电商平台需要怎样的推荐系统？

　　智能推荐的意义对于手握大把优质流量的电商巨头来讲，意义重大。同时，对于那些崛起的，流量没那么多的电商平台来说，可能价值还要更大。
　　为了响应亚马逊CEO贝索斯的“亚马逊有1000万用户，就有1000万的亚马逊”的要求，亚马逊算法部门早在10几年前就开发了基于物品的电商推荐系统。国内的电商巨头淘宝、京东等也陆续在16年上线基于用户的智能推荐。
　　智能推荐的意义对于手握大把优质流量的电商巨头来讲，意义重大。同时，对于那些崛起的，流量没那么多的电商平台来说，可能价值还要更大。
　　移动互联网流量红利期已过，新增用户成本高昂，对于各电商平台来说，将用户如何留在自家平台，提高用户的粘性、使用深度和转化率变得越来越重要。
　　那么，智能推荐的本质是什么呢？
　　智能推荐的核心是内容分发，内容分发第一代是网址导航和门户网站，第二代是搜索引擎，第三代是智能分发。
　　智能分发是一个体系，它分为：可被经验总结的部分和不可总结的部分。
　　可以被经验总结的部分包括规则推荐，规则就是经验。
　　不可被总结的就是千人千面的算法推荐，完全根据用户行为进行推荐。
　　现阶段的内容分发主要为三种分发：运营分发、社交分发与智能分发。而智能分发不是对传统分发的补充，而是替代。
　　运营分发，是依靠运营们的经验挑选，自以为对人们有价值的内容进行推荐，这在人们选择比较少的年代是成功的，其弊端也显而易见，无法满足人的个性化需求，运营有限的经验很难判断用户需要哪些内容。
　　社交分发是在社交平台上进行内容分发的分发形式，以微信朋友圈、微博为例：你看到的内容，都是朋友们帮你二次筛选过的。而内容的价值分为分享价值和阅读价值，很多内容具有阅读价值但不便于分享，而分享出来的价值很有可能是朋友用来“自我标榜”的。这两种传统的分发方式都有比较明显的缺陷。
　　智能分发是分发用户愿意看、对用户真正有价值的内容，也就是用户“嘴上说着不要，身体上却很诚实”的内容。如果说，社交分发解决的是用户“嘴上说”的内容，那智能分发解决的就是用户“身体诚实”的内容。
　　智能分发通过分析用户特征（年龄、性别、职业等）、内容特征（商品、资讯、视频等）、环境特征（时间、场合、网络状态、地理位置等）、行为特征（隐性的兴趣爱好和显性的评价）和业务特征（业务场景干预），针对性的向用户推荐他感兴趣的内容。
　　因为每个人的兴趣爱好、行为习惯等是不同的，所以每个人所看到的内容也是不同的。这样就避免了那些优质的内容由于不具备分享属性而不被人们所知的情形，也解决了运营依靠自身有限经验所推荐内容的不精准。
　　对于内容分发而言，不同行业不同场景其所要实现的分发目的是不同的，但本质都是要提高分发效率和质量。
　　对于资讯客户端来说，最核心的指标是用户使用时长，也包括粘性、留存率、UV、PV、浏览深度等；
　　对于社交平台来说，包括DAU、MAU，用户互动、用户发帖量、消耗内容量等；
　　对于电商平台来说，最重要的指标自然是销量，影响最终销量的指标有点击率、访问转化率、下单转化率等。
　　那么通过智能推荐实现的内容分发需要在不同场景上实现不同的分发目的，达成目标的分发效果。
　　对于电商平台来说，往往是用户有了较强的购物需求。未使用智能推荐的电商平台，因为每个用户的购物需求是不同的，用户在登陆时并不能很容易的在首页就发现自己意向购买的商品、品类，且每个用户的首页商品、品类都是一样的。
　　用户不能在短时间找到意向商品在一定程度上，会造成首页访问转化率降低和首页流量的流失，分发效率和质量较低。
　　而使用了智能推荐的电商平台，用户在登陆首页时则会有很大的概率发现意向商品，从而直接跳转到商品详情页面，提高了页面的访问效率。像用户在购物车页面时，智能推荐则帮助电商平台挖掘了用户的潜在需求，实现了交叉和向上销售从而提高了客单价。
　　较为经典的案例是：经常买德国啤酒的人很大概率上会需要尿布。而未使用智能推荐的电商平台，用户在购买德国啤酒时，可能想不到还需要购买尿布，或者想到了要购买尿布而去了其他的电商平台。而智能推荐则帮助用户发现自己的需求，减轻用户寻找到意向商品的时间成本。
　　假设两个电商平台a和b，在平台a里用户3秒内就找到了他想要的商品，而平台b需要3分钟，那么显而易见地用户会更经常使用a平台。换句话说，智能推荐带来的不仅仅是简单的点击，更重要的是让用户重复使用。
　　而对于如何精准实现商品的推荐，需要收集用户数据、用户行为数据、商品数据、商品营销数据等。
　　行为数据包括对商品或品类的点击、收藏、下单等，用户的长期兴趣、短期兴趣、实时兴趣。兴趣则主要有性别、品牌偏好、品类偏好、购买力水平、自营偏好、尺码颜色偏好等。商品数据则包括商品的产品词、修饰词、品牌词、质量分、价格、性别、年龄、标签、属性、详情页等。商品营销数据则包括商品上架时间、是否主推、是否高毛利、是否自有品牌等营销数据。
　　智能推荐在电商平台的应用不仅仅是推荐商品这样简单，如：活动、分类、优惠券、楼层、banner、文章等几乎每个存在个性化需求的界面或内容都需要推荐系统。
　　对于电商平台来说，内容分发不能仅仅依靠智能推荐，而需要根据产品状态和业务场景，制定推荐目标，通过运营经验总结成的规则推荐和智能推荐一起提升内容分发效果，这也是第三代内容分发系统的核心。
　　不同的商品有不同的复购周期，以高复购的零食和低频的家具为例：购买零食后的一个月内用户可能会再次购买零食，而购买家具的一年内用户可能不会再购买类似的家具，那么针对于不同商品的品类就得依据运营经验设置符合用户购物习惯的召回策略，来保证推荐商品不过度打扰用户，不影响复购体验。
　　电商平台为了提高利润率、扶持自有品牌，则可以根据业务目标提高高毛利商品和自有品牌在推荐系统中的权重，高权重商品会有更高的概率被推荐系统分发至用户，从而达成业务目标。商家注册入驻类电商平台，则可以根据商家钻展、直通车等推广情况，提高会员商家商品权重，从而保证会员商家的推广权益。
　　无论是电商平台还是资讯平台，运营人员对推荐系统使用目标的干预和调整对推荐效果和指标的提升都至关重要。
　　如果说智能推荐是一把锤子，那么运营人员就是使用锤子的人，要造出好的房子，不仅需要一把好锤子，还需要了解该怎样使用好这把锤子把房子盖好。