文档

调整I2I算法策略,强化实时反馈的用户体验

更新时间:

本文将向您介绍,在终端用户在刷新推荐结果的过程中,如果想要更加直观地促进用户感受到“随着兴趣的变化,推荐结果进一步关怀用户兴趣”即“实时反馈”,应当如何配置算法策略、配合相关产品功能从而达到此效果。

一、记录用户行为并实时上传

当用户在浏览“推荐”页面的过程中,将发生多种行为,如曝光、点击、加购等。

当用户触发行为后,需要通过服务端SDK接口/通过友盟APP版SDK上报的形式同步到智能推荐系统。

image

二、商品类目信息优化

传统的I2I(ItemCF)算法,能够依据行为学习出item之间的相似度,产出item之间相似度分数。这种方法可能会发现一些认知程度无法理解的高分(如典型的啤酒和尿不湿关联)。

本着可解释性强+实时反馈层体验优化的初衷与实践演练,这里我们选用最能体现商品/内容属性的特征即类目属性,做进一步的收敛。

如,上图被加购的商品:【张云雷礼盒】稚优泉梦乐家礼盒联名彩妆套装唇釉化妆品组合装,

属于“化妆品_彩妆套装”(仅用做参考,请按照业务实际情况做类目特征抽象),

需要将此信息填报到item表的category_level(2)、category_path(化妆品_彩妆套装)字段。

三、调整I2I算法策略

相比传统的I2I,智能推荐提供了3种优化后的I2I算法策略,分别是“子类目收敛优化”、“父类目收敛优化”以及“基准基于物品协同过滤”。

这里我们需要使用到“子类目收敛优化”、“父类目收敛优化”。

示例1:父类目收敛优化

如,【张云雷礼盒】稚优泉梦乐家礼盒联名彩妆套装唇釉化妆品组合装触发用户多条行为之后,我们希望推荐出更多与“化妆品_彩妆套装”中“化妆品”更加相关的商品,则可启用“父类目收敛优化”算子并将优先级调高。

如图:1

示例2:子类目收敛优化

如,【张云雷礼盒】稚优泉梦乐家礼盒联名彩妆套装唇釉化妆品组合装触发用户多条行为之后,我们希望推荐出更多与“化妆品_彩妆套装”中“彩妆套装”更加相关的商品,则可启用“子类目收敛优化”算子并将优先级调高。

如图:2

示例3:父、子类目收敛优化组合

如,【张云雷礼盒】稚优泉梦乐家礼盒联名彩妆套装唇釉化妆品组合装触发用户多条行为之后,我们希望推荐出更多与“化妆品_彩妆套装”中“化妆品”以及“彩妆套装”更加相关的商品,同时启用并指定二者的优先级。

如图:3

四、进行AB实验

如三中所述,示例1、示例2、示例3都可以达到实时反馈加强的用户体验,业务更加适合哪种形态,可以通过做实验的方法,直接对比线上的业务效果,最终做出决策。

使用流程大致如下,具体如何使用实验平台可参考实验参数配置

1、启动实验;

2、创建实验:实验1-父类目收敛优化优先级高、实验2-子类目收敛优化优先级高,实验3、4等等;

3、分配流量:保证其他实验配置保持一致,分配等份流量桶;

4、观察效果:持续观察至少1周的业务效果报表,得出结论;

5、实验决策:假设经观察,二者同时启用,子类目优先级高效果更好,则对该实验配置进行推全。

五、实际效果预览

当用户完成一屏浏览,重新请求推荐结果时(注意这中间需要重新访问一次智能推荐的recommend接口),那么第二屏、第三屏的推荐结果将发生倾斜。

大致的体感如下:

1、化妆品出现;

2、彩妆套装出现;

image

如果希望同时结合用户反馈的“不喜欢”行为,定制推荐结果实时反馈,请参考“通过负反馈功能提升终端用户推荐精准度”。

  • 本页导读 (0)
文档反馈