淘宝猜你喜欢为什么一定要根据最近浏览行为推荐商品?

咖友提问：淘宝猜你喜欢为什么一定要根据最近浏览行为推荐商品?

问题背景：

最受不了淘宝的猜你喜欢功能！

为什么！？

前段时间，我家媳妇用我的淘宝买了一次姨妈巾，您猜怎么着？

我现在每天打开淘宝满眼都是姨妈巾啊有木有？！

可是我都已经买过了你再给我推荐有毛用啊？

害得我现在上班时间都不敢逛淘宝了！

生怕被领导发现......

以下回答整理自PMCAFF产品问答社区

@曾毅 QIHU 产品总监

我长时间做推荐相关的工作，所以简单说几句。

常用的几种推荐方式：

1、基于内容的itemtoitem推荐，就是题主所问的根据商品浏览行为进行推荐，从商品到商品的推荐，以商品为核心。

2、基于用户的协同过滤推荐，依据相同行为的人进行的聚类推荐，以人为核心。

3、常规单方的推荐，如热门排行、促销推荐等等，以商家为核心。

什么推荐最实在？

目前来说基本上推荐方法淘宝都在用， 或者使用混合推荐，就是几种算法都用上，各种因子组合推荐，混合也是最多的。

既然都说了是推荐，用户肯定不是100%购买的行为，10%都难，那么推荐肯定是讲究转化率的，本来就不会让所有人都满意。你可以用脑袋拍一下在海量人群中这三种方法那种更能引起用户购买。如果你会思考的话，应该明白其实根据用户浏览的商品进行推荐是最靠谱的，命中率最高的。根据目前市场的状况，itemtoitem目前算是最有效果的一种，比如常被人称道amazon的推荐，都是以itemtoitem为基础核心。

以淘宝为例子说说

淘宝猜你喜欢这地方的核心算法应该是itemtoitem为基础，而且根据其字面意思是以浏览记录作为数据源。不然其他两种算法为基础的话，还能这么推，那我也是醉了。

itemtoitem推荐其实细分下来又有好几种， 从关联性来说可以分为平行推荐还是关联推荐呢。平行就是你浏览了A类商品，就给你推A类，就是楼主遇到的问题；关联就是你浏览或者购买了A类，我猜你可能会看B类。

其实推荐算法都简单，但是数据和行业知识就是大问题了，尤其是关联性推荐。

举关联性推荐例子，我说要依据用户浏览的商品进行关联推荐，这事就很难。你最近购买了一个冰箱，我给推什么，猜你最近在装修，给你推电视？这事太尼玛难了！如果买了香蕉呢？你觉得呢，这就是行业知识坑啊！

所以大部分的结果仍然是以平行推荐产生的结果，这就造成了楼主买了姨妈巾然后猜你都喜欢姨妈巾。

怎么解决？

做itemtoitem核心有个因子：时效性。

楼主浏览其他商品，会迅速降低姨妈巾的出现概率。

本文来自PMCAFF产品经理问答社区，未经许可，严禁转载。

更多精彩内容尽在PMCAFF产品经理问答社区

投稿请发送至邮箱：tougao@pmcaff.com

认真敲出一篇文章，但没有人懂你？

辛辛苦苦写出的文章无人知晓？

想和更多的同行更深入的探讨问题？

“PMCAFF原创作者计划” 致力于打造产品经理界最高质量的原创专栏。

这个行业有一股新新力量正在崛起...

赶快点击 阅读原文 加入我们