我是創始人李巖：很抱歉！給自己產品做個廣告，點擊進來看看。
伴隨著實體行業的數字化轉型，以及網民數量、物流快遞行業的快速增長，電商平臺之間的競爭也日趨增大。如今，電商行業已然進入創新發展階段，如何直面行業痛點，在眾平臺中“殺出重圍”呢？
多
用戶對商品的需求不是單一的，如何面對不同用戶多種多樣的需求？
快
用戶購物時一般都帶有目的性，如何在短時間內識別用戶購物需求從而吸引用戶？
達觀通過電商行業的服務經驗，提煉出適用于電商行業的推薦策略及算法，以下將從
“人”“貨”“場”“策略”
四方面展開。
（1）根據
用戶靜態信息生成推薦列表
，推薦符合用戶性別、年齡的商品；根據用戶選擇的
興趣標簽
，推薦符合其興趣標簽的商品；
（2）根據
冷啟動算法進行推薦
，例如E&E和CLUB算法；
（4）采用
專家策略
，推薦活動的商品，例如打折的商品等。
（1）基于
用戶靜態信息生成推薦列表
：推薦符合用戶性別、年齡的商品；根據
用戶選擇的興趣標簽
，推薦符合其興趣標簽的商品；
（2）基于
動態數據進行推薦
，綜合考慮用戶的搜索、點擊、購買等行為分析用戶偏好。例如：用戶收藏了一件T恤，那么同類型、價格相似的T恤、同店鋪的其它T恤、同品牌的其它商品等都可作為該用戶的推薦候選集；其次還可以根據用戶行為計算相似用戶，將相似用戶間的偏好商品進行交叉推薦；
（3）基于
運營規則推薦
，例如：對于復購周期長的商品減少推薦；給用戶推薦配套商品、活動商品等。
顧名思義，電商APP中可以推薦出來的商品為“貨”。推薦系統會綜合考慮商品的靜態屬性字段（如類別、價格、標簽等）、商品的統計屬性（如銷量、點擊量等）和商品之間的關聯屬性。
（1）
分析商品靜態屬性
：結合商品類別字段，給用戶推薦當季商品，如夏季推薦T恤、連衣裙等；亦或者根據商品上架時間字段，給予上新商品一定的曝光度；
（2）
分析商品統計屬性
：綜合考量商品的點擊量、銷量等，計算商品熱度，給用戶推薦熱門商品；
（3）
分析商品關聯屬性
：結合店鋪、品牌、價格等信息，給用戶推薦同店鋪、同品牌、相似價格的商品；或者通過計算商品標題相似度，推薦相似商品；亦或者根據協同過濾算法，通過用戶將商品進行關聯來進行推薦。
達觀提供
個性化、相關、熱門、地域、搜索推薦、通用推薦
等功能，全方位支持電商APP多個場景接入推薦，例如首頁、頻道頁、詳情頁、搜索頁等等。
在電商推薦中，搭配專家策略往往可以對效果有促進作用。
（1）從推薦
權重
方面：可調整不同行為對模型的影響權重，例如：購買>加入購物車>收藏>分享>點擊；
（2）從推薦
范圍
方面：可結合電商用戶群體的不同特征上線不同的方案，例如向VIP用戶優先推薦VIP折扣商品；
（3）從推薦
比例
方面：通過豐富推薦結果的比例，來豐富商品推薦的多樣性，例如，興趣商品：熱門商品：新商品=4:2:1
（4）當推薦
條件限制過多
時，為避免推薦結果不足的情況，可以設置補足策略，例如根據海量用戶的購買、加購等行為數據計算熱門商品，加入到補足推薦的候選集。
達觀推薦服務深度理解電商行業應用場景，如直播電商、社交電商、生鮮電商、跨境電商等，支持結合不同行業特點進行模型的定制和優化。目前，在電商行業達觀已經服務虎撲識貨、安利、天虹、樂友母嬰、一條生活館、順豐大當家等眾多知名客戶，行業經驗豐富。
達觀首創“召回+排序+后處理+兜底”四段式推薦流程，平臺內置上百種算法模型和專家規則，支持AB測試、用戶畫像等功能，有效提升轉化率、點擊率、留存率等業務核心指標，可滿足技術、運營、產品、測試等多種角色的不同需求。
科技獵
