电商类APP开发中如何做商品推荐

 

在电商类的APP中，经常会有一些猜你喜欢类似的功能。这些推荐规则是如何设计的呢。推荐不是预测，推荐是有依据的，预测是扯淡的。今天本文来谈两种“推荐”。

先说一说豆瓣，当我在豆瓣上看了一大堆书评和影评后发现以后想看什么“似乎豆瓣已经知道了”。因为在它的首页上已经显示出“猜你喜欢”，而且非常精准。
我们用c#实现“猜你喜欢”算法，于是各种余弦相似性、修正的余弦相似性、协同过滤算法被我实现了一遍,并用在了公司某电商APP开发项目中。
关于余弦相似性：
如果不明白这个算法的人，我们可以理解为向量夹角。每一个向量就是每一个人对某个事物的喜好程度和打分，向量之间的夹角越小说明你和某人相似度越高。通过这个基本原理，只要你对某个商品进行了打分，那么我立马可以找出和你兴趣爱好很类似的用户，于是我会把他们的兴趣爱好商品推荐给你。理论上讲，能够中你的兴趣度很高。

这种推荐来自于大数据的挖掘。样本数据越大结果越精准。不光是电商，信息类门户如微博都会使用类似这种算法思路实现推荐。譬如你经常会在微博上看到“可能你感兴趣的人“，我大致看了看，确实命中率在60%以上。

再来看一下朋友圈的推荐，微信的到来让我们欣喜若狂，其朋友圈很是让人耳目一新。大约有那么几周时间，我天天能看到微信朋友圈里分享技术、互联网新闻、涉yellow段子、各种节操商品购物推荐、各种养生知识。
其实，这叫“被动推荐“，不需要任何算法。凡是”朋友“推荐的东西总能让你感觉”可能会很美好“。
事实上时间久了我发现：
　　1、技术知识由于格式问题，在微信里看根本不适合
　　2、互联网新闻还不如看微博
　　3、涉yellow段子都是看了无数遍的重复段子
　　4、商品购物推荐基本要么是烂货要么是吭货，还有诱导点赞
　　5、养生知识很多都是假的。

于是，我在微信中把一些“无节操、无脑”推荐的好友给屏蔽了。因为，有些东西我不需要他们的推荐。逐渐开悟的民众也许已经能自己“判断是非”了。

这种推荐无节操、很暴力。不可否认的是兴趣爱好类似的小众群体中进行的“推荐”，转化率很高。只不过持久性不足，其效果太容易大起大落。