企业如何应用个性化推荐系统创造更多价值?

2019年天猫总交易额高达2684亿,各电商平台交易总额超4100亿。面对购物选择时,除了网上文章、亲朋好友的“种草”之外,电商平台给自己推荐的商品越来越“心仪”。

自己搜了哪类商品,淘宝就推荐哪类,在不知不觉间,购物车中就堆满了很多东西。这个现象对于现代互联网用户来说,并不是新鲜事儿。

“个性化推荐”、“机器学习、千人千面”这些词汇已经被大家熟知。但是个性化推荐的价值到底在哪里呢?下文将和大家分享推荐系统如何为企业创造价值。

一、什么是个性化推荐

随着信息技术和互联网行业的飞速发展,信息数量呈爆炸式的增长,信息过载的问题也成为了人们处理信息最大的挑战。

对于用户来说,如何从无限大的资源中获取到自己想要的内容,是一个极具挑战的事情。

对于商家而言,如何把恰当的资源呈现给对应的用户,也绝非易事。

因此,个性化推荐应运而生。

个性化推荐系统是一种信息过滤系统,能根据用户的档案或者历史行为记录,学习出用户的兴趣爱好,预测出用户对给定物品的评分或偏好。 它改变了商家与用户的沟通方式,加强了和用户之间的交互性。

正如文章开篇所说,现在人们对于个性化推荐系统其实早已不陌生了。个性化推荐早已渗透到了生活中各个角落。除了这些电商平台,大家对抖音和头条上的推荐内容和方式也一定很熟悉。

二、推荐系统的价值

个性化推荐系统的价值,对于用户来说,就是能大幅提升使用体验,使用户感到满足。谁不想拥有个心有灵犀的APP呢。

但对于企业来说,个性化推荐系统不仅能解决长尾效应和马太效应,同时能够提升产品用户体验,增强用户黏性,更好的创造产品价值,进一步扩大产品盈利。

据报道,推荐系统给亚马逊带来了35%的销售收入,给Netflix带来了高达75%的消费,并且Youtube主页上60%的浏览来自推荐服务。

以淘宝的推荐系统举例,淘宝的个性化推荐系统包含着三个参与方:

  1. 用户:被推荐对象
  2. 商家、店铺:推荐物品提供者
  3. 淘宝、天猫:提供推荐功能的平台

对于推荐系统来说,首先要让用户从数以亿计的商品中看到他们那些感兴趣的商品(解决长尾问题),其次要让每个商家的每个商品都能够推荐给感兴趣的用户,而不是只推荐几个店铺的几个商品(解决马太问题),同时推荐系统要收集用户的反馈(点击、不点击、收藏、购物车、购买等等),不断优化推荐的质量,形成一个良好的闭环。

三、推荐系统建设的难点

由此可见,一个好的推荐系统对于一个产品、一个企业来说多么的重要。但是想要建设一个好的推荐系统也并不容易。想要从无到有建设一个智能推荐系统,可能会面临以下问题:

技术:

个性化推荐系统,从效果上来看,看似简单,实则不然。

在进行推荐、召回计算时,涉及大量的算法模型、效果调试,比如常见的协同过滤、矩阵分解,都是需要算法团队才能够去完成。

虽然网上有很多的开源代码,但是在算法模型调优阶段,没有一定的行业经验和调试经验,对于调优很困难。

这也是应用同样的算法技术,有的团队做出来和其他的团队做出来,效果天差地别。技术需要人才,经验需要积累。

成本:

企业想要建设一个能够胜任推荐系统的算法团队,需要大量的 人力、物力以及时间

优秀的算法人才带来的人力成本,建设周期带来的时间成本。对于推荐系统经常应用的场景来看,以互联网居多。对于互联网产品来说,时间就是生命,战机稍纵即逝。经过一段时间完成从无到有的建设,再经过一段时间的进行效果的调优上线,这对于互联网产品来说,过于漫长。

一个成熟的推荐系统需要积累和打磨,企业是否自己来完成建设工作,需要企业结合自身的情况,仔细考虑。也可以选用第三方的成熟的解决方案,开箱即用,节约企业成本,缩短上线周期。

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章