转载：http://www.woshipm.com/pmd/1916927.html
编辑：搜索与推荐Wiki
说明：在原文的基础上结合自己的电商从业经验进行介绍，点击文末【阅读原文】直达出处

推荐系统最成功的落地场景莫过于电商平台，比如淘宝、京东、拼多多、团好货等，其内部都有一个到多个推荐团队针对各自业务内不同场景的推荐进行挖掘和开发，继而更好的为用户服务和创造更大价值的GMV。一般来讲，推荐系统的核心考核指标基本可以划分为三大类：流量类、转化率类和GMV类。

比如，季度活跃用户数在京东每个Q的财报中都可以看到这个数据，GMV交易额也是其关心的一大指标，不过随着电商系统的精细化运营和发展，这些传统的整体的评价指标开始往一些核心品类、扶持商家等维度进行倾斜。关于电商平台推荐系统的指标概念，可以参考：电商指标详细介绍和推荐系统常用评估指标。

为了保证这些指标能够符合预期，超正向发展，都会采取不同的策略来进行保障。不同的业务，同一业务的不同发展时期，考核指标不尽相同，与之对应的策略也随之改变。

但是，有一些共性的策略是大多数业务场景下在设计推荐系统的时候都需要遵循和采纳的，细分一下大概有9种。

1. 白底图优先推荐策略

白底图，即商品的图片上除了商品本身之外底部全部为白色，其主要是为了突出商品的全貌，一般都会有大小，格式等限制。

比如经典平台的几个重要模块都是白底图推荐策略，主要是为了保证首页的用户体验。

商家在平台中创建商品的时候，都需要上传一张白底图，通常是可选项，而且明确告知商家上传白底图的商品在推荐结果中会进行优先展示。这个策略主要是从用户体验的角度出发，拥有白底图的商品在推荐和搜索列表能够是用户更容易识别，同时使得产品界面更加整洁。

但并非所有的模块都会采用白底图推荐策略，因为具有白底图的商品库肯定是比全库的商品少了，因为除了重要模块、首屏等位置，其他板块并不会受此限制，比如京东首页最下方的推荐部分，下图中v除了第四个商品是白底图，前三个都不是。

2. 牛皮癣屏蔽降权策略

相比白底图定义那么清晰，牛皮癣的定义在不同公司的定义就不太相同了，比如位置，大小，露出内容等，不能一概而论。

牛皮癣的意思就是商家为了利益最大化，会在商品的主图上增加部分利益点，比如：赠送xxxx、全绒xxx等，以此来吸引用户的注意力，从而提供点击率、转化率和下单率。如下图所示：

电商平台为了打造公平的营商环境，会对主图包含牛皮癣的商品进行降权和打压，从而保证流量的公平性。但是并非所有的电商平台都会这么做，比如在业务发展初期，商品本身的规模就比较小，如果过度打压的话，可推商品就会减少，从而影响用户体验。

3. 购买过滤策略

在做电商推荐系统的过程中，经常听到的吐槽就是：我买过这个东西了，为什么还给我推荐！

哈哈，这里我要解释一波，一些用户的重复推荐是真的重复推荐了（因为推荐系统中会有一些badcase出现），但是一些用户的重复推荐并不是真的重复推荐，比如我前段时间买了一个机械键盘，但是后来我看了看我的订单，又点击了这个商品，看到底部的相关推荐中的商品还不错，我又点击了，这个时候就会再次给你推荐键盘。

推荐系统始终是根据人的行为去推荐的，一切都是可溯源的。

针对上述描述的购买过滤、重复推荐的问题，都已经有成熟有效的解决方案了，比如说：复购过滤、曝光过滤、高相似度过滤等等。详细的可以参考：闲聊推荐系统中的曝光过滤机制

4. 无货过滤策略

无货过滤，这个就比较好理解了。推荐策略对于电商来说，最终的目标无非就是提高GMV，提升转化率，折合成一句话就是“推出来就是为了更容易让用户下单”。无货，谈何下单！

与之相关的还有一个策略就是“非邮寄地区过滤”，比如说某平台给我推荐了一个电脑，但是因为我身处西藏，商家不销售，这种情况用户的我购物体验就会非常差了，但是这种情况会很少见，一般会配合一些政策进行过滤。

5. 下架过滤策略

这个一般也都是电商推荐策略必备的。

商品下架一般包括自然下架和紧急下架。自然下架一般包括无货，商家主动下架（比如换季等原因）等等；而紧急下架的商品无非有几个原因：商家问题，商品问题，平台问题。这三种问题都会严重伤害用户利益，商家利益，或者平台利益。

6. 购买力匹配策略

购买力匹配策略主要动机是“为合适的用户推荐合适的商品”。

这个也是的电商的一个共性的策略。同一类目下的sku往往有很多，品质层次不齐，价格也就多种多样，比如对于笔记本电脑、苹果、联想、华为、惠普，不同品牌的价格不一样，哪怕是相同的配置。

而与之对应的就是一个用户购买力的分层，用户购买力的衡量通常会基于一定时间窗范围内用户在电商平台点击，关注，加购和下单的sku价格进行评定。

按照用户的购买力进行商品的个性化推荐，一方面能够提升用户体验，让用户能够立刻找到适合自己的，另一方面正好提高了GMV，转化率等指标。让用户买的起。

**购买了匹配在哪个阶段生效呢？**最合适的时候其实是召回，因为不符合购买力的商品会占用用户的候选池qupta，可能会把一些用户感兴趣的商品没有召回出来。

7. 同图过滤策略

同图过滤是指对于推荐召回结果中相同的商品主图进行过滤 。

这个策略主要是从几个方面去考虑：

1. 商品主图相同会干扰用户选择，降低用户对平台的信任度；

2. 影响商家的正常利益。这个很好理解，一般同图肯定都是盗图。

在设计同图过滤策略的时候，需要注意的是，对于同图的几个商品到底该留哪一个？这就要看我们的推荐策略导向了。这里不细讲，可以加我交流。

8. spu去重策略

spu去重是指在spu的维度进行商品去重。

电商行业通常有product，sku，spu等概念，他们之间的关系不固定，有一对一关系，有一对多关系，有多对多关系，取决于商品后台体系的设计。对于电商业务来说，推荐结果一般都是sku维度的，那么对于某些业务下，就会出现多个sku同属一个spu。

比如推荐结果中包括iphone XS 256G，iphone XS 512G两个sku，他们同属于iphone XS一个spu，因此会进行去重，主要是为了保证坑位价值的最大化。

当然，在基于spu进行去重的时候，如何确定sku的去留，一般来说也是和推荐策略导向挂钩的。

9. 曝光降权策略

曝光降权策略全称为“曝光未点击降权策略”，这个可能就比较好理解了。

推荐位一般都是有限的，对于占用推荐位但是未提供较高的点击转化率的单品需要进行降权处理，才能保证其他推荐item的曝光率。

具体的降权策略，一般会基于推荐item线上的ctr或者cvr进行建模，从而最大化保证每一个坑位的价值。

以上9种策略，对于电商推荐从业者来说是必须要考虑到的，至于具体的应用就需要依据不同的业务模式，应用场景进行个性化设置，总之一切的策略都是为推荐系统的三大核心指标服务和保障的。欢迎大家关注交流。