每当逛淘宝，京东的时候，线上AI机器人人就会自动保（bǎo）留你浏览（lǎn）的页面，推荐相似的产品给你，增加（jiā）人们的购买力，这（zhè）个推荐系统在线上新零售中扮（bàn）演的是什么（me）角色呢？

当人们讨论信息价值的（de）时候，讨（tǎo）论的不光是（shì）量和（hé）传播速度，还有信（xìn）息共享的范围，这一点其实和推荐（jiàn）系统中协同过滤有着密切关系（xì），即通（tōng）过共（gòng）享其（qí）他人或者物品的信息进行推荐，共的范围对信息价值所（suǒ）产生的影响最（zuì）大。

推（tuī）荐（jiàn）系（xì）统（tǒng）其实（shí）就（jiù）是（shì）给用户（hù）推荐物品或者预测（cè）喜好，当（dāng）然（rán）还包（bāo）括其他各（gè）方面的（de）东西（xī）。上图展示了（le）各种推（tuī）荐的场景（jǐng），主要由（yóu）用户和（hé）产品两部分组成，这种图模型也（yě）是推荐系统的一（yī）种解决方案（àn），比如图中两（liǎng）个物品的相识度就（jiù）可以使用图计算的方法进行（háng）量（liàng）化的解释。

国（guó）内在（zài）推荐系统方（fāng）面主要想做的是千（qiān）人千面，通过千人千面来实现增加点击，发掘长尾的（de）目标。

目前推荐系统常见的使用场（chǎng）景有电商、社交、影音（yīn）、资讯这（zhè）四个平台（tái）。

常见的推荐（jiàn）算法有基（jī）于内容、系统过滤、关联规（guī）则（zé）、基于效用以及（jí）基于知（zhī）识这几（jǐ）个。其中最主要（yào）的还是协同过滤，它又被分为两类：一（yī）类是基（jī）于用户，主要在资讯平台；一类是（shì）居于物品，这类很明显（xiǎn）是电商平台。

基于用户的算（suàn）法计算的是（shì）用户相似（sì）度，需要（yào）维护用户（hù）信息矩阵，更社会化，而（ér）基于物品的（de）算法（fǎ）计算的是物品相似度（dù），需要维护物品信息举证，更个性化。

上图是协同过滤的评分预测算法，ALS中评分由（yóu）两（liǎng）个向量的（de）乘积决定，SVD++认为评分不光（guāng）是有两个向量（liàng）乘积决定，个体（tǐ）差异同（tóng）样也会产（chǎn）生（shēng）影响。

推荐需要（yào）的数据一般（bān）分为三块，用户、物品、时间。时间用来关联（lián）用户和物品，用户数（shù）据主要是人（rén）口统计学数据、用户行为数据、用户（hù）标签，物品数据则是物品基本属性（xìng）、物品标（biāo）签（qiān）、物品效用（yòng）。

对于（yú）推荐结（jié）果的检（jiǎn）验分为准确率、召（zhào）回（huí）率、覆（fù）盖率、多样（yàng）性（xìng）、新（xīn）颖度/流行（háng）度。

上（shàng）图展示的为机器学习算法的5个流派（pài），其中联结主义（yì）可能是大（dà）家最熟（shú）悉的，所（suǒ）有的（de）神（shén）经网络的（de）算（suàn）法都属（shǔ）于这一类。最后的行为类推（tuī）其（qí）实就是推荐（jiàn）算法。随（suí）着后续的发展（zhǎn）这几个流派肯定会被结合起来。

新零（líng）售中的推荐

推荐系统中除（chú）了技术，还需要有（yǒu）很大程度（dù）的（de）业务支持。作为一个数据科学家（jiā）不光要有数据和计算机基础，还要专业知识，也就是对业务的理解。在新零售（shòu）行业很多时候都是（shì）以业务为主导。

新零售是2016年提（tí）出的概（gài）念，简单来说（shuō）就是线上加线下（xià）加物流，比较典型的有（yǒu）盒（hé）马（mǎ）生鲜、小米体（tǐ）验（yàn）店、微（wēi）信群（qún）营销等。从推荐的角度上来看，微信群营销其（qí）实也算作新零售。微信群虽然可（kě）以（yǐ）获取（qǔ）到很（hěn）多数据，但是（shì）和体验店一样客户无法确认。并且每个微信群都有针对人群，可（kě）以（yǐ）没有办法拿（ná）到除了头像（xiàng）和姓名之外的信息，用（yòng）户身份也无法（fǎ）获得认证，人员流动非常（cháng）频（pín）繁。这些特性与实体店非常相似，即（jí）使我们无法从单个用户的（de）角度来（lái）进（jìn）行推荐。

新零售推（tuī）荐与互联网推（tuī）荐最大的差（chà）异在于一（yī）个线上一（yī）个线下（xià），我们在做图书（shū）项目的时（shí）候（hòu）发现，用户在线上买书的行为喜（xǐ）好与线下很不一样。线上的卖书的店铺经常会有一些满减促销，它的折扣力度是（shì）很吸引人的，但是（shì）在（zài）线（xiàn）下很（hěn）少（shǎo）有超过（guò）5折（shé）的活动。

在互（hù）联网上（shàng）由于可以实施用户行为（wéi）采集（jí），所以可以实（shí）现千人（rén）千面（miàn），但是在（zài）线下只能通过门（mén）店的角度来进行推荐，无法具体到单独的个体上。因此新（xīn）零售所能实现的是千店千面，目标也转为了增加销量和信息（xī）共享（xiǎng），其实也就是信息（xī）扩缩的（de）过程。

上（shàng）图是（shì）我们项（xiàng）目中的（de）图书推荐界面，也是门店所使用的后台。可以看到（dào）这里包含了很多信息，比如书名、作者、出版日期、销量（liàng）等，每一列信息中（zhōng）都有很多的（de）业（yè）务（wù）背景需（xū）要了解。比如（rú）对（duì）于出版（bǎn）超过3年的书市（shì）场效果其实已经很容易看（kàn）出来（lái）了，并不需要我（wǒ）们再去（qù）做推荐。

之后（hòu）我们对（duì）该项目进行了总（zǒng）结。首先是可用信息少（shǎo），只能（néng）获取到行为信息以（yǐ）及物品信息（xī）。其次是需求不同，必须要以（yǐ）门店（diàn）为主（zhǔ），也就是基于用户的（de）协同过（guò）滤体系。而且图书行（háng）业每年新出版（bǎn）的（de）书可能有几十万，但真正（zhèng）有销量的一半都不到（dào），所以存在很多空值数据，没有办法做基于物品的协同过滤。最后是反馈周期长，对于图书这样的线下销售虽然每天都能拿得数据，但是反馈至（zhì）少是以周为单位，因（yīn）此（cǐ）对结果（guǒ）检验会产生影响。

当算法上线（xiàn）的时候，一切才刚刚开（kāi）始，之后还会出现各（gè）种（zhǒng）问（wèn）题，接下来我们来看一些（xiē）典型（xíng）的场景。首（shǒu）先是强特征，有时会出现业务人员在与技术对接的后发现一些很重要（yào）的特（tè）征（zhēng）在（zài）库（kù）中不存在。其次特征（zhēng）不仅会（huì）增加还会消失（shī），比如对于我们来（lái）说，客户的产品信息（xī）有时会（huì）进行（háng）改版，数据库信息也（yě）会（huì）随之改变，而我们在不知情的情况下获取的信息就可能会不存（cún）在，这主要是因为客户觉得这类（lèi）信息不重要，而将它去除了（le）。

这张图是算法的数据处（chù）理流程。原始数据导（dǎo）入后会进（jìn）行数据清洗，之后通过不同的（de）算法模型或者业（yè）务规（guī）则生成（chéng）模型（xíng）和结果集，最后输出结果集，再使用不（bú）同的过（guò）滤规则（zé）得到结果。

上面的流程适（shì）用于离线（xiàn）或者无需实时（shí）更新的场景，而如果需要实时则（zé）要在图（tú）中的推（tuī）荐流程中添加召回（huí）模（mó）块（kuài）。打造实时推荐（jiàn）不意味着实（shí）时计算，因为数据量实在过于庞大，而（ér）是先对提前算好的结果进（jìn）行筛选，再由（yóu）一（yī）个特殊的（de）模块根据用户的实（shí）时行为做（zuò）出推荐（jiàn）。一般来（lái）说（shuō）计算时间要小于0.1秒。

最后给大家分享一些我们（men）在新零（líng）售推荐应用上的一些想法（fǎ）：业务效果好的（de）算法并不（bú）一定是复（fù）杂的算法；做项目要（yào）比光看书（shū）的收获大（dà）得多；推（tuī）荐是个系（xì）统工程，算（suàn）法很重要（yào），但不是全部。