1.1 什么是推荐系统
- 电商公司APP就是帮助用户找到自己所需要的信息/物品；如果用户知道自己需要什么，就通过搜索框【检索系统】或自己的经验浏览货架；如果提供的商品数量/信息量太大，就利用商品的类目或者属性信息来做初步过滤；如果用户自己也不知道需要什么样的，就要利用推荐系统来给用户推荐出商品。
- 推荐系统产生的条件：1、用户自己也不清楚自己的购买需求；2、商品数量过多，存在信息过载。 此时，需要一个自动化的“专家”，分析你的历史兴趣，找到符合你兴趣的商品。
- 推荐系统的任务：1、帮助用户发现自己有价值的信息；2、让信息能够展现在对它感兴趣的用户面前，实现消费者和生产者的双赢，使用户和物品联系的一种工具。
- 推荐系统和搜索引擎的关系
|
框架 |
特点 |
关系 |
|
推荐系统 |
有明确目的时的主动查找需求 |
互补 |
|
搜索引擎 |
没有明确目的帮助他们发现自己感兴趣的东西 |
|
- 从物品的角度出发，推荐系统可以更好地发掘物品的长尾。 推荐系统通过发掘用户的行为，找到用户的个性化需求，从而将长尾商品推荐给需要他的用户，帮助用户发现那些他们感兴趣却很难发现的物品。
- 常见的推荐方式
|
方式 |
实现过程 |
特点 |
|
社会化推荐 |
利用社交网络，好友信息进行推荐 |
既要考虑兴趣度又要考虑亲密度 |
|
内容推荐 |
商品的 类目，生产信息，属性信息 |
|
|
协同过滤 |
如果能找到和自己兴趣相似的用户，看看他们对那些商品感兴趣 |
|
1.2 个性化推荐系统的应用
个性化推荐系统主要来分析用户的行为日志，给不同用户提供不同个性化页面展示，来提高网站点击率和转化率。普遍的个性化系统包括： 前端的展示界面---->后天的日志系统---->推荐算法系统。
1.2.1 电子商务网站
- 主要的应用：个性化推荐列表，相关商品推荐列表。
- 主要组成部分：
推荐结果的标题，缩略图以及其他的内容属性----->告诉推荐的是什么？
推荐结果的平均分----> 推荐结果的总体质量，推荐的结果怎么样？
推荐理由----> 为什么这么推荐？
- Amazon的推荐方式
- 基于物品的推荐：推荐出和用户喜欢的物品 相似的物品。
- Amazon 基于用户的推荐，调用的是facebook的好友关系。
- 相关推荐列表：买了又买，看了又看【利用曝光数据】，点了有点【利用点击数据】，打包销售【outfit】