我是創(chuàng)始人李巖：很抱歉！給自己產(chǎn)品做個廣告，點擊進來看看。
伴隨著實體行業(yè)的數(shù)字化轉(zhuǎn)型，以及網(wǎng)民數(shù)量、物流快遞行業(yè)的快速增長，電商平臺之間的競爭也日趨增大。如今，電商行業(yè)已然進入創(chuàng)新發(fā)展階段，如何直面行業(yè)痛點，在眾平臺中“殺出重圍”呢？
多
用戶對商品的需求不是單一的，如何面對不同用戶多種多樣的需求？
快
用戶購物時一般都帶有目的性，如何在短時間內(nèi)識別用戶購物需求從而吸引用戶？
達觀通過電商行業(yè)的服務經(jīng)驗，提煉出適用于電商行業(yè)的推薦策略及算法，以下將從
“人”“貨”“場”“策略”
四方面展開。
（1）根據(jù)
用戶靜態(tài)信息生成推薦列表
，推薦符合用戶性別、年齡的商品；根據(jù)用戶選擇的
興趣標簽
，推薦符合其興趣標簽的商品；
（2）根據(jù)
冷啟動算法進行推薦
，例如E&E和CLUB算法；
（3）結(jié)合商品的熱門榜單數(shù)據(jù)進行推薦；
（4）采用
專家策略
，推薦活動的商品，例如打折的商品等。
（1）基于
用戶靜態(tài)信息生成推薦列表
：推薦符合用戶性別、年齡的商品；根據(jù)
用戶選擇的興趣標簽
，推薦符合其興趣標簽的商品；
（2）基于
動態(tài)數(shù)據(jù)進行推薦
，綜合考慮用戶的搜索、點擊、購買等行為分析用戶偏好。例如：用戶收藏了一件T恤，那么同類型、價格相似的T恤、同店鋪的其它T恤、同品牌的其它商品等都可作為該用戶的推薦候選集；其次還可以根據(jù)用戶行為計算相似用戶，將相似用戶間的偏好商品進行交叉推薦；
（3）基于
運營規(guī)則推薦
，例如：對于復購周期長的商品減少推薦；給用戶推薦配套商品、活動商品等。
顧名思義，電商APP中可以推薦出來的商品為“貨”。推薦系統(tǒng)會綜合考慮商品的靜態(tài)屬性字段（如類別、價格、標簽等）、商品的統(tǒng)計屬性（如銷量、點擊量等）和商品之間的關(guān)聯(lián)屬性。
（1）
分析商品靜態(tài)屬性
：結(jié)合商品類別字段，給用戶推薦當季商品，如夏季推薦T恤、連衣裙等；亦或者根據(jù)商品上架時間字段，給予上新商品一定的曝光度；
（2）
分析商品統(tǒng)計屬性
：綜合考量商品的點擊量、銷量等，計算商品熱度，給用戶推薦熱門商品；
（3）
分析商品關(guān)聯(lián)屬性
：結(jié)合店鋪、品牌、價格等信息，給用戶推薦同店鋪、同品牌、相似價格的商品；或者通過計算商品標題相似度，推薦相似商品；亦或者根據(jù)協(xié)同過濾算法，通過用戶將商品進行關(guān)聯(lián)來進行推薦。
達觀提供
個性化、相關(guān)、熱門、地域、搜索推薦、通用推薦
等功能，全方位支持電商APP多個場景接入推薦，例如首頁、頻道頁、詳情頁、搜索頁等等。
在電商推薦中，搭配專家策略往往可以對效果有促進作用。
（1）從推薦
權(quán)重
方面：可調(diào)整不同行為對模型的影響權(quán)重，例如：購買>加入購物車>收藏>分享>點擊；
（2）從推薦
范圍
方面：可結(jié)合電商用戶群體的不同特征上線不同的方案，例如向VIP用戶優(yōu)先推薦VIP折扣商品；
（3）從推薦
比例
方面：通過豐富推薦結(jié)果的比例，來豐富商品推薦的多樣性，例如，興趣商品：熱門商品：新商品=4:2:1
（4）當推薦
條件限制過多
時，為避免推薦結(jié)果不足的情況，可以設置補足策略，例如根據(jù)海量用戶的購買、加購等行為數(shù)據(jù)計算熱門商品，加入到補足推薦的候選集。
達觀推薦服務深度理解電商行業(yè)應用場景，如直播電商、社交電商、生鮮電商、跨境電商等，支持結(jié)合不同行業(yè)特點進行模型的定制和優(yōu)化。目前，在電商行業(yè)達觀已經(jīng)服務虎撲識貨、安利、天虹、樂友母嬰、一條生活館、順豐大當家等眾多知名客戶，行業(yè)經(jīng)驗豐富。
達觀首創(chuàng)“召回+排序+后處理+兜底”四段式推薦流程，平臺內(nèi)置上百種算法模型和專家規(guī)則，支持AB測試、用戶畫像等功能，有效提升轉(zhuǎn)化率、點擊率、留存率等業(yè)務核心指標，可滿足技術(shù)、運營、產(chǎn)品、測試等多種角色的不同需求。
科技獵
