每当逛淘（táo）宝，京东的时候（hòu），线上AI机器人人就会自（zì）动保留你浏览的（de）页面，推荐相似的产品（pǐn）给你（nǐ），增加人们的购买力，这个推（tuī）荐系统（tǒng）在线上新（xīn）零售中扮演的是什么角色呢（ne）？

当人们讨论信息（xī）价值的时（shí）候，讨（tǎo）论的（de）不光是量和传播速度（dù），还有信息（xī）共享的范围，这一点其（qí）实和（hé）推荐系统（tǒng）中协同过滤有着（zhe）密切（qiē）关系，即通过（guò）共（gòng）享其他人或者物品的信（xìn）息进行推（tuī）荐（jiàn），共的范（fàn）围对信（xìn）息（xī）价值所产生的（de）影响最大。

推荐系统（tǒng）其（qí）实就是给（gěi）用户推荐物品或者预测喜好，当然还包括其他（tā）各方面（miàn）的（de）东西。上图展（zhǎn）示了各种推荐的场景，主（zhǔ）要由用户（hù）和产（chǎn）品两部分组成（chéng），这种图模型也是推荐系（xì）统的（de）一（yī）种解决方案（àn），比如图中（zhōng）两个（gè）物（wù）品的相识度就可以使用图（tú）计（jì）算的（de）方法进行量化（huà）的解释。

国内在（zài）推荐（jiàn）系统方面主要想做的（de）是千人千面，通（tōng）过千（qiān）人千面来实现增加点击（jī），发掘长尾的目标。

目前推（tuī）荐（jiàn）系（xì）统常见的使用场景有电商、社交、影音、资讯这四（sì）个平台。

常见的推荐算法有（yǒu）基（jī）于内容、系统过滤、关联规则、基于效用以（yǐ）及基于知识这（zhè）几个。其中最主要的还是（shì）协同（tóng）过滤，它（tā）又被（bèi）分（fèn）为两（liǎng）类：一类是基于用户，主要在资讯平台；一（yī）类是居（jū）于物品，这类很明显是电商平台。

基于用户的算法计算（suàn）的是用户相似度，需要维（wéi）护用户信息（xī）矩阵，更社会化，而基于物品的算法计算的是物品相似度，需要维护物品（pǐn）信息举证，更（gèng）个性化。

上图是协同过（guò）滤的评分预测算法，ALS中评分由两个向量的（de）乘积（jī）决（jué）定，SVD++认为评分不光（guāng）是有两（liǎng）个向量乘（chéng）积决定，个体差异同样（yàng）也会产（chǎn）生影（yǐng）响。

推荐需要的（de）数据一般分（fèn）为三块，用户（hù）、物品、时（shí）间。时间用来关联用户和物品，用户数据主（zhǔ）要（yào）是人口（kǒu）统计（jì）学数据、用（yòng）户行为数据、用户标签，物品数据则（zé）是物品基本（běn）属（shǔ）性、物品标（biāo）签、物品效用。

对于推（tuī）荐结果的（de）检验分为准确（què）率、召回（huí）率、覆盖率（lǜ）、多样（yàng）性、新颖度/流（liú）行（háng）度。

上（shàng）图展示的（de）为机器（qì）学（xué）习算法的（de）5个流派（pài），其中联结主（zhǔ）义可（kě）能是大家最熟悉的，所（suǒ）有的神经网络的算法都（dōu）属于这一类。最后的行为类推（tuī）其实就是推荐算法（fǎ）。随着（zhe）后续的发展这（zhè）几（jǐ）个流派（pài）肯定（dìng）会被结（jié）合起来。

新零售中的推（tuī）荐

推荐系统中除了技术，还需要（yào）有很大程度（dù）的业务支（zhī）持。作为（wéi）一（yī）个（gè）数据科学家不光（guāng）要有数据和计算机基（jī）础，还要（yào）专业知识，也就是对业务的（de）理解（jiě）。在新（xīn）零售行业（yè）很多时候（hòu）都是以（yǐ）业务为主导。

新零售是2016年提出的概（gài）念，简（jiǎn）单来说（shuō）就是线上加线（xiàn）下加（jiā）物流，比较典型（xíng）的（de）有盒（hé）马（mǎ）生鲜（xiān）、小米体验店、微信群营销等。从推荐的角度上来看（kàn），微信群营（yíng）销（xiāo）其实也（yě）算作新零售。微信群（qún）虽然（rán）可以获取到很多数据，但（dàn）是和体（tǐ）验店一样客户无法确认。并且（qiě）每个微信（xìn）群都有针对人（rén）群，可以没有办法拿到除了头像和姓名之（zhī）外的（de）信息，用户身（shēn）份也（yě）无法获得（dé）认证，人员流动（dòng）非常频（pín）繁。这些（xiē）特性与实体店非（fēi）常相似，即使我（wǒ）们无（wú）法（fǎ）从单个用户（hù）的（de）角度来（lái）进行推荐。

新零售推荐（jiàn）与互联网推（tuī）荐（jiàn）最大的差异（yì）在（zài）于一个线上一个线（xiàn）下，我（wǒ）们在做图书（shū）项目的时（shí）候发现，用户在线上买书的行为喜好与线下很不一样。线上的卖书的店铺经常（cháng）会有一些满减促销（xiāo），它的折扣力度是很吸引人（rén）的，但（dàn）是（shì）在线下很少（shǎo）有超（chāo）过5折的活（huó）动（dòng）。

在互联网上由于可以实施用（yòng）户行为（wéi）采集，所以可以（yǐ）实（shí）现千人千面（miàn），但是在线（xiàn）下只能通过门店的角度来进行推荐，无法具体到单独的个体上。因（yīn）此新零售所能实现的是千店（diàn）千（qiān）面（miàn），目标也（yě）转（zhuǎn）为了增加销量和信息共享（xiǎng），其实（shí）也就是信息扩缩的（de）过程。

上图是我们项目中的图书（shū）推（tuī）荐界面，也是门（mén）店（diàn）所使用的后台。可以看到这里包含了很多信息，比如书名、作者（zhě）、出版（bǎn）日期、销（xiāo）量等（děng），每一列信息中都有很多的业（yè）务背景需（xū）要了解（jiě）。比如对于（yú）出版（bǎn）超过3年的书市场效果其实（shí）已经很容易看（kàn）出（chū）来（lái）了，并（bìng）不需要我（wǒ）们再去做推荐（jiàn）。

之（zhī）后我（wǒ）们（men）对（duì）该项目（mù）进行了总结。首先是可用信息少，只能（néng）获取（qǔ）到行为信息以及物品信息。其次是需求不同，必须要以门店为主，也就是基于用户（hù）的（de）协（xié）同过滤（lǜ）体系（xì）。而且图书行业每年新出版的（de）书（shū）可能（néng）有（yǒu）几十万，但真正有（yǒu）销（xiāo）量（liàng）的一半都不到（dào），所以（yǐ）存在（zài）很多空值数（shù）据，没有办法做基（jī）于物品的协同（tóng）过（guò）滤。最后是（shì）反馈周（zhōu）期（qī）长，对于图书这样的线下销售虽然（rán）每天都（dōu）能拿得数据，但是反馈至少是（shì）以周为单位，因此（cǐ）对结果检验会产（chǎn）生影（yǐng）响。

当（dāng）算法上线的时（shí）候，一切才（cái）刚刚开（kāi）始（shǐ），之后还会出现各种问题，接下来我们（men）来看一些（xiē）典型的场景（jǐng）。首先是强（qiáng）特征，有时会出现业务人员在与技术（shù）对接的后发现（xiàn）一些很重要的（de）特（tè）征在库中不存在。其次特（tè）征不仅会增加还会消失，比（bǐ）如（rú）对于（yú）我们（men）来说，客户（hù）的产（chǎn）品信息有时会进（jìn）行改版（bǎn），数（shù）据库信息也会随之改变（biàn），而我们在不知情（qíng）的情况下获取的信息就可能会不存在，这主要是因为客户觉（jiào）得这类信息不重要，而将它（tā）去（qù）除（chú）了。

这张图是算法的数据（jù）处理流程。原始数据导入后会进行数据清洗（xǐ），之后通过不同的算（suàn）法模型或者业务规则生成（chéng）模型和结果集，最（zuì）后输出结果集，再使（shǐ）用不同的过（guò）滤规则得到（dào）结（jié）果。

上（shàng）面（miàn）的（de）流程适用于离线（xiàn）或（huò）者无需实时更新的场景（jǐng），而如果需要实（shí）时则要在图中的（de）推荐流程中添（tiān）加召回模块。打造实时推荐不意味着实时计算，因（yīn）为数据量实（shí）在过于（yú）庞（páng）大，而是先对提前算好的结（jié）果进行筛选，再（zài）由一（yī）个特殊的模块（kuài）根据用户的实时行为做（zuò）出推荐。一般（bān）来说计（jì）算时间要小（xiǎo）于0.1秒。

最后（hòu）给大家分享一些我们（men）在新（xīn）零（líng）售推荐应用上的一些想法：业务效果好的（de）算（suàn）法并不一定是复杂的算法；做项目要比光（guāng）看（kàn）书的收获大得多；推荐是个系统工程，算（suàn）法很（hěn）重要，但不（bú）是（shì）全（quán）部。