從0開始作垂直O2O個性化推薦-以58到家美甲爲例

從0開始作垂直O2O個性化推薦

 

上次以58轉轉爲例，介紹瞭如何從0開始如何作互聯網推薦產品（回覆「推薦」閱讀），58轉轉的寶貝爲閒置物品，品類多種多樣，要作統一的寶貝畫像比較難，而分類別作寶貝畫像成本又很是高，因此更多的是進行用戶畫像、分類預測推薦、協同過濾推薦等個性化推薦。

有些同窗反饋，他們的產品是垂直類的O2O產品，分類單一，能夠簡單的實現寶貝畫像，這類垂直O2O產品怎麼從零開始作個性化推薦呢？這是本文要討論的問題

 

1、58到家美甲簡介

58到家有三大自營業務「家政」「美甲」和「速運」 ，美甲可以實現「足不出戶，享品質服務，作美麗女人」，目前提供上門美甲、修復與卸甲、美睫、化妝等服務。

http://bj.daojia.com/liren/

 

2、從0開始設計垂直O2O推薦框架

（1）列表頁推薦：用戶既然進入到了美甲，成交意願是很是強烈的，首頁的推薦相當重要

（2）寶貝詳情頁推薦：買了還買，看了還看類的關聯寶貝推薦

（3）下單成功頁推薦：既然下單了某個甲樣，可能會喜歡相近的甲樣喲

（4）召回推薦：在用戶退出系統後，經過RFM模型作優惠券推送或者消息推送作客戶挽留與召回

RFM模型：根據用戶最近一次購買時間Recency，最近一段時間的購買頻率Frequency，最近一段時間的購買金額Monetary，加權獲得的一個表明用戶成交意願的一個分值。

 

3、甲樣列表頁推薦詳細流程

（1）用戶點擊進入甲樣列表頁

（2）畫像用戶的消費能力

（3）抽取購買、收藏、喜歡、瀏覽的歷史數據

（4）根據歷史數據，對全部甲樣進行打分，綜合一些產品策略，推薦出首屏的4個甲樣，例如：

 

（5）若是用戶下單，以被下單的類似甲樣作推薦

（6）若是用戶跳出，能夠根據信用評級、消費等級作優惠券召回推薦

 

4、與業務緊密結合的策略規則

推薦系統並非一個單純的算法問題，而是一個與產品、工程架構都相關的綜合性問題，不一樣的業務會有不一樣的產品策略，這些是在作推薦時須要考慮的，以美甲爲例，須要考慮：

（1）排序前2名要推薦最符合用戶消費能力的甲樣（例如「價格小於150」）

（2）被推薦的4個甲樣要覆蓋儘量多的消費區間（例如「兩個甲樣價格小於150，兩個甲樣價格大於150」）

（3）被推薦的4個甲樣要覆蓋最火的產品、舊產品、新產品（例如「1個爆品，2箇舊加油，1個新甲樣」）

（4）垂直相鄰的甲樣，顏色不一樣（爲了視覺體驗）

（5）水平相鄰的甲樣，顏色不一樣（緣由同上）

（6）垂直相鄰的甲樣，款式不一樣（爲了視覺體驗，以及產品覆蓋度、受衆度）

（7）水平相鄰的甲樣，款式不一樣（緣由同上）

（8）…

 

5、如何利用甲樣畫像與用戶購買、收藏、喜歡、瀏覽的歷史數據對全部甲樣進行打分？

【寶貝畫像】

垂直O2O的相對比較容易作寶貝畫像，寶貝品類比較單一（甲樣），寶貝的品種也比較少（幾千幾萬種甲樣），熟悉業務的人能夠對寶貝進行畫像（不須要複雜的機器學習方法），以甲樣爲例，能夠抽象出：

款式

顏色

風格

場景

圖案

其餘

等多個核心屬性

 

【核心屬性賦值，標籤化】

寶貝畫像完畢以後，對於每個核心屬性，能夠進行賦值，實施標籤化

款式：純色，法式，漸變，彩繪，貼飾

顏色：紅色，粉色，藍色，白色

風格：簡約，甜美，復古，可愛

場景：派對，旅行，約會，晚宴，夜店

圖案：卡通，小碎花，動物，桃心，五角星

 

【抽取用戶歷史行爲】

抽取購買、收藏、喜歡、瀏覽的歷史行爲數據，獲得一些甲樣ID集合set<bb-id>

 

【查詢全部歷史行爲甲樣ID的畫像屬性，對標籤進行頻率統計】

用戶U歷史行爲某買了甲樣1：bb-id1，收藏了甲樣2：bb-id2

從庫中查詢出全部甲樣的詳細屬性

bb-id1：彩繪，紅色，可愛，夜店，桃心

bb-id2：彩繪，粉色，可愛，夜店，桃心

對標籤進行統計

款式：{彩繪：2}

顏色：{紅色：1，粉色：1}

風格：{可愛：2}

場景：{夜店：2}

圖案：{桃心：2}

 

【根據標籤統計，量化對標籤的喜好程度】

例如，標籤量化打分公式能夠爲：score=同類標籤出現頻率

那麼，對於「款式」這個屬性，依據上述統計，各標籤的打分是：

純色=0分，法式=0分，漸變=0分，彩繪=1分，暈染=0分，貼飾=0分（假設只有5種款式）

同理，對於「顏色」這個屬性，依據上述統計，各標籤的打分是：

紅色=0.5分，粉色=0.5分，藍色=0分，白色=0分（假設只有4種顏色）

…

這個打分是一個簡單舉例，實際上的打分公式會複雜不少（例如購買與收藏貢獻的分值不同）

 

【根據上述量化標籤，量化用戶對每一個甲樣的喜好程度】

例如，對於一個甲樣X{純色，紅色，簡約，夜店，卡通}，能夠計算出用戶對它的喜好分值爲

socre-X = 0(純色) + 0.5(紅色) + 0(簡約) + 1(夜店) + 0(卡通) = 1.5分

這個打分是一個簡單舉例，實際上打分公式會複雜不少（例如各個屬性的權重是不同的）

 

【對全部甲樣計算分值，排序】

 

【從高到底進行甲樣推薦】

推薦的過程當中注意，4款甲樣要符合第四個大步驟中提到的產品策略（要覆蓋各個價格範圍，相鄰顏色與樣式不一樣等）

 

【個性化推薦完成】

 

好了，暫時先到這裏，上面的思路絕對是能落地的，但願58到家美甲的推薦，對其餘剛開始作垂直O2O互聯網產品的同窗有幫助。

 

以上內容均來自微信公衆號「架構師之路」胡劍老師的文章，歡迎關注。