从0开始做垂直O2O个性化推荐-以58到家美甲为例
从0开始做垂直O2O个性化推荐
上次以58转转为例,介绍了如何从0开始如何做互联网推荐产品(回复“推荐”阅读),58转转的宝贝为闲置物品,品类多种多样,要做统一的宝贝画像比较难,而分类别做宝贝画像成本又非常高,所以更多的是进行用户画像、分类预测推荐、协同过滤推荐等个性化推荐。
有些同学反馈,他们的产品是垂直类的O2O产品,分类单一,可以简单的实现宝贝画像,这类垂直O2O产品怎么从零开始做个性化推荐呢?这是本文要讨论的问题
一、58到家美甲简介
58到家有三大自营业务“家政”“美甲”和“速运” ,美甲能够实现“足不出户,享品质服务,做美丽女人”,目前提供上门美甲、修复与卸甲、美睫、化妆等服务。
http://bj.daojia.com/liren/
二、从0开始设计垂直O2O推荐框架
(1)列表页推荐:用户既然进入到了美甲,成交意愿是非常强烈的,首页的推荐至关重要
(2)宝贝详情页推荐:买了还买,看了还看类的关联宝贝推荐
(3)下单成功页推荐:既然下单了某个甲样,可能会喜欢相近的甲样哟
(4)召回推荐:在用户退出系统后,通过RFM模型做优惠券推送或者消息推送做客户挽留与召回
RFM模型:根据用户最近一次购买时间Recency,最近一段时间的购买频率Frequency,最近一段时间的购买金额Monetary,加权得到的一个代表用户成交意愿的一个分值。
三、甲样列表页推荐详细流程
(1)用户点击进入甲样列表页
(2)画像用户的消费能力
(3)抽取购买、收藏、喜欢、浏览的历史数据
(4)根据历史数据,对所有甲样进行打分,综合一些产品策略,推荐出首屏的4个甲样,例如:
(5)如果用户下单,以被下单的相似甲样做推荐
(6)如果用户跳出,可以根据信用评级、消费等级做优惠券召回推荐
四、与业务紧密结合的策略规则
推荐系统并不是一个单纯的算法问题,而是一个与产品、工程架构都相关的综合性问题,不同的业务会有不同的产品策略,这些是在做推荐时需要考虑的,以美甲为例,需要考虑:
(1)排序前2名要推荐最符合用户消费能力的甲样(例如“价格小于150”)
(2)被推荐的4个甲样要覆盖尽可能多的消费区间(例如“两个甲样价格小于150,两个甲样价格大于150”)
(3)被推荐的4个甲样要覆盖最火的产品、旧产品、新产品(例如“1个爆品,2个旧加油,1个新甲样”)
(4)垂直相邻的甲样,颜色不同(为了视觉体验)
(5)水平相邻的甲样,颜色不同(原因同上)
(6)垂直相邻的甲样,款式不同(为了视觉体验,以及产品覆盖度、受众度)
(7)水平相邻的甲样,款式不同(原因同上)
(8)…
五、如何利用甲样画像与用户购买、收藏、喜欢、浏览的历史数据对所有甲样进行打分?
【宝贝画像】
垂直O2O的相对比较容易做宝贝画像,宝贝品类比较单一(甲样),宝贝的品种也比较少(几千几万种甲样),熟悉业务的人可以对宝贝进行画像(不需要复杂的机器学习方法),以甲样为例,可以抽象出:
款式
颜色
风格
场景
图案
其他
等多个核心属性
【核心属性赋值,标签化】
宝贝画像完毕之后,对于每一个核心属性,可以进行赋值,实施标签化
款式:纯色,法式,渐变,彩绘,贴饰
颜色:红色,粉色,蓝色,白色
风格:简约,甜美,复古,可爱
场景:派对,旅行,约会,晚宴,夜店
图案:卡通,小碎花,动物,桃心,五角星
【抽取用户历史行为】
抽取购买、收藏、喜欢、浏览的历史行为数据,得到一些甲样ID集合set<bb-id>
【查询所有历史行为甲样ID的画像属性,对标签进行频率统计】
用户U历史行为某买了甲样1:bb-id1,收藏了甲样2:bb-id2
从库中查询出所有甲样的详细属性
bb-id1:彩绘,红色,可爱,夜店,桃心
bb-id2:彩绘,粉色,可爱,夜店,桃心
对标签进行统计
款式:{彩绘:2}
颜色:{红色:1,粉色:1}
风格:{可爱:2}
场景:{夜店:2}
图案:{桃心:2}
【根据标签统计,量化对标签的喜爱程度】
例如,标签量化打分公式可以为:score=同类标签出现频率
那么,对于“款式”这个属性,依据上述统计,各标签的打分是:
纯色=0分,法式=0分,渐变=0分,彩绘=1分,晕染=0分,贴饰=0分(假设只有5种款式)
同理,对于“颜色”这个属性,依据上述统计,各标签的打分是:
红色=0.5分,粉色=0.5分,蓝色=0分,白色=0分(假设只有4种颜色)
…
这个打分是一个简单举例,实际上的打分公式会复杂很多(例如购买与收藏贡献的分值不一样)
【根据上述量化标签,量化用户对每个甲样的喜爱程度】
例如,对于一个甲样X{纯色,红色,简约,夜店,卡通},可以计算出用户对它的喜爱分值为
socre-X = 0(纯色) + 0.5(红色) + 0(简约) + 1(夜店) + 0(卡通) = 1.5分
这个打分是一个简单举例,实际上打分公式会复杂很多(例如各个属性的权重是不一样的)
【对所有甲样计算分值,排序】
【从高到底进行甲样推荐】
推荐的过程中注意,4款甲样要符合第四个大步骤中提到的产品策略(要覆盖各个价格范围,相邻颜色与样式不同等)
【个性化推荐完成】
好了,暂时先到这里,上面的思路绝对是能落地的,希望58到家美甲的推荐,对其他刚开始做垂直O2O互联网产品的同学有帮助。
注:本文是58到家推荐负责人@王洪权 做58到家美甲推荐技术交流时,@58沈剑 做的纪要,内容“略”有修改。
==【完】==
从0开始做垂直O2O个性化推荐-以58到家美甲为例相关推荐
- 应用宝 android 平板,应用宝HD2.0个性化推荐最优安卓平板软件
近日, 腾讯应用 宝HD2.0新版发布.智能算法让个性化推荐更体贴,应用推荐更加想你所需.懂你所好.细致优化后的应用更新功能,优先展示经常更新的应用,让更新更和心意.另外,还新增新手引导,即便第一次使 ...
- 老板说“我们要做个性化推荐”时,你该怎么办......
PMCAFF(www.pmcaff.com):互联网产品社区,是百度,腾讯,阿里等产品经理的学习交流平台.定期出品深度产品观察,互联产品研究首选. 外包大师(www.waibaodashi.com): ...
- deep deepfm wide 区别_个性化推荐如何满足用户口味?微信看一看的技术这样做
原标题:个性化推荐如何满足用户口味?微信看一看的技术这样做 编辑导读:很多人每天都会习惯性地点开微信公众号阅读,除了朋友圈和转发等渠道以外,我们还可以通过看一看发现更多有趣的文章.那么,看一看是怎么实 ...
- Personal Rank——个性化推荐召回算法python
慕课推荐系统笔记 1.个性化召回算法Personal Rank背景与物理意义 1.首先介绍基于图的个性化召回算法-personal rank的背景. (1)用户行为很容易表示为图 图这种数据结构有两个 ...
- 【推荐系统】深度学习大行其道,个性化推荐如何与时俱进?
作者|携程基础业务研发部 编辑|Emily AI 前线导读:携程作为国内领先的 OTA,每天向上千万用户提供全方位的旅行服务,如何为如此众多的用户发现适合自己的旅游产品与服务,挖掘潜在的兴趣,缓解信息 ...
- 深度学习技术在美图个性化推荐的应用实践
导读:美图秀秀社交化的推进过程中,沉淀了海量的优质内容和丰富的用户行为.推荐算法连接内容消费者和生产者,在促进平台的繁荣方面有着非常大的价值 .本次分享探讨美图在内容社区推荐场景下应用深度学习技术提升 ...
- CSDDN特约专稿:个性化推荐技术漫谈
本文引自http://i.cnblogs.com/EditPosts.aspx?opt=1 如果说过去的十年是搜索技术大行其道的十年,那么个性化推荐技术将成为未来十年中最重要的革新之一.目前几乎所有大 ...
- 京东数据驱动下的个性化推荐
刘尚堃 京东数据驱动下的个性化推荐系统(PPT附下载) Optimus Prime 2015-11-12 7:09:10 人物观点 评论(0) 刘尚堃·京东推荐搜索部技术总监 刘尚堃,京东推荐搜索部技 ...
- 神策数据 VP 张涛:个性化推荐从入门到精通(附推荐产品经理修炼秘籍)
本文内容来自于近期神策数据举办的<智能推荐--应用场景与技术难点剖析>闭门会上的分享内容整理,分享者为神策数据副总裁张涛,曾就职于腾讯.映客和豌豆荚等知名互联网公司. 大家好,我是张涛,在 ...
最新文章
- idea 文件流读取web-inf下的文件_C#初学者教程系列20:Stream流读写
- HDU5726 GCD(rmq+二分)
- clion opencv安装_Clion+Opencv3.2终极配置教程
- 零基础如何学习Java?你要注意的8件事
- 使用Live Writer和NNTP Bridge阅读微软论坛
- 网络访问保护(NAP)技术之详解
- c语言速算24源代码,C语言源程序代码-速算24
- bzoj 3680: 吊打XXX
- flask的跨域问题
- PHP报错Warning: Unknown: Input variables exceeded 1000
- VFP开眼看世界的第一眼,就是学会真正的BS开发,走错一步费三年
- Linux系统搭建私有CA证书服务器
- ubuntu安装pytorch3d
- 安装RabbitMQ出现Plugin configuration unchanged.问题
- 去除电脑弹窗广告的方法
- php汉字转拼音百家姓版,Excel 将中文名改成拼音,并将姓氏放后面
- Flex中的帧频和帧事件
- 计算机考研视频哪个机构的好,计算机考研考点教学视频哪个好
- Focusky教程 | 如何自动播放Focusky多媒体演示作品?
- 外贸数据采集的10个经典方法