长尾需求认为头部商品怎么满足一部分用户的需求。
- 提升用户体验
- 技术积累
推荐场景
- 流量浪费和用户流失可能性较大的地方
- 当前场景中的用户处于选择过程中,需要信息引导
- 用户在当前场景中具有较强的不确定性
推荐系统的核心逻辑
正如不能拿着所有的商品一个一个去问用户是否喜欢,需要拆分成几个步骤
从推荐的表达式中也可以找出一点规律
p(item|user) = * (item|interest) p(interest|user)
#先找到用户的兴趣,根据用户的兴趣找到对应的item,我们只需要对两个p不为0的商品和兴趣计算即可
在这个思维下,我们可以将推荐分为两个步骤。
召回
根据一些线索找到用户可能会喜欢的物品,这一步骤通常成为召回,根据不同的策略来召回的方法成为召回算法。
召回层通常会考虑到以下几个方面:
- 相关性:比较好理解
- 多样性:跳出信息茧房类似
- 覆盖率
- 实时性
排序
目的:针对统一的优化目标进行排序,在召回阶段可能会涉及多个算法,算法和算法之间并无法比较、