顾昊：美丽说高级架构师，负责个性化、广告变现相关技术工作。中科院软件所研究生毕业，加入美丽说之前，在百度负责搜索广告后台核心技术研发。 移动场景下用户时间不断碎片化，如何在有限的关注时间和展示空间内，为用户提供最具吸引力的内容，成为一个巨大挑战。作为国内最大的快时尚发现平台，美丽说在个性化技术上进行了持续探索，帮助用户在美丽说发现喜欢、找到喜欢，着力 提升用户使用粘性和超预期的用户体验。本主题将围绕美丽说在个性化 推荐上的应用 展开，和大家探讨其中的关键技术问题和探索方案。 从导购到电商的转型 2009年， 美丽说在成立之初就开创了社会化电商导购模式，几年间吸引了超过数千万年轻时尚爱美的女性用户，成为中国年轻女性最青睐的时尚风向标。 2013年11月 ，美丽说开始建立电子商务交易平台，精选优质卖家供应商，为用户提供女装、女鞋、女包、配饰、美妆等品类的优质时尚商品，成功转型为女性垂直品类电商。 截至目前，已有 1.5万家 时尚优质商家入驻，每日新上架时尚商品 超过十万件 。2014年全年商品.。 成交总额 56亿元， 2015年目标商品成交总额 150亿元。 国内最大时尚发现平台 。 美丽说是国内最大的女性快时尚垂直电商，并已成为中国最大的时尚发现平台， 旨在为用户创造最好的时尚发现体验，去拥抱一切时尚爱好者，在移动和社交时代，用互联网技术从新定义时尚行业。 用户价值 图1 种草 - 发现喜欢[给你]呈现流行时尚。 长草 - 遇见喜欢[帮你]挑选专属风格。 拔草 - 获得喜欢[为你]提供决策依据。 图2美丽传说理念 千万用户@千万商品，复用给定的信息传递带宽，尊重有限的关注时间，提升用户粘性和体验。 产品场景 图3映射场景示意图 信息：商品,店铺,活动。 时刻：消息推送,推荐页,搜索页；商品详情页,购物车,etc。 产品场景：为用户在对的时刻，提供对的信息；为用户交互提供相对应的反馈。 图4产品场景示意图 技术挑战 数据的采集、监控、处理； 统一用户表示/实时数据反馈/分布式处理框架； 理解和表示用户； 个性化 - Make Special； 候选； 排序； 交互； 评估和优化。 商品信息 图5示例商品 类目：女装-裙子-连衣裙 标签： 颜色 裙型: A字裙, 元素: 拼接 纯色, 材质: 聚酯纤维, 腰型: 松紧腰 裙长: 长裙 袖长: 无袖 厚度: 薄款
用户行为和表示 图6用户在连衣裙上的风格偏好 图7用户在连衣裙上的颜色偏好 短期偏好： 类目，店铺，风格。 长期偏好：消费能力和潜力，颜色，尺码。 个性化 图8 Make special 商品聚类 场景适配 Pos/Neg 用户聚类 Time Decay Implicit/Explicit CF/MF pValue预估 Realtime Feedback 属性扩展 目标融合 UI/UE Recall Precision Engagement 提升喜欢的浓度 第一屏触动用户 成为用户的伙伴 图9 消息个性推送 让推送不仅仅是刷存在感：趋利: 促进用户打开App；避害: 降低用户厌倦感。 个性化推送：selected push-msg；selected push-time；selected landing page；弹性推送频率。 评价：UV、GMV。 我们要给用户提供好的搭配，什么是好的搭配？元素呼应，颜色适量，款式协调，风格一致。 好的搭配还需要人工运营 领域知识 数据建模：人工搭配：少量优质；算法搭配：海量分散 替代性 v.s. 互补性互信息。 搭配要有亮点，突出表达1~2个突出吸睛的点，基本款搭配流行款，要考虑身材缺陷和倾向；数据建设是基础：风格：风格即概括，概括宜鲜明；元素：元素是点，点点不同；颜色：行业积累，完善规则。挖掘搭配候选，然后筛选和评分，再进行个性化处理。 图10瀑布流推荐点击量变化趋势 让用户成为瀑布流的主人，整合用户关注、喜欢、购买、点击的信息，适度的进行全站精选和个性化扩展，实时更新，推荐理由的有效呈现。 图11个性化实践典型架构 解决问题前，先定义问题。个性化，是一个系统工程，帮助用户感知，而不强迫TA思考，KPI和评估指标之外，还要让用户感受到被尊重。 回复关键词"美丽说个性化推荐技术"获取PPT 来源：云栖社区 原文：http://yq.aliyun.com/articles/121# 转载文章，向原作者致敬！如有侵权或不周之处，敬请劳烦联系若飞（微信：1321113940）马上删除，谢谢！ END 本文转载自：微信公众账号 - 架构师，版权归原作者所有！ |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
