智能推荐引擎

2016年12月18日 发布    |    2016年12月19日 最后编辑

1. 什么是智能推荐引擎?

智能推荐引擎是我们为电商运营开发的一套旨在提高销售转化的驱动引擎,其基本逻辑是:

在合适的时机,向用户推送合适的销售刺激因素1,以提高促成交易的效率。

2. 为什么要开发这样一套引擎?

我们开发这套智能推荐引擎是为了解决两个问题:

  1. 用户偏好千变万化,传统的推荐方式并不精准,效率偏低。
    尽管我们可以用一线城市年收入20万以上年轻未婚女性这样的标签来定义一类用户,但是符合这些条件的用户也会因为成长过程、受教育程度、地域文化等因素而呈现出不同的行为方式和偏好。当我们使用传统的推荐方式,如EDM、首页商品推荐等,都只能覆盖我们认为的精准人群中的一部分,绝大部分用户没有感觉到「个性化」
  2. 用户心理瞬息万变,传统的推荐方式时效性不够。
    无论是基于用户行为历史的DMP、还是综合用户各类信息的用户画像,都是针对用户历史信息的分析,并以此来指导对用户未来行为的分析。这些方法都无法做到实时、持续地判断用户行为,进而为用户「当下」的购买决策提供助力。

3. 什么是引擎?

引擎通常指汽车发动机,但在大型系统(特别是游戏)中,引擎的概念指的是程序的核心组件,用于处理程序的基本逻辑。

我们为智能推荐引擎建立了这样一套基本逻辑:

触发  ›  判断  ›  推送  ›  验证

这四个环节共同组成了一次完整的推荐。

  1. 触发:引擎将实时监测系统内所有用户的行为,一旦某些用户出现某些典型行为,或某个行为达到了特定的条件,引擎即被触发,进入下一个环节;
  2. 判断:调取用户个人信息、用户画像数据,从数据库中调用同类行为历史数据,选择针对当前用户的当前行为最合适的销售刺激因素;
  3. 推送:使用微信消息(互动48小时内)、短信、邮件等方式为用户推送销售刺激因素;
  4. 验证:跟踪销售刺激因素的推送情况,以及销售刺激因素对用户转化的影响。

我们来看一个简化的推荐过程示例:

4. 为什么叫「智能」推荐引擎?

所谓智能,意味着程序有一定的自我演化能力,尽管目前为止所有的程序演化过程都仍然遵循着认为预设的逻辑,真正意义上的人工智能并未出现。

我们的推荐引擎同样拥有这种演化能力:在不断地推送和验证过程中,总结、归纳、分析各种销售刺激因素的使用场景和针对各种用户行为的转化效率,进而提升触发和判断环节的准确率

我们还是用上面的例子来说明:

为了实现这种「智能」,我们利用了几项相对前沿的技术:

  1. 数据挖掘:基于一定的数据挖掘算法,针对系统内所有用户行为、用户对销售刺激因素的反馈、销售转化效率等数据进行持续地整理、分析,得出用户行为和销售刺激因素之间的相关性模型
  2. 机器学习:系统将根据这个相关性模型进行用户行为 − 销售刺激因素之间的判断,为用户推送销售刺激因素,同时将新的推送验证结果作为训练数据,不断改进相关性模型;
  3. 机器智能:尽管这个词仍然是个很前沿的概念,但我们在实际过程中应用了一些这个概念的方向,例如将数据挖掘、机器学习等过程直接内化为算法,让程序自动实现这些过程等等,在这个领域上,我们仍然在不断探索。

注1:销售刺激因素指能够激发用户做出购买决策的因素,如代金券、限时折扣、满减、免邮等促销手段,或商品组合、配件、配套服务等商品推荐。

版权所有 ©北京大有元吉科技有限公司   2015 - 2016京ICP备 13005863号-12