前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >618狂欢过后,冷静揭秘亚马逊和淘宝如何用算法让你剁手

618狂欢过后,冷静揭秘亚马逊和淘宝如何用算法让你剁手

作者头像
AI科技大本营
发布2019-07-03 14:51:23
1.5K0
发布2019-07-03 14:51:23
举报
文章被收录于专栏:AI科技大本营的专栏

作者 | 神经小姐姐

来源 | HyperAI超神经(ID:HyperAI)

场景描述:继「双十一」之后,京东也借着店庆日,制造了与其遥相呼应的「618」年中购物狂欢节。而各大电商除了用各种营销手段吸引顾客外,也在利用智能推荐不断影响着用户的购物选择。推荐系统为交易额的增长带来了极大的贡献。 关键词:智能推荐系统 电商 购物节

2009 年,淘宝开创了「双十一」,硬是把原本的光棍节扭转为购物狂欢节。自此之后,各大电商造节的历史帷幕也逐渐拉开。

近几年,各种网络购物节几乎贯穿了一年的始终。

购物节:消费者的狂欢,电商们的战争

从元旦开始,一系列购物节便接踵而至。

从春节的「年货节」,到 3 月 8 日的「女神节」,再到 5 月下旬的「母婴节」,再到年中「618」狂欢,继而是下半年的「双十一」、「双十二」……举不胜举。各大电商轮番变着花样地,给广大剁手党买买买的理由。

几乎各大电商都拥有自己的专属购物节

京东「618」刚刚结束,各大电商和剁手党们满载“战果”而归。

从5 月底开始,各大电商已经在为这场年中狂欢预热,广告铺天盖地,营销策略上也是各显神通:前 1 小时五折抢,低至 6.18 元,各种额度的满减……而剁手党们也早早就开始精挑细选,把购物车塞得满满当当。

而对于各大电商的员工来说,这样的购物节,仿佛一场没有硝烟的战争一般,「战线拉得太长,就等 6.18 打响了。」

对于这场「战争」中的主角——广大剁手党来说,随着消费者消费水平的提高,价格已经不再是选购的唯一导向,因此各大电商也不再只是单纯拼价格。品牌、质量、评价等多方面因素都会成为参考因素。而推荐系统的「猜你喜欢」和「有好货」之类的,更是不断影响着剁手党的选择,不断打破他们的自制力。

个性化推荐系统为很多公司带来益处,自2008 年起,推荐算法为 YouTube 每天增加了数十万小时的观看时长

因此,一个更智能的推荐系统也成为了电商平台们必不可少的战斗武器。

无处不在的个性化推荐

如今,智能推荐系统已无处不在。

今日头条当初就是凭借算法解读读者兴趣 DNA,为用户提供精准的的新闻推荐,从而在众多新闻客户端中脱颖而出。还有比如影评平台上「喜欢这部电影/图书的人也喜欢……」,音乐软件的歌单推荐,求职软件上「你可能感兴趣的工作」,都是基于智能推荐系统。

亚马逊是智能推荐系统的「始祖」,在 1998 年推出了基于项目的协同过滤算法

而各类电商平台更是已经离不开推荐系统。据智能推荐的始祖亚马逊称,其 40% 的收入都来自于个性化推荐系统。

事实上,推荐系统最初就是从零售业中开始流行,至今已有 20 年历史。它先后经历了简单的关联推荐到个性化推荐阶段。

从最初的基于用户的协同过滤,到后来基于内容的过滤算法,再到最后的混合推荐算法,不断加入机器学习、深度学习等技术,使得推荐也越来越个性化。

推荐引擎的类型:a.协同过滤;b.内容过滤

最初,推荐系统主要依赖商品数据,推荐正在搜索的商品的同类型产品,可谓「千人一面」;到之后基于用户之间的关联,加入数据挖掘、机器学习等技术的个性化推荐,已经做到了「千人千面」。

淘宝的智能推荐算法揭秘

如今,智能推荐给剁手党带来了不小的便利,算法成了比自己还懂自己的导购员。不过,要知道,这一个个不断吸引用户去点击的商品背后,是复杂的算法,涉及机器学习、大数据、自然语言处理等等。

以大部分网购者比较熟悉的淘宝为例。淘宝的推荐系统也经历了几个阶段的发展。

淘宝最新版智能推荐系统「猜你喜欢」,可以无限下拉

2011 年,淘宝内部出现第一个推荐算法的实验项目。当时是一个名叫「母婴档案」的个性化项目,主要为母婴客户推荐适合的产品。该项目最初设立初衷是希望提高搜索效率,让用户能更快找到符合自己需求的商品,增加交易量。在此之前,传统的电商搜索都还是用的「千人一面」的同一套算法。

2013 年左右,随着平台上的商品越来越多,对所有用户采用同一套搜索算法,已经不能满足用户需求了。为此,淘宝把个性化推荐和搜索正式提上日程,迎合用户开始走向多元化的需求。

传统的推荐系统,是基于单一的数据依据,最新的推荐系统则混合多类数据,基于各类关联去判断

淘宝用聚划算做了一次至关重要的个性化推荐测试——以往聚划算的商品展示的排序是遵循每个小时计算出的销量,上了个性化排序后,商品成交量很快提升了一倍。

测试的成功让淘宝对个性化推荐更加有了信心。于是,2014 年,继电商搜索团队后,阿里又成立了专门的推荐技术团队。

大量的用户数据也让阿里的推荐系统拥有了足够依据。除了年龄、性别这些基本信息,用户的购物历史、搜索历史、浏览足迹,都被机器收入囊中,去定义其偏好。

「我们可以观察你的每次浏览行为中,比如 10 个坑位里你看的商品是否是都是相似的,当推荐的品类过于集中,机器通过一些信号感应到用户(审美)疲劳了,下一步的推送就会提高探索度,推荐点其他的。」

淘宝推荐系统负责人曾介绍道,「商品推荐最糟糕的情况就是用户看了、商品曝光了,但一直在滚动屏幕,并不点进去。」

但是,算法能够从用户行为中找出逻辑也并非易事。作为用户,这样的场景可能很常见:打开淘宝,浏览一条裙子,再去浏览自行车,然后再回来看裙子,最后买一包辣条走了。

天猫首页推荐系统框架

要在一团乱麻的行为中抽离规律,算法工程师想出两种方法:一是实时推荐,让复杂的模型和算法迅速理解每次点击的意图,随时跟随用户脚步进行推荐;一是将毫无逻辑的行为进行分类,即按照品类如服饰、电子产品等分类。

再到 2018 年,淘宝的智能推荐走向场景化。比如,在用户搜索北欧风餐椅的时候,不仅仅推荐餐椅,还会推荐全套的北欧风家居用品。据介绍,如此改进之后,淘宝的推荐栏目使用率提升了很多。

我们使用电商平台时,也从最初的有目的去「搜」,渐渐变成了漫无目的去「逛」。而闲逛之中,常常会不知不觉买下一堆被推荐的商品。

推荐系统的局限性与挑战

但是,推荐系统也常常会被吐槽。推荐不准确、重复推荐是最常见的槽点。

有用户曾抱怨:我刚买了条棉被,结果天天还给我推荐;还有用户表示:每天都给我推荐同一种风格的裙子,我都要审美疲劳了。

数据表明,对于图书、食品等商品,复购率比较高,所以重复推荐的算法也需要有针对性。同样的算法,不再适用于所有用户与商品

因此,在准确性与潜在需求挖掘方面,推荐技术还需要不断改进。未来某一天,可能闭着眼,也能买到最想要的东西了。

最后,祝大家购物节购得过瘾,购得愉快。

(*本文为 AI科技大本营转载文章,转载请联系原作者)

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-06-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI科技大本营 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
智能推荐平台
智能推荐平台(Intelligent Recommendation Platform,IRP)是集生态、技术、场景于一体,采用业界领先的AI学习技术和智能推荐算法,基于腾讯多年在超大型场景中积累的最佳实践方法论,助力客户业务实现增长的企业级应用产品。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档