每当逛淘宝，京东的时候（hòu），线上（shàng）AI机器人人就会自动保留（liú）你浏（liú）览的页面，推荐相似的产品（pǐn）给（gěi）你，增加人们的购买力，这个推荐系统（tǒng）在（zài）线上新零售中（zhōng）扮演的是什么角色（sè）呢？

当（dāng）人们讨论信息价值（zhí）的时候，讨论的不光是量和传播速度，还有信息（xī）共享的（de）范（fàn）围，这（zhè）一点其实和（hé）推（tuī）荐系（xì）统中（zhōng）协同过滤有着密切关系，即通过共享其他人（rén）或者物（wù）品的信息进行（háng）推（tuī）荐，共的范（fàn）围对信息价值（zhí）所（suǒ）产生的影响最大（dà）。

推荐系统其实（shí）就是给用户推（tuī）荐物品或者预测喜好，当然还（hái）包括其他各方面的东西。上图展示（shì）了各（gè）种推荐的场景，主要由用户和产品两部分（fèn）组成，这（zhè）种图模型（xíng）也是推荐（jiàn）系统的（de）一种解（jiě）决方案，比如图（tú）中两个物品（pǐn）的相识度就可（kě）以使用图计（jì）算的方法进行量化的解释。

国内在推荐系统方面（miàn）主要想做（zuò）的是千人千面（miàn），通过千（qiān）人千面来实（shí）现增（zēng）加点（diǎn）击，发掘长尾的目（mù）标。

目（mù）前（qián）推荐系统（tǒng）常见的使用场景有电商、社交、影音（yīn）、资讯这四（sì）个平台。

常见的推荐算法（fǎ）有基于内容、系统过滤、关（guān）联规则（zé）、基于效用以及基于知识这几个。其中最主要的（de）还是协同过滤，它（tā）又被分为（wéi）两类：一类（lèi）是基于用户，主要在（zài）资讯（xùn）平台；一类是居于物（wù）品，这类很明显是电商平台。

基于用户的算法计（jì）算的（de）是用户相似度，需（xū）要维护（hù）用户信息矩阵，更社会化，而基于物品（pǐn）的算法（fǎ）计算的是物品（pǐn）相似度，需要维护物品信息举证，更（gèng）个性（xìng）化（huà）。

上图是协同过滤的评分预测（cè）算法，ALS中评分（fèn）由两个向（xiàng）量的乘积（jī）决定（dìng），SVD++认为评分不光是有两个向量乘（chéng）积决（jué）定，个体差异同样（yàng）也会产生影响。

推荐需要（yào）的（de）数据一般（bān）分为三（sān）块，用户、物（wù）品、时间（jiān）。时间用来关联（lián）用户和物品，用（yòng）户数（shù）据主要是人口统计学（xué）数据、用（yòng）户行为数据、用户标签，物品数（shù）据则是物（wù）品基本属（shǔ）性、物品标签、物品效用。

对于推荐结（jié）果的检验分（fèn）为（wéi）准确（què）率、召（zhào）回率、覆（fù）盖率（lǜ）、多样性（xìng）、新颖度/流行度。

上图展示的为机器学习算（suàn）法的5个流派，其中联结主义可能是大家（jiā）最熟悉（xī）的，所有的神经（jīng）网络的算法都属（shǔ）于这（zhè）一类（lèi）。最后（hòu）的行为类（lèi）推其实就（jiù）是推荐算（suàn）法（fǎ）。随着后续的（de）发（fā）展这几（jǐ）个流派肯定会被结合起来。

新零售中的推荐

推荐系统中除（chú）了（le）技术，还需要有很大程度的业务支（zhī）持。作（zuò）为一个数据科学家不光要（yào）有（yǒu）数据和计算机基础，还要专（zhuān）业知识（shí），也就是对业务的理（lǐ）解。在新零售行业（yè）很多时（shí）候都是（shì）以业（yè）务为主导。

新零售（shòu）是2016年提出的（de）概（gài）念，简单来说就（jiù）是线（xiàn）上加线下加物流，比较典（diǎn）型的（de）有盒马生鲜（xiān）、小米体验店、微（wēi）信群营销等。从推荐（jiàn）的角度上来看，微信群营销其实也算作新零售（shòu）。微信群虽（suī）然可以获取到很多数据，但（dàn）是（shì）和体验店一（yī）样客户无法确认。并且每（měi）个微（wēi）信群（qún）都有针对人群，可以没有办法拿到除了头像和（hé）姓（xìng）名之（zhī）外的（de）信（xìn）息，用（yòng）户身份也无法获（huò）得认证，人员流动非常频（pín）繁。这些特（tè）性与实体店非常（cháng）相似，即（jí）使我们无法从单（dān）个用户的（de）角度来进行推荐。

新零售推（tuī）荐与互联（lián）网推（tuī）荐最大（dà）的差异在于一（yī）个（gè）线上（shàng）一（yī）个线下，我们在做图书项目的时候发现，用户（hù）在线（xiàn）上买书的行为喜好（hǎo）与线下（xià）很不一样。线上的卖书的店（diàn）铺经常会有一（yī）些满减（jiǎn）促销，它的折扣力（lì）度是很吸引人（rén）的，但是在线下很少（shǎo）有超过5折（shé）的活动。

在互联网（wǎng）上由于可以实（shí）施（shī）用户行为采集，所以可以实现千人千面（miàn），但（dàn）是在线下只能通（tōng）过门店的角度来进（jìn）行推荐，无法具（jù）体到单独的个体上。因此新零售所能实（shí）现的是千店千（qiān）面，目标也转为了增加销量和信息共享，其实（shí）也就是信息扩缩的过（guò）程。

上图是我们项目中的图书（shū）推荐界面，也是门店所使用的后台（tái）。可以（yǐ）看到（dào）这里包含（hán）了很多信息，比如书（shū）名、作者（zhě）、出版（bǎn）日期、销量等，每（měi）一列信息中都有很多（duō）的业（yè）务背景需要了解。比（bǐ）如对于出版超过3年的书市场效果其（qí）实已经很容易看出来了，并（bìng）不需（xū）要我们再去做推荐。

之后我们对该项目进行了总结。首（shǒu）先（xiān）是可用信息少，只能获取到行为（wéi）信息以（yǐ）及物（wù）品信（xìn）息。其次是（shì）需求不（bú）同，必须要以门店为主（zhǔ），也就是基于用户的协（xié）同（tóng）过滤（lǜ）体系（xì）。而且图书行业每（měi）年新（xīn）出（chū）版的书可（kě）能有几十万，但真正（zhèng）有销量的（de）一半都不（bú）到，所以存在很多空值（zhí）数据，没有（yǒu）办法做基于物品的协同过滤。最后是反（fǎn）馈周期长，对于图书这样（yàng）的线下销售虽然每天（tiān）都能（néng）拿得数据（jù），但是反馈至（zhì）少是以周为单位，因（yīn）此对结果检验会产（chǎn）生影响。

当算法上线（xiàn）的时候（hòu），一切才刚刚开（kāi）始，之后还会出现各种（zhǒng）问题，接下来（lái）我们来看一些典型的场景（jǐng）。首先是强特征，有（yǒu）时会（huì）出（chū）现业务人员在与技术（shù）对接的后发现一（yī）些很重要的特征在库（kù）中不存（cún）在。其次特征不仅会增加还（hái）会（huì）消失，比如对于我们（men）来说，客户的产品信息（xī）有时（shí）会进行改版，数据库信息也（yě）会随之改变，而我（wǒ）们在不知情的情况下获（huò）取的信息（xī）就可能（néng）会不存（cún）在，这主（zhǔ）要是（shì）因（yīn）为客户（hù）觉得（dé）这类信（xìn）息不重要，而将（jiāng）它去（qù）除了。

这张图是（shì）算法（fǎ）的（de）数（shù）据处理流程（chéng）。原（yuán）始数（shù）据导入（rù）后会进（jìn）行数据清洗（xǐ），之（zhī）后通过不同的算法模型或者业务规则生成模（mó）型和结果集，最后输（shū）出结果（guǒ）集（jí），再使用不同（tóng）的过滤规则得到结果。

上面的流程（chéng）适用于离线或者无需（xū）实时更新的场景，而如果需要实时则要在（zài）图中的推荐流程中（zhōng）添加（jiā）召回模块。打造实时推荐不意味着实时计算，因为数据（jù）量实在过于庞大，而（ér）是（shì）先对提前（qián）算好的结（jié）果进行筛选，再由一个特殊的模块（kuài）根据用户的（de）实时行为（wéi）做（zuò）出推荐。一般来说计算时间要小于0.1秒。

最后给大家分（fèn）享一（yī）些（xiē）我（wǒ）们在新零售推（tuī）荐应用上的一些想法：业务（wù）效果好的算（suàn）法并（bìng）不（bú）一定是复杂（zá）的算法；做项目要比光看书的收获大得多；推荐是个系统工程，算法很重要，但不是全部。