无人货架的商品推荐算法

首先这是一个针对无人货架商品调整的思路。无人货架在安装时，会默认的冷启动一些商品。在随后的销售过程中，需要根据这个货架的商品消耗情况去调整此货架的商品摆放。撤掉卖不掉的商品，再摆放预计会卖得好的商品。

撤掉滞销商品的逻辑比较简单，因为数据都是已知的，只要设定规则挑选出要下架的商品即可。

上新品的逻辑就没那么简单了，这个也是此文主要讲解的思路。

商品推荐首先想到的就是做出商品之间的相似性。在原始的商品信息表中，我们只能看到这个商品的大、中分类。比如：大分类面包，中分类夹心面包。在这套商品标签下，我们调品能做的操作非常有限。受限于只能在大分类下进行推荐，例如面包都被推荐上去之后，具有同样属性的饼干等相似度很高的商品是无法通过算法做自动上架的，且无法对这个分类下的好坏商品进行区分。总之就是很难受，不好做自动调整。

在摸索的过程中，我调取了各个大分类的分时趋势。发现确实存在各个大分类消费时间高度重合的情况，那么也就可以代表一定的大分类相似度。下一步分析他们相似的原因，比如面包和饼干相似，因为都是面食，分量比较大，所以会当做主食来吃。但是饼干在早上的销量要低于面包，在下午要高于面包，分析原因可能是因为面包比较软，人们在早上不愿意吃硬的。再比如干果和蜜饯，都是小包装或者方便保存的，分量不大，口味特征明显，无聊时嘎巴嘴的。蔓越莓和芒果口味，味道的差异性可能没有那么大，但是他们食物本身的中西倾向有明显不同。同种食物，一个用袋装，一个用盒装，