淘宝的推荐算法是怎么样的

随便说说首先定义标签化对买家 定义 多纬度的扩展型标签模型,比如搜索关键词标签,如用户搜索了手机,那这个纬度手机就作为其中的一个顶级标签 在这个标签下还会有更多的2级标签,如品牌+商品词 ,品牌+服务词,商品词+促销词 如果用户浏览某个商品页面的停留时间可以计算,事实上是可以计算的,那么又多了个纬度,这个纬度是关于用户浏览页面时间的纬度,如停留时间+商品价格,停留时间+商品颜色 等等这样买家用户就会被系统打上多纬度的标签。我们称为A 组标签对商品定义多维度的扩展标签模型,如商品的价格标签,品牌标签,风格标签,等等。我们称之为B组标签现在淘宝就会尝试将A和B做相同标签配对,中间同时会在配对时再引入动态的标签权重表CC是动态的,会根据淘宝的营销策略生成的场景条件D来进行动态变化好现在这个 智能推介就出来了。由D控制的C 和B和A的对比相乘,千人千面就出来了------------------------------------------------------------------------------------------------------------------------------------------------其实淘宝到底采用了多少个纬度的标签组,和对应的权重比例及营销策略 都可能是极其庞大的。除了算法工程师知道以外,外人除非采用非常大的数据采集对比,是无法知道详细状况的。这也是淘宝电商商品优化人员一直努力猜测的本质,猜测和推算的越准,商品优化就做的越好。这种极其复杂的推介算法对系统底层要求非常强壮,因为数据流会非常大今日头条的智能推介原理也差不多这样。
■网友
不请自来,淘宝的这个算法最终导致我无法在淘宝上买到喜欢的物品了……
搜索出来都是以前看过的,我以前看过并且没买的原因就是因为这些商品还没满足我的需求啊!结果每次搜出的都是看过的还让我怎么找啊!!!崩溃……

■网友
说点靠谱的吧实际上一般来讲都是根据你的购买和浏览这两个大的纬度然后扩展的纬度信息进行判断然后推荐主流的计算是基于用户协同过滤 和 内容协同过滤 两个大的方向 简单来讲 用户纬度 就是购买和浏览行为(多维)相似进行推荐内容纬度 是购买内容和东西的内容相似度进行推荐除了这两个还有初始的热门推荐 前期少量样本的类别相关推荐同时也会挖掘出来很多的隐类 然后根据隐类进行推荐现在面临的挑战是实时推荐 其实个人觉得还有一个很大的挑战是业务和业绩的冲突
■网友
【淘宝的推荐算法是怎么样的】 我觉得淘宝的推荐算法是真有问题,我买了什么给我推荐什么什么(我都买了你还推荐个啥),我浏览过的(浏览过了但是为什么没买你心里没数吗)

■网友
淘宝的逻辑基本就是你买了什么/看了什么就给你推什么,并争取给你推荐最相似的东西。但是这种做法无疑是有问题的……因为当你已经买了一样东西之后,很可能短期内就不会有再次购买的需求了。相比之下amazon就要聪明一些,Amazon的推荐逻辑是,你买了什么/看了什么就给你推荐“买了这个的人还同时买了什么”。举个具体的栗子,你在淘宝买了一个睫毛膏,然后淘宝就一直问你是不是需要第二个睫毛膏。但是Amazon就会问你,需不需要睫毛夹、睫毛打底液、睫毛增长液。。。
■网友
淘宝的关联推荐从位置上讲主要有两类,一类是放在卖家的宝贝描述里的,另一类是淘宝直通车推荐。直通车推荐其实就是付费的搜索排名,按谁付的关键词出价高谁的位置就好, 按点击付费。有很多直通车优化的服务商。放在宝贝描述里面的又有多种形式,通过第三方应用可以将卖家想要推荐的宝贝推荐到其它宝贝下面。还有一种就是淘宝给卖家一些推荐橱窗位,是淘宝旺铺的一项功能。个性化推荐是当今电子商务的大趋势,第三方应用放到宝贝描述里面的都是静态信息,没有办法根据买家特点进行推荐。但有些应用可以根据买家关注的产品,给出不同的推荐信息。这里面做得比较好的是智推宝,根据不同的行业类目,进行了深度的分类关联,可以大大节省卖家的精力。


推荐阅读