京东推荐系统中的兴趣拓展如何驱动业务持续增长大家好

大家好，我是京东推荐广告的彭长平。今天主要跟大家介绍一些我们过去一两年在京东推荐系统里做的一些算法的创新。
演讲主要分三部分：
第一部分是简单描述一下电商的推荐与普通的、大家熟知的其他推荐系统的一些差异。电商推荐系统它自身有哪些特点；
第二部分我会从几个维度讲一下在京东推荐系统上做的一些创新，尤其是在用户兴趣拓展这个维度上。因为电商场景来说，所有的电商推荐系统都是分成捕捉用户兴趣和满足用户兴趣，然后也包括兴趣的拓展。在电商来说，用户兴趣的拓展相对他类型的推荐系统可能会更重要一些，实际上，在京东推荐系统里面，用户兴趣拓展这部分的曝光占比超过了一半以上。
第三部分我会简单介绍一下，我们现在正在做的一些相对前沿的技术方向。
推荐系统驱动业务增长推荐系统应该大家都比较熟悉了，从PC 时代开始，国内外的所有的互联网公司，尤其是平台型的互联网公司，随着Iterm 候选的增多，已经远远超过了人脑能够处理的范围，所以它必然要通过算法去刻画人的兴趣，以及Item 的属性，去满足人和Item 的匹配。
文章插图
国内外大家能够看到的一些报道，像Netflex、 Amazon 、Facebook、国内的 BAT ，尤其是移动时代开始之后，手机屏幕这种手指和屏幕自然的交互方式，自然而然使得推荐进系统几乎成为每一家移动互联网公司的标配。推荐系统是公司花费非常多的人力和财力去打造的一个系统，同时这个系统也为各个企业带来了非常大的商业的价值。
在传统的推荐系统里，其实最主要是记录人的行为，因为最传统的推荐系统的算法就是协同过滤，后台的思想就是——物以类聚，人以群分。那么，类似的行为，或者商品属性类似的东西，就可以去做拓展。所以它最基础的一个逻辑，就是能够去记录用户的行为，基于这个行为去识别他的兴趣，去推荐跟他兴趣相关的属性的商品，或者是其他的一些 Item 。
兴趣拓展驱动业务持续增长
文章插图
对于电商推荐系统来讲，我开始也简单提到了，在推荐系统里头分成两类，第一类是你识别他的兴趣，然后去推荐跟他的兴趣相匹配的一些商品。第二类，就是你要找到一些他没有明确表达出来的兴趣，我们用算法去猜测他有这方面的兴趣，然后去帮他做拓展。兴趣的拓展，其实对于各种推荐系统都很重要，但对于电商来说尤其重要。因为对于电商来说，你需要引导他去买，在你的平台上下单，如果你只是满足了他买的这个商品，其实也就意味着你的系统的上线是有限的，不管是对于用户也好，或者对于你平台上的商家也好，那么它其实成长的空间是有限的。所以拓展用户兴趣以及基于拓展出来的兴趣帮他做推荐，对于电商系统来说尤其重要。但这个事情对于电商系统来说，又是个特别难的事情。我们从用户和商品两个纬度来讲一下。
从用户纬度考虑，第一，如果说你去跟资讯类的、信息流这种推荐系统相比，那么它的用户行为是相对少的，因为用户不可能每天花 60 分钟、70 分钟，甚至更长的时间在你的系统上。第二个困难还是从用户角度来说，对于资讯类平台的推荐系统来说，用户消费你的内容就是在线上，你能够完整地记录到这个用户观看或消费平台内容的过程。但是，对于电商系统来说，它只是交易的过程产生在线上，用户为什么要买这个商品？以及买完商品之后的所有的消费过程，都是在线下的，难以数字化的。第三个困难跟前面两个点是也相关的，就是大多用户买完商品之后，在短期内不会再来买这个商品，不会再来买同类的商品，也就是说他的需求和兴趣会发生转移，这也就是为什么说，在电商的推荐系统里，仅仅捕捉用户的兴趣，基于捕捉到的兴趣去做推荐是不够的，这是从用户纬度来讲，我们面临的挑战。