对推荐不满意？电商算法本可以更好

本篇文章1708字，读完约4分钟

[据魏思安介绍，亚马逊的产品推荐包括五个数据维度，其中除了用户点击和搜索数据、用户评价和基于lbs的环境数据之外，还包括朋友间的社交数据和背景专家的人工研究和干预。“过去，我们更关注节点本身的一些特性。现在我们更加关注节点之间的连接。每个人都是相互联系的。”]

当早年爆炸性的电子商务在过去两年中逐渐被个性化的网上购物趋势所掩盖时，成千上万人的产品推荐成为了平台标准，但现在它只做了一个原型。

8月25日下午，亚马逊(Amazon)前首席科学家、大数据和机器学习学者安德烈斯·魏根德(andreass.weigend)在iebe(上海)国际电子商务博览会上接受《第一财经记者》(First Financial Reporter)独家采访时表示，系统推荐本身并不难，但如何评价推荐却是一个难题。“当我还在亚马逊的时候，哈利·波特就拍了续集。如果这本畅销书被推荐给所有亚马逊读者，许多人可能会。

在过去的两年里，经常在网上购物的用户感觉到了个性化推荐的变化。过去，电子商务平台总是推荐我刚刚买的类似产品。例如，我刚买了一个足球，当我浏览网页时，它出现在广告空间。足球。现在，推荐系统变得更加智能，它将主动展示相关产品，如球袜、运动背包和水壶。

背景算法在大数据关联分析中起着一定的作用，其中需要考虑商品的消费程度和回购率特征数据。

然而，与今天的头条新闻推荐和网飞电影推荐不同，电子商务平台上有数亿种产品。相比之下，个人消费者观看和购买的产品非常有限。如此稀少的数据使得平台很难准确猜测你喜欢什么，也更难预测你可能购买的产品。此外，随着电子商务平台基于社区的场景越来越多，许多用户在手机上开淘宝时可能只是漫无目的地闲逛，这与线下购物中心没有太大区别，这增加了背景数据分析的问题。

据魏思安介绍，亚马逊的产品推荐包括五个数据维度，包括用户点击和搜索数据、用户评价、基于lbs的环境数据(比如搜索产品时你是在吃饭还是乘坐高铁)、朋友间的社交数据，以及背景专家的人工调查和干预。

“过去，我们更关注节点本身的一些特性。现在我们更加关注节点之间的连接。每个人都是相互联系的。”

显然，社交数据对于平台推荐算法的权重正在增加。以公共评论、yelp等餐馆为例，如果用户路过某个地方或主动搜索某个区域的餐馆，系统会显示其朋友在某个餐馆留下的访问和评价数据，这将对用户的决策产生很大影响。在网上选择餐馆时，咨询朋友是一个高频率和流畅的场景。当社交数据用于电子商务时，系统会将你朋友购买的产品与你联系起来。

对此，魏思安在手机上打开facebook，看到一系列朋友添加和推荐信息。“我可以看到推荐的朋友和我现有的朋友之间的关系，并帮助我决定是否添加朋友，但我在微信上看不到其他人的朋友关系。”事实上，中国最大的电子商务和社会数据分别由阿里和腾讯控制，开放数据并不容易。

目前，不同的用户看到不同的手机淘宝主页，用户搜索手机时产生的页面排序因人而异。不仅有后台算法的大数据分析，还有平台流量分散的考虑。在2015年的双十一中，淘宝后台顶住了海量并发大数据分析的压力，实现了移动淘宝应用用户端上千人的展示。一家服装品牌旗舰店的店主陈迪(音译)表示，2014年和2015年，double 11开设了数千人和数千个会议场所，但他在2014年经历的数千人和数千个会议场所的转换率较低，到2015年，转换率大幅上升，其背后的推荐逻辑得到了优化。

除了搜索之外，店内展示也是个性化的试水。以男装品牌杰克·琼斯为例，不同的用户进入旗舰店看到不同的页面展示和产品推荐。不久前，天猫电器城的负责人静音告诉《第一财经报》记者，整个网络中有200多家店铺，让成千上万的人去尝试。用户的搜索关键词成为重要的分析数据。例如，当用户购买热水器时，用户搜索噪音，这表明使用环境对安静有很高的要求。

但总的来说，电子商务的个性化推荐还处于起步阶段，算法还远远不够智能。目前，谷歌将通过分析用户在某个页面上的停留时间来猜测他的偏好，大数据采集的规模正以几何量级上升。然而，魏思安认为，收集的数据越多，出错的可能性就越大，算法测试的次数也就越多。有一个数据筛选的游戏问题。