智能推荐是:
我不需要用户提供明确的需求,我只需要根据用户的历史行为去建模,然后根据他们的历史行为判断接下来的行为和喜好,去给用户做相对应的内容、产品推荐。所以当用户没有明确的目的的时候,也可以帮助用户发现新内容。
四、智能推荐的机制1. 人建立
用户画像,给用户打上事实标签和模型标签,什么是事实标签?
就拿虚拟人物“小明”举个例子吧!小明经常在某购物平台上购物,并已完善自己的个人信息,那么平台就会把该信息收集,作为事实标签。
姓名:
小明性别:
男身高:180cm
体重:70kg
爱好:看电影
职位:
产品经理目前所在地:上海
消费等级:极高(根据日常消费习惯判断)
常看类型产品:高科技产品、数码产品、大牌运动鞋那什么是模型标签呢?
就是系统可能会把一类人划分为一个模型,他们的事实标签可能会比较相似,这就是一个模型标签。
我接着拿玉康举例子:
比如说系统给他们这一类人建的模型标签名称是“大款”,那可能别的某个大款看上了一个
布加迪,加购并付款了,虽然孙玉康没有看这个产品,但是可能布加迪及相关产品也会出现在孙玉康的推荐列表中。
2. 货(内容)给内容或产品打上标签,比如一个运动上衣,可能会有夹克、运动、长袖、外套等等各种各样符合这个产品的标签,并记录这个产品的售卖数量,收藏、加购的数量等。然后通过人货模型,就可以知道,比如说:年轻的女孩子,喜欢口红,包包、购物、逛街;年轻的男孩子,喜欢女孩子,喜欢手机、手表、汽车,然后怎么匹配呢?
3. 场就是在对应的场里做匹配,比如说首页、Feed流、导航栏、个人中心等等,在你想要的场景匹配上你所需要的数据。然后我可能有了这个标签的推荐方法,我把一个东西推给一部分人,然后这部分人很