每当逛淘宝（bǎo），京东的时候，线上（shàng）AI机（jī）器（qì）人（rén）人（rén）就会自（zì）动保留你浏览（lǎn）的页面，推荐相似的产品给你，增加人（rén）们的购买力，这个推荐系统在（zài）线上新零（líng）售中扮演的是（shì）什（shí）么角色呢？

当人们讨论信息价值的时候，讨论的不光是量和传（chuán）播速度（dù），还（hái）有信（xìn）息共（gòng）享的范围，这一点其实（shí）和推荐系统中协同过滤有着密切（qiē）关系（xì），即通过共享（xiǎng）其他人或者物品的信（xìn）息进行推荐，共的范围对信息价值所产生的影响最大。

推荐系统其实就是给（gěi）用（yòng）户推（tuī）荐物品或者预测喜好（hǎo），当（dāng）然还包括其（qí）他各方面的东西。上图（tú）展示了各种推荐（jiàn）的场景，主要由用户和产品两部分组成，这种图模型也（yě）是推荐系统的一种解决方案，比如图中两个（gè）物品（pǐn）的相（xiàng）识度就可以使用图（tú）计算的方法进行量化的解释（shì）。

国内（nèi）在推荐系统方面主要想做（zuò）的是千人（rén）千面，通过千人千面来实现增（zēng）加点（diǎn）击，发掘长尾（wěi）的目标（biāo）。

目前（qián）推荐系统常见的使用场景有电商、社交、影音、资讯这四个平台。

常见的推荐（jiàn）算法（fǎ）有基于内容（róng）、系统过滤、关（guān）联规则（zé）、基于效（xiào）用以及（jí）基于知（zhī）识这几个。其中最主（zhǔ）要的还是协同过滤，它又被分为两类：一类（lèi）是基于用户（hù），主要在资（zī）讯（xùn）平台；一类是居于物品，这类（lèi）很明显是电商平台。

基于用户的算法（fǎ）计算的（de）是用户相（xiàng）似度，需要维护用户信息（xī）矩（jǔ）阵，更社会化，而（ér）基于物品（pǐn）的算法计算的是物品（pǐn）相似度，需要（yào）维护物品信（xìn）息举证，更个（gè）性化。

上图是协同过（guò）滤的评分预测算法，ALS中评分由（yóu）两个向量（liàng）的乘积决定，SVD++认为评分不（bú）光（guāng）是有两个向量乘积（jī）决定，个体差异同（tóng）样也（yě）会产生（shēng）影响。

推荐需要的数据一般（bān）分为三（sān）块，用户、物品、时间（jiān）。时间用（yòng）来关联（lián）用户和物品，用户数据主要是人口（kǒu）统（tǒng）计（jì）学数据（jù）、用（yòng）户行为数据、用户标（biāo）签（qiān），物品数据则是物（wù）品基本属性、物品标签、物品效用。

对于推（tuī）荐结果的检验（yàn）分为准（zhǔn）确（què）率、召回率（lǜ）、覆盖率、多样性、新（xīn）颖（yǐng）度/流行度。

上图（tú）展示的为机（jī）器学习算法（fǎ）的5个流（liú）派，其中联（lián）结主义可能（néng）是大家最熟悉的，所（suǒ）有的神经网络的算法都属（shǔ）于这（zhè）一类。最后的（de）行为类推其实（shí）就是推荐算法。随着后续的发（fā）展这几（jǐ）个（gè）流派肯定会被结合起来。

新零售中的推荐

推荐系统中（zhōng）除（chú）了技术，还需要有很（hěn）大程度的业（yè）务支持。作为一个数据（jù）科学家不光要有数据（jù）和计算机基础，还要专业知识，也就是（shì）对业务的理解。在新零售行（háng）业（yè）很多时候都是以业务为主导。

新零售是2016年（nián）提出的概念（niàn），简单来说（shuō）就是线上加线下加物流（liú），比（bǐ）较典型的有（yǒu）盒马生鲜、小米体验店、微信群营销等。从推荐（jiàn）的角度上来看，微信群营销其实也算作新零（líng）售。微信群虽然可以获（huò）取到很多数（shù）据，但是和体验店一样客户无法确认（rèn）。并且每个微信群（qún）都（dōu）有针对人群，可以没有办法拿到除了头像和姓名之外（wài）的信息（xī），用户身（shēn）份也无法获得（dé）认证，人员流（liú）动（dòng）非常频（pín）繁。这些特性（xìng）与实体店非常相（xiàng）似，即使我们无法从单个用户的（de）角（jiǎo）度（dù）来进（jìn）行（háng）推荐。

新零售推荐与互联网（wǎng）推（tuī）荐最大的差异（yì）在于一个（gè）线上一（yī）个线下（xià），我们在做图书项（xiàng）目的时候发现，用户（hù）在线上买书（shū）的行为喜好与线下很不（bú）一样。线上的卖书的店铺经常会有（yǒu）一些满减促（cù）销，它的折扣力度是很吸引人的，但是在线下很少有超过5折的活动。

在互联网上由于（yú）可（kě）以实施用户行为采集，所以可以实现千人千面，但是在线下只能（néng）通过（guò）门店的角度来进（jìn）行推荐（jiàn），无法具体到单独的个体上（shàng）。因此（cǐ）新零售所能实现的（de）是千店千面，目标也转为了增加销量和信息（xī）共（gòng）享，其实也就是信息扩缩（suō）的过程。

上图是我们（men）项目中的图书推荐界面，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（bǐ）如书名、作者、出版日期、销量等，每一列（liè）信（xìn）息中都有很（hěn）多的业务背景需（xū）要了解。比（bǐ）如对于出版超过3年的书市场效果其实已经很容易看出来（lái）了，并不需（xū）要我们再去（qù）做推（tuī）荐（jiàn）。

之（zhī）后我们对（duì）该项（xiàng）目（mù）进行（háng）了总结（jié）。首先是可用信息少，只能获取（qǔ）到行为信息以及物品信（xìn）息（xī）。其次是（shì）需求不同，必须要以门店为主，也就是基于用户的协同过滤体系。而且图（tú）书行业每年新出版（bǎn）的书（shū）可能（néng）有几十（shí）万，但（dàn）真正有（yǒu）销量的（de）一半（bàn）都不到，所以存在（zài）很多空值数据，没有办法做基（jī）于物品（pǐn）的（de）协同（tóng）过滤。最后（hòu）是反馈（kuì）周期（qī）长，对于图书这（zhè）样（yàng）的线下销售虽然每天都（dōu）能拿得（dé）数（shù）据，但是反馈至少是以周为（wéi）单位，因（yīn）此（cǐ）对结果（guǒ）检验（yàn）会（huì）产生影响。

当算法上线的时候，一（yī）切才刚刚开始，之后还会出现各种问（wèn）题（tí），接下（xià）来（lái）我（wǒ）们来（lái）看一些典型的场景（jǐng）。首（shǒu）先是强特征，有时会出现业（yè）务（wù）人员在与技术对接（jiē）的（de）后发现一些很重要的（de）特征在库中不存在。其次特征不（bú）仅会增加还会消（xiāo）失（shī），比（bǐ）如对于我们来说，客户的产品信（xìn）息有（yǒu）时会进行（háng）改版，数据库信息也会随（suí）之（zhī）改（gǎi）变，而（ér）我（wǒ）们在不知（zhī）情的情况（kuàng）下（xià）获（huò）取的信（xìn）息就可能会不存在，这主要是因为（wéi）客户觉得这类信息不重要，而将它去（qù）除了。

这张图是算法（fǎ）的数（shù）据处（chù）理流（liú）程。原始数据导入（rù）后（hòu）会进行数（shù）据（jù）清洗，之后（hòu）通过（guò）不同的（de）算（suàn）法（fǎ）模型（xíng）或者业（yè）务（wù）规则（zé）生（shēng）成模型和（hé）结果集，最后输出结果集，再使（shǐ）用不（bú）同的过滤（lǜ）规则得到结果。

上面的（de）流（liú）程适用于离（lí）线或（huò）者无（wú）需（xū）实（shí）时更新的（de）场景，而（ér）如果需（xū）要实时则（zé）要在（zài）图中的推荐流程中添（tiān）加召（zhào）回模块。打造实时推（tuī）荐不意味着（zhe）实时计算，因为数据量实在过于庞大，而（ér）是先对提前算好（hǎo）的结果进行（háng）筛选，再由一个特殊的（de）模块根据用户的实时行为做出推荐。一般来说计算时间要小于0.1秒。

最（zuì）后给大家分享一（yī）些我们（men）在新零售推荐应用上的一（yī）些想法：业务效果好的算法并不一定是复杂的算法；做项（xiàng）目要比光（guāng）看书的收获大得多（duō）；推荐是个系统工程，算法很（hěn）重要，但（dàn）不是全部。