首先申明一下
以下内容分三部分
算法的核心是什么
推荐算法的核心是基于历史信息寻找被推荐的东西(可能是人
这里有两个关键点
历史信息也就是大家所说的标准化数据。
关联性也就是大家常说的算法
对于美团外卖
不管Facebook信息流还是美团外卖
算法真的有那么大效果吗
这几年今日头条的成功
答案是没有
今日头条的成功我认为主要还是靠对流量的理解
举一个淘宝的例子
第一类算法没有增长点
第二类算法的增长点一般
第三类是比较大的增量空间
所以综合下来
当然我不是说算法没用
水果店案例说明算法在实际工程中的工作过程
在实际的商品类的推荐系统中
收集数据及整理
假设小明开了一个有3家分店的大型水果连锁店
商品属性信息
商品反馈信息
人的基本属性
人的行为信息
数据阶段收集是一方面
算法推荐
算法阶段关键的还是搞清楚用户在不同的场景中会喜欢怎样的水果
我个人喜欢把商品推荐主干算法分为4个部分
质量评估
个性化
举个例子
场景化
人工干预
算法最后做的就是把里面每一个环节打上一个分
所谓算法的价值观
算法在处理每一项得分的时候也挺简单
这个过程并不复杂
这个大概能支撑起一个算法的框架
下面举几个具体的细分迭代策略
比如说买了芒果的用户很大比例都买了樱桃
比如说同样是国贸摩根大厦的用户更喜欢进口水果
比如说你第一次买了榴莲之后打了差评
比如说你的列表中连续出现了3种葡萄
比如当你在浏览的过程中点击了樱桃
实验及回收效果
个人认为快速的实验迭代和效果回收是算法高效率的关键
AB测试的过程有点类似如果我有5家水果店
实验主要分两个部分
实验就是在其它东西都一样的情况下
效果回收主要是看数据和人去看实际推荐的结果
人工去看结果主要是一个二次确定的过程
分享到:
閱讀更多 雪球 的文章
