BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

标签个性化数据在推荐排序中的应用

| 作者 弄雨 关注 0 他的粉丝 发布于 2014年3月10日. 估计阅读时间: 5 分钟 | 如何结合区块链技术,帮助企业降本增效?让我们深度了解几个成功的案例。

导读

 “个性化是这个时代最耀眼的特征,谁能更好更快的抓住用户的个性化需求,谁就将赢得商业的未来”——《个性化,商业的未来》

本文share的这个项目,是我们在个性化推荐上的一个小小的尝试。通过捕捉用户实时的标签快速捕捉用户兴趣变化,用机器学习算法挖掘用户兴趣与实际消费行为的联系,及时调整推荐排序,提高推荐效果。

一、背景

2013年推荐还能实现效果100%的增长吗?

推荐从无到有,除了大盘增长带来的推荐成交自然增长外,基于协同过滤的推荐效果相比热销效果翻了一番。随着协同过滤技术的普及,推荐增长速度已经明显放缓,急需寻找新的突破点提升效果。

个性化的声音此起彼伏,我们团队也开始考虑使用个性化的方案,一方面通过捕捉用户的个性化的信息,更及时的了解用户兴趣点;另一方面,尝试各种个性化推荐匹配思路,希望给用户带来更好的推荐体验。这个case在这两个方面都做了尝试,从效果数据上看有明显提升。

二、个性化解决方案

个性化的核心问题是:用户的个性化信息挖掘和个性化信息的应用。

在这个项目启动之前,我们个性化上的尝试还是基于用户的历史信息,难以反应用户快速的兴趣变化;在个性化信息的应用上,缺少统一应用方式,往往是一个情景一种思路,通过人工定规则,难以保证效果且耗费资源。

捕捉用户实时个性化信息,快速捕捉用户兴趣变化;并基于用户反馈的方式应用个性化信息于推荐,是本期项目的两个关键点。现在,用户个性化信息实时捕捉->基于反馈的个性化信息应用->推荐效果提升,已经成为我们优化推荐资源位的一套科学方法论。

1、用户实时信息捕捉:

用户的实时信息虽然有多种多样,但基本上都是来自于用户实时的行为和行为作用的商品/品牌实体上。抛砖引玉,这里我们以商品为例,通过用户访问的商品及商品的标签信息来表达用户的实时信息。

每个商品都有一些特定的标签:比如下面两个例子。商品标签的重要性通过权重标出。

商品

标签

商品

标签

正品匡威帆布鞋converse all star白色/黑色/酒红拉链高帮

匡威,0.9999

开口笑,0.4291

低帮,0.3121

女鞋,0.2453

高帮,0.2186

匡威开口笑,0.1842

匡威经典款,0.1425

铆钉,0.1286

白布,0.1151

情侣,0.0997

品质保证伟乐WL--908MV头戴式舒适耳麦网吧耳机

伟乐,0.9878

头戴式,0.6898

网吧,0.5427

舒适,0.3143

pc电脑,0.0829

直插,0.0647

3.5mm,0.0572

有线,0.0494

用户在浏览时,就被打上了他刚刚看过的这些标签信息。用户对某一类商品看的越多,与那一类相关的标签就会越多。

在生成用户标签数据时,我们考虑了以下几个因素:

  1. 商品的标签权重。不重要不具有区分性的标签的权重相对较小
  2. 用户对某商品行为距离当前的时间。时间越近的影响越大,从而用户上的标签可以反应用户最近的兴趣点。
  3. 行为的类型,包括浏览、收藏、加入购物车、购买。对不同的行为类型设置不同的权重。

用户标签示例:

用户id

标签

用户id

标签

6276041xx

(一个偏好日常生活用品的用户)

毛毡:2.14

竹纤维:1.57

面巾:1.26

咖啡棒:1

沐浴瓶:1

漱口杯:1

针织:0.99

保暖:0.88

室内:0.8

生活:0.75

绑带:0.68

1058139xx

(一个偏好时尚小青年服装的用户)

林弯弯:2.59

机械表:2.03

外壳贴膜:2

个性:1.45

外壳膜:1.4

迷彩:1.4

连帽:1.28

镂空:1.16

背包:1.05

逸枫:1

iphone5:1

2、个性化排序

基于用户标签和商品标签,计算用户对商品的感兴趣程度,拍脑袋可以想出很多种方案。但是在数据化运营的时代,我们相信数据本身胜过相信拍脑袋的决策。所以我们想到了利用点击反馈数据来决定如果使用用户个性化数据。

  1. 首先,我们利用用户标签、商品标签,计算了多种相似度,作为<用户,商品>相关性的一种表达。
  2. 然后,将用户的每一次点击/无点击视为对<用户,商品>的一次反馈,形成反馈数据

  3. 最后,利用反馈数据进行机器学习训练,寻出最优的相似度组合方式
  4. 最终得到的个性化排序公式的形式是:

从用户的反馈数据中通过算法训练得出的组合规则,有以下几个优点

  1. 科学训练,保证效果,不定规则拍脑袋,节省了不断上线测试效果调整参数的工作量
  2. 自动化进行,在需要引入新的相似数据时,可以自动完成新一轮的组合规则学习

三、效果

效果对比以A/B test的方式进行,在天猫购物车-猜你喜欢,迎客松等推荐位上进行一周测试,对比测试桶和基准桶,各项指标均有显著提升。

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

有大规模应用了吗? by Chol Krist

具体提升多少呢

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

1 讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT