Recommend

推介算法探索

推介问题背景介绍

在工作中，需要把商品推介给顾客。开始我们做了热销的排名，但是这个排名会逐渐趋于稳定，头部变化越来越少。站在运营的者的角度是好，可以实现多备货等；但是对于购买过的顾客来说这其实不是他想去关注。我们尝试去改变这个现状，可参考的做法特别多。弄多个模块：热销排名（数据排序）、个性化推荐（相关性）、促销（特性）、新品活动（新品）、节假日活动（文化活动）等。当我们铺开这些模块的实现后，发现了一个隐忧。因为我们的APP界面铺满了广告，而且开启了非常多的设置，严重破坏了用户的体验。面对这些运营的需求，我们还有没有更好的方式去实现呢？这是我现在思考的，也是我尝试进行解决。

基本假设事实

1. 用户总会为注意力埋单
2. 用户基于需求去购买商品，产品热销是因为需求旺盛
3. 用户讨厌无关的注意力
4. 事物发展有一个过程，总会消亡
5. 用户不需要过多的广告

算法过程

灰度流量池尝试。一级流量池：看基本面，点击率（相关性）；二级流量池看，下单率（产品需求）；三级流量池看（综合绩效）；四级全网热销。

1. 发布活动。运营发布一个单品、活动、促销等；
2. 找出可能购买的用户。计算相关性，找出流量池中相关度最高的10%用户进行灰度推送；
3. 计算第一流量池用户反馈情况。计算点击率、下单维度情况，符合：50%的点击率，有下单20%，进入下一阶段；不符合不再操作；
4. 计算第二流量池用户反馈情况。下单率达到新增流量的30%，进入下一阶段；不符合不再操作；
5. 计算第三流量池用户反馈情况。计算综合绩效：点击率保持50%，新增流量下单有20%，进入下阶段；不符合不再操作；
6. 热销衰减。推送总流量池的40%人群，持续一个月的热销；一个月后衰减，下降权重；

算法步骤拆分

发布活动

1. 商品名称，商品类型（灯泡、插座、排插、摄像头），商品价格，商品销售价，商品图片。