個性化推薦猜你心
money+記者｜王茹芳
亞馬遜中國對個性化推薦系統守口如瓶，哪怕只是相關資料。難怪亞馬遜如此小心，現在，個性化推薦以其在電商**的廣泛應用而聞名，它們以顧客的興趣作為切入點，產生乙個推薦列表，也就是你所熟悉的那些「猜你可能會喜歡」。
亞馬遜是零售**中使用個性化推薦技術的先驅，其個性化推薦系統目前屬於**的核心機密。而據美國科技部落格**venturebeat的資料，amazon.com有35%的銷售額是來自個性化推薦。噹噹、京東等電商網的銷售額也有很大部分間接受到個性化推薦的影響。
購物**的個性化推薦到底是如何成為使用者的知心人的？答案是，用「個性化演算法」。它屬於資料探勘的範疇，依據一定的邏輯與公式，計算出使用者的個人偏好，發掘出他們無法正確表述，甚至還未成形的需求。這件事最有意義的地方在於能把只能憑直覺判斷的主觀「喜好」徹底量化，達到精準推薦的目的。
聽上去很玄對不對？實際上……它確實不那麼簡單。這次，我們也「死理性派」一次，逐一分析四種被運用得最多的「個性化演算法」。電子科技大學網際網路科學中心主任周濤認為，新使用者更容易受流行的影響，而老使用者的個性化需求會更強。正是由於這一原則，當消費者來到乙個陌生的電子商務**，或者成為**的註冊使用者時，接受到的推薦多是熱門的、流行的暢銷商品。而只有當消費者留下瀏覽、搜尋和購買記錄後，他們才能得到更有針對性的推薦。
關聯推薦，漸被淘汰的個性化演算法
人以群分，基於使用者的個性化演算法
「協同過濾」是目前商業應用最廣泛的個性化技術，它整合所有使用者的資訊，為個體服務。基於使用者的協同過濾是第一代協同過濾技術。它背後的道理非常簡單：人以群分。如果一群消費者常在**購買同樣的商品，那麼這些人應該有相似的偏好。**要做的就是找出那些有相似購物或瀏覽記錄的使用者，然後把他們還不曾擁有的東西相互推薦—把甲消費者買過、但乙消費者還沒有購買的東西，推薦給乙消費者，反之亦同。
看起來很複雜是吧？你只需要記住，這個公式可以算出不同使用者的相似係數。以此類推，a與c的相似係數約為0.41，而a與d的也約為0.41，數值越高，相似度越大，由此可以判斷：a與b的品位最為接近，可以將b已經購買、而a尚未購買的商品2推薦給a。事實上，當**找到了與a相似的多位使用者之後，它會將那些a尚未購買，而其他人已經購買的**，按照這些**被購買的概率，對產品進行排序，最終才把排名靠前的東西推薦給a。
物以類聚，基於商品的個性化演算法
對噹噹／京東等大型零售**來說，它的使用者數量遠大於商品數量，那麼基於使用者的個性化演算法顯然會帶來計算量過大的問題。豆瓣工程師阿穩說，計算使用者之間的相似性需要計算1000萬次左右，而計算商品之間的相似性，10萬次左右就夠了。
基於提高計算效率這一思路，亞馬遜個性化部門的共同創始人greg linden設計和開發了「從商品到商品的協同過濾」技術。這也是目前被使用最多的個性化演算法。簡單來講，其原理是先判斷哪些商品之間具有潛在相關性，然後根據使用者的購買記錄，把那些和購買記錄中關聯度高的商品推薦給使用者。
何為潛在相關性呢？看個經典案例—購物籃分析。2023年代，零售商們在美國中西部超市發現了「啤酒-尿布綜合症」：年輕男顧客的購物籃中，尿布和啤酒會同時出現。這其中的聯絡是，男顧客被妻子打發出來買尿布後，都會拎一箱啤酒回去。向買尿布的年輕男子推銷啤酒，成功率會明顯增高。當兩種看似風馬牛不相及的商品被同一使用者同時購買的頻率越高，那麼商品的潛在關聯就越強。當面對海量的資料集和使用者數量時，從商品到商品的協同過濾會顯現出優勢—實時做出高品質推薦。因此，當我們在亞馬遜等**瀏覽某商品後，即便立刻回到主頁，主頁的推薦也會根據之前的瀏覽資訊立刻做出調整，反應時間被控制在半秒之內，甚至更短。
你輸入的關鍵字也能成為個性化演算法
個性化推薦的風險
而今，所有的個性化推薦都不會只採用一種演算法，而是文中各種演算法的結合。不過，愈加智慧型的個性化推薦仍存在一些風險。豆瓣曾推薦了本《富人不說，卻默默在做的33件事》，有網友說：認為誰窮瘋了麼，你愛推薦給誰給誰，別總給我推薦這類書！當然，這段話已經被我們「翻譯」得很溫和了。或許，**應該反思一下如何不讓個性化推薦冒犯到使用者。
此外，**蒐集的資訊越多，消費者越會感到隱私受侵犯。如果你的朋友都收到了以下推薦：「你的好友最近購買了一些**藥，你要不要也試試？」這多令人尷尬啊！亞馬遜解決這一衝突的方法是，允許消費者修改或刪除記錄
個性化推薦技術
如果說過去的十年是搜尋技術大行其道的十年，那麼個性化推薦技術將成為未來十年中最重要的革新之一。目前幾乎所有大型的電子商務系統，如amazon cdnow netflix等，都不同程度地使用了各種形式的推薦系統。而近來以 發現 為核心的 正開始在網際網路上嶄露頭角，比如側重於 推薦的八寶盒，側重於圖書...
個性化推薦漫談
如果說過去的十年是搜尋技術大行其道的十年，那麼個性化推薦技術將成為未來十年中最重要的革新之一。目前幾乎所有大型的電子商務系統，如amazon cdnow netflix等，都不同程度地使用了各種形式的推薦系統。而近來以 發現 為核心的 正開始在網際網路上嶄露頭角，比如側重於 推薦的八 寶盒，側重於圖...
個性化推薦漫談
如果說過去的十年是搜尋技術大行其道的十年，那麼個性化推薦技術將成為未來十年中最重要的革新之一。目前幾乎所有大型的電子商務系統，如amazon cdnow netflix等，都不同程度地使用了各種形式的推薦系統。而近來以 發現 為核心的 正開始在網際網路上嶄露頭角，比如側重於 推薦的八 寶盒，側重於圖...