大約分為3個階段
第一階段：listing建立後，基於原始的listing數據，進行數據清洗，由於數據需要發佈到各個服務器和計算，所以需要一段時間。
數據清晰
第二階段：歸類並確定參數，這個過程大約需要12小時
歸類並確定關聯參數
第三階段：產品初期的流量曝光，並進行參數修正
初期流量曝光
上結果：產品初期12-96小時，屬於系統認識產品的初級階段，基本取決於listing的分類以及標題等頁面信息。第二階段通過策略性曝光推薦給買家，通過買家行為重塑或者修正產品的參數，從而搜索引擎更好的認識產品。
以下內容來自知乎，大家可以參考
AmazonAmazon 作為推薦引擎的鼻祖，其推薦的核心是通過數據挖掘算法和比較用戶的消費偏好與其他用戶進行對比，藉以預測用戶可能感興趣的商品。Amazon 採用的是分區的混合的機制，並將不同的推薦結果分不同的區顯示給用戶。今日推薦(Today's Recommendation For You): 通常是根據用戶的近期的歷史購買或者查看記錄，並結合時下流行的物品給出一個折中的推薦。新產品的推薦(New For You): 採用了基於內容的推薦機制(Content-based Recommendation)，將一些新到物品推薦給用戶。在方法選擇上由於新物品沒有大量的用戶喜好信息，所以基於內容的推薦能很好的解決這個“冷啟動”的問題。捆綁銷售(Frequently Bought Together): 採用數據挖掘技術對用戶的購買行為進行分析，找到經常被一起或同一個人購買的物品集，進行捆綁銷售，這是一種典型的基於項目的協同過濾推薦機制。別人購買/ 瀏覽的商品(Customers Who Bought/See This Item Also Bought/See): 這也是一個典型的基於項目的協同過濾推薦的應用，通過社會化機制用戶能更快更方便的找到自己感興趣的物品。 另外，Amazon 很多推薦是基於用戶的profile 計算出來的，用戶的profile 中記錄了用戶在Amazon 上的行為，包括看了那些物品，買了那些物品，收藏夾和wish list 裡的物品等等，當然Amazon 裡還集成了評分等其他的用戶反饋的方式，它們都是profile 的一部分，同時，Amazon 提供了讓用戶自主管理自己profile 的功能，通過這種方式用戶可以更明確的告訴推薦引擎他的品味和意圖是什麼。
閱讀更多 跨境電商賣家圈 的文章
