每当逛淘宝，京东的时候，线上AI机器人人就会自（zì）动保留你浏览的页面（miàn），推荐相似的产品（pǐn）给你（nǐ），增加人们的（de）购买力，这个推荐系统在线上新零售中扮演的是什么角色呢？

当人们讨论信息价值的时候，讨（tǎo）论的（de）不光是量和传播（bō）速度，还有信息共享的范围（wéi），这一点其实和推荐系统中协同过滤有着密切关（guān）系，即通过（guò）共享（xiǎng）其他人或者（zhě）物品的信息进行推荐，共的范围对（duì）信息（xī）价值所（suǒ）产生的（de）影响最（zuì）大。

推荐系统其（qí）实就是给用户推荐物（wù）品或者（zhě）预测喜（xǐ）好，当然（rán）还包括（kuò）其他（tā）各方（fāng）面的东西（xī）。上（shàng）图展示了各种推荐的场景，主要由（yóu）用户和产（chǎn）品（pǐn）两部分组成，这种图模型也是推荐系统的一（yī）种解决方（fāng）案，比如图（tú）中两（liǎng）个物品的相识度就可（kě）以（yǐ）使（shǐ）用图计算（suàn）的（de）方法进行量化的解释。

国（guó）内在推荐系（xì）统方（fāng）面（miàn）主要想做（zuò）的是千人千面，通过千人（rén）千面来实现（xiàn）增加点击，发掘（jué）长尾的（de）目标。

目前推（tuī）荐系统常见（jiàn）的使用（yòng）场景有（yǒu）电（diàn）商、社交、影音（yīn）、资讯这四个（gè）平台。

常见的推荐（jiàn）算法有基于内容（róng）、系统过滤、关联规则、基于效用以及基（jī）于知识这几个。其中最主要（yào）的还是协同（tóng）过滤（lǜ），它又被分为两类：一类是基于用户，主要（yào）在资讯平台（tái）；一类（lèi）是居于物品，这（zhè）类（lèi）很明显是电商平台。

基于用户的算法计（jì）算的是用户相似度，需要（yào）维护用户信息（xī）矩阵，更社会化，而基于物品的算法计算的是物（wù）品相似度，需要维护物品信（xìn）息举证，更个（gè）性化。

上图是协同过滤的评分预测算法，ALS中评（píng）分由两（liǎng）个向量（liàng）的乘（chéng）积决定，SVD++认为评分（fèn）不光是有两个向量乘积决定，个体差异同样也会（huì）产生影响。

推荐需要的数据一般（bān）分为三块，用户、物（wù）品、时间（jiān）。时间用来关联用（yòng）户和（hé）物品，用户数据主要（yào）是人口统计（jì）学数据、用户行为数（shù）据、用户标签，物品数（shù）据（jù）则是物品基本属性（xìng）、物品（pǐn）标签（qiān）、物品效用（yòng）。

对于推荐（jiàn）结果的检验分为准确率、召（zhào）回率、覆盖率、多（duō）样性、新颖度/流（liú）行度。

上图展示的为机器学习算法的5个流派，其中（zhōng）联结主义（yì）可能是大家最熟悉的，所（suǒ）有的神经网络的算（suàn）法都（dōu）属（shǔ）于这一类。最后的行为类推其实（shí）就是推荐算法。随（suí）着后（hòu）续（xù）的（de）发展这几个（gè）流（liú）派肯定会被结（jié）合起来。

新零售中的（de）推荐

推荐系统中（zhōng）除了技术，还需要有很大程度的（de）业务支持。作为一个数（shù）据科学（xué）家不光要有数据和计算机基础，还要（yào）专业知（zhī）识（shí），也就是对（duì）业（yè）务的理解。在新零售行（háng）业很多时候（hòu）都（dōu）是以业（yè）务为主导。

新零售是2016年提出的概念，简单来说（shuō）就是（shì）线上加线下（xià）加（jiā）物流，比较典型的有盒马生（shēng）鲜、小米体验店、微信群营（yíng）销等（děng）。从推荐的角度上（shàng）来看，微（wēi）信群营销其（qí）实（shí）也算作新（xīn）零售。微（wēi）信群虽然可以获取到（dào）很多数据，但是和体验店一样客户无法确认（rèn）。并且每个（gè）微信群都有针对人（rén）群，可以没有办法拿到除了头像和（hé）姓名之外的信息（xī），用（yòng）户（hù）身（shēn）份也无法获得认（rèn）证，人员流动非常频（pín）繁。这些（xiē）特（tè）性与实（shí）体店非（fēi）常相（xiàng）似，即使我们无法从单个（gè）用户的角度（dù）来进行推（tuī）荐。

新零售推荐与互（hù）联网推荐最（zuì）大（dà）的差异在于一个线上一个（gè）线下，我们（men）在（zài）做（zuò）图书项目（mù）的时候发现，用户在线上买书的行（háng）为喜好与线下很不（bú）一（yī）样。线（xiàn）上的卖书的店铺经常会有一些满减促销，它的折扣力度是很吸（xī）引（yǐn）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）可以实（shí）施用户行（háng）为采集（jí），所以可以（yǐ）实现千人千面，但是在（zài）线下只能通过门店的角度来进行推（tuī）荐，无（wú）法（fǎ）具体到单独的个（gè）体上（shàng）。因此新零（líng）售（shòu）所能实现的是千店千面，目（mù）标也转为了增加销量和信息共（gòng）享，其实也就（jiù）是信息扩缩的过程（chéng）。

上图是（shì）我们项目中的图书推（tuī）荐（jiàn）界面（miàn），也是门店所使（shǐ）用的后台。可以看到这里包含了很多信（xìn）息，比如书名、作者、出版日期（qī）、销量等（děng），每一（yī）列（liè）信息中都有很多的业（yè）务背（bèi）景需（xū）要了解。比如对（duì）于出版超过3年的书市场效果其实已经（jīng）很容易看出来（lái）了，并不需要我们再去做推荐。

之后我们对该项目（mù）进行了总结。首先是可用信息少，只（zhī）能获（huò）取到（dào）行为信息以及物品信息。其次是（shì）需求不同，必须要以门店为（wéi）主（zhǔ），也就是基于用户的协同过滤（lǜ）体系。而且图书行业每年新出（chū）版的书可能有（yǒu）几十万，但真正有销量的一（yī）半都不（bú）到，所以存在很多空值（zhí）数据，没（méi）有（yǒu）办法（fǎ）做基于物品的协同过滤。最后是反馈周期长，对于图书（shū）这（zhè）样的线下销（xiāo）售（shòu）虽（suī）然（rán）每天都（dōu）能拿得数据，但（dàn）是反馈至少是以周为单位，因此对结果检验会产（chǎn）生影（yǐng）响。

当算法上线的时候，一切才刚刚开始（shǐ），之后还会出现各（gè）种问题（tí），接下来我们（men）来（lái）看（kàn）一些典型（xíng）的场景。首先（xiān）是强特征（zhēng），有时会出现业务（wù）人员在与技术（shù）对接的后发现一些很重要的特征在库中不存在。其次（cì）特（tè）征（zhēng）不仅会（huì）增加还（hái）会消失，比如对于我们来（lái）说，客户的产品信息有时会进行（háng）改（gǎi）版，数据库信（xìn）息（xī）也会随之改变，而（ér）我们在不知（zhī）情的情（qíng）况下获取的信息（xī）就可能会不存在，这主要是因（yīn）为（wéi）客户觉得这类信（xìn）息不（bú）重要，而将它去除了（le）。

这张图是算法的（de）数（shù）据处理流程。原始数据导（dǎo）入后会进行数据清洗，之后通过不（bú）同的算法模型或者（zhě）业务规则生成模型（xíng）和结（jié）果集，最后输（shū）出结果集（jí），再使用不同（tóng）的过滤（lǜ）规（guī）则得到结果。

上面的流程适用于离线或者无（wú）需（xū）实时更（gèng）新的（de）场景，而如果（guǒ）需要实时则要在图中的推荐（jiàn）流（liú）程中添（tiān）加召回模块。打造（zào）实时推（tuī）荐不意味着实时（shí）计算（suàn），因为数据量实在过于庞大，而是（shì）先对提（tí）前算好的结果进行（háng）筛选，再由一（yī）个特殊（shū）的模块根（gēn）据（jù）用户的实时行为做出（chū）推荐。一般（bān）来说计算（suàn）时间要小于0.1秒。

最后给大家（jiā）分（fèn）享（xiǎng）一些我们在（zài）新（xīn）零售推荐应用上的一些想法（fǎ）：业务效果（guǒ）好（hǎo）的算（suàn）法并（bìng）不一（yī）定是复杂的算法（fǎ）；做项目要（yào）比光看（kàn）书的收（shōu）获大得多（duō）；推荐是（shì）个系统工程，算（suàn）法很重要，但不是（shì）全部。