如何在推荐系统中快速灵活地嵌入商业策略投放系统-NetEase.PDFVIP

如何在推荐系统中快速灵活地嵌入商业策略投放系统 作者：傅凌进 部门：网易 ·跨境电商 ·数据平台与分析部 时间：2017 年 6 月 摘要：本文提出一种将商业策略投放系统快速集成到现有推荐系统里的方法：通过泛型和反射能快速设定决 策层、分析师、运营的营销意图，并通过规则元素、匹配器、规则、处理器、策略模块等将其意图解析并部 署到任意推荐栏位中，以便让一些和该策略相关的当前商品能即时提高曝光率，其结果是在千人千面基础上 快速灵活地实现了千人N 面的策略推广，其作用是作为产品在运营时的补充, 在新用户冷启动、投放策略 实验、集中推广打造爆款、借力热点突发事件等场景有潜在意义。本文将从研究背景、研究方法、研究结果 以图文并茂的方式介绍一种已实现过的思路。 关键词：[推荐系统][商业策略][决策投放] 一、引言 提到推荐系统，往往和个性化推荐产生联系，所谓推荐系统是互联网和电子商务发展的必然产物，是 建立在海量数据挖掘和丰富营销场景基础上的一种高级智能商务平台，能向用户（User）提供个性化物品 (Item)的推荐选择,给予曝光。这些物品包括（但不限于）：具体的如文章、商品、活动、专辑；抽象的 如：类目、品牌、搜索词；甚至音乐、视频等一些用户能感知的数字化产物。 商业策略，虽然个性化推荐从广义上来说亦不失为一种商业策略，在本文狭义地认为它是一种公司从 战术上指导其旗下产品在行业中为达到及保持某种优势,在不同场合使用的局部最优方法。 俗话说，大丈夫，有所为，而有所不为，此处正好解释为：所述商业策略根据需要对一些Item 进行 提权（有所为）,同时对一些Item 进行降权（有所不为），从而在某种特定场景下，能快速达成目标。很自 然地，我们常常说个性化推荐系统是一个千人千面的呈现，而商业策略对应地常常被称作千人N 面；推荐 系统基于人工智能，商业策略却依赖智能人工。尽管人工智能在参数足够，样本丰富以及训练模型合适的 情况下解决了大部分问题，甚至能预测“棋子”如何落到下一步，但智能人工却能在复杂的行业竞争中,对形 势的阅读和场面的理解上更占优势，反应能力也更加迅速，也就是我们需要某种系统在机器解决了大部分问 题的同时去执行智慧的逻辑，例如在以下场合下可尝试直接使用恰定的商业策略： 1. 冷启动：譬如对注册目的性不明确有浏览行为的新用户可以多推送标记为高转化、高复购的商品，或在节假 日/活动日时将内容契合的商品给予更多的曝光； 1 2. 思维试验：如果触角灵敏的分析师某天突然发现，活跃用户发生特定浏览行为时用户对高毛利、高品位的商 品抵触情绪最低，则可马上尝试推送出结合用户兴趣模型的该类商品，甚至细分出推送A 类还是C 类 （ABCDE 商品品质定级）等等，上述特定浏览行为可能是个复杂的描述如：“当天6 点到晚上 18 点，有搜 索且有点击行为” ∪ “每天晚上21:00 点有长时间查看购物车行为” ∪ “有收藏加车未购买” ∪ “支付成功时” ∪…. 等等； 3. 集中推广：对某类目的商品需要营销推广；和某品牌签约需要大量曝光；某些商品库存需要立马清仓节约成 本时… 4. 突发事件：包括具有强随机性的人类活动事件和超过了人类当前预测水平的自然突发事件，比如国家队奇迹 般进世界杯、突然的一部电视剧走红、突然某位名不见经传的人士成了网红、突然异常天气对应的商品和物 资则急需等；甚至若考虑百度指数突发的热门词汇可迅速地将相应Item 采纳到商业策略系统中在线推广。 可解释性的商业策略能在基于数据的准确识别和分析基础上在内容、范围、时机与匹配上做到针对性 强且确度高；并能从大局上结合用户需求、价值剩余、社会福利、市场格局和时空价值而获利。人类的很多 行为可用马斯洛需求理论来解释，那么对于求实在、求便利、求新颖还是求品质的场景亦为不同的处理策 略，结合物品的成本、物流、地域、资金、服务、品牌、模式等信息通过一些策略可在最短时间达到商业目 的并满足这一次消费者来平台的目的和期望，同时在处理营销双向性（过高的宽泛程度将引起曝光投入的浪 费,而狭窄的定向程度则达不到人群宣传目的）上亦能折中取两家之长。故而在大多数时间里，我们依赖机 器学习算法的成功运作整个推荐系统，在少数特殊的情况下采用策略干预这种划分体系在产品整体布局上拥 有积极的意义，进一步的，策略的多样化能在历史的长河中不断沉淀经验和找出闪光点。