從0開始做垂直O2O個性化推薦

上次以58轉轉為例，介紹了如何從0開始如何做互聯網推薦產品（回復“推薦”閱讀），58轉轉的寶貝為閑置物品，品類多種多樣，要做統一的寶貝畫像比較難，而分類別做寶貝畫像成本又非常高，所以更多的是進行用戶畫像、分類預測推薦、協同過濾推薦等個性化推薦。

有些同學反饋，他們的產品是垂直類的O2O產品，分類單一，可以簡單的實現寶貝畫像，這類垂直O2O產品怎麽從零開始做個性化推薦呢？這是本文要討論的問題

一、58到家美甲簡介

58到家有三大自營業務“家政”“美甲”和“速運” ，美甲能夠實現“足不出戶，享品質服務，做美麗女人”，目前提供上門美甲、修復與卸甲、美睫、化妝等服務。

http://bj.daojia.com/liren/

二、從0開始設計垂直O2O推薦框架

（1）列表頁推薦：用戶既然進入到了美甲，成交意願是非常強烈的，首頁的推薦至關重要

（2）寶貝詳情頁推薦：買了還買，看了還看類的關聯寶貝推薦

（3）下單成功頁推薦：既然下單了某個甲樣，可能會喜歡相近的甲樣喲

（4）召回推薦：在用戶退出系統後，通過RFM模型做優惠券推送或者消息推送做客戶挽留與召回

RFM模型：根據用戶最近一次購買時間Recency，最近一段時間的購買頻率Frequency，最近一段時間的購買金額Monetary，加權得到的一個代表用戶成交意願的一個分值。

三、甲樣列表頁推薦詳細流程

（1）用戶點擊進入甲樣列表頁

（2）畫像用戶的消費能力

（3）抽取購買、收藏、喜歡、瀏覽的歷史數據

（4）根據歷史數據，對所有甲樣進行打分，綜合一些產品策略，推薦出首屏的4個甲樣，例如：

（5）如果用戶下單，以被下單的相似甲樣做推薦

（6）如果用戶跳出，可以根據信用評級、消費等級做優惠券召回推薦

四、與業務緊密結合的策略規則

推薦系統並不是一個單純的算法問題，而是一個與產品、工程架構都相關的綜合性問題，不同的業務會有不同的產品策略，這些是在做推薦時需要考慮的，以美甲為例，需要考慮：

（1）排序前2名要推薦最符合用戶消費能力的甲樣（例如“價格小於150”）

（2）被推薦的4個甲樣要覆蓋盡可能多的消費區間（例如“兩個甲樣價格小於150，兩個甲樣價格大於150”）

（3）被推薦的4個甲樣要覆蓋最火的產品、舊產品、新產品（例如“1個爆品，2個舊加油，1個新甲樣”）

（4）垂直相鄰的甲樣，顏色不同（為了視覺體驗）

（5）水平相鄰的甲樣，顏色不同（原因同上）

（6）垂直相鄰的甲樣，款式不同（為了視覺體驗，以及產品覆蓋度、受眾度）

（7）水平相鄰的甲樣，款式不同（原因同上）

（8）…

五、如何利用甲樣畫像與用戶購買、收藏、喜歡、瀏覽的歷史數據對所有甲樣進行打分？

【寶貝畫像】

垂直O2O的相對比較容易做寶貝畫像，寶貝品類比較單一（甲樣），寶貝的品種也比較少（幾千幾萬種甲樣），熟悉業務的人可以對寶貝進行畫像（不需要復雜的機器學習方法），以甲樣為例，可以抽象出：

款式

顏色

風格

場景

圖案

其他

等多個核心屬性

【核心屬性賦值，標簽化】

寶貝畫像完畢之後，對於每一個核心屬性，可以進行賦值，實施標簽化

款式：純色，法式，漸變，彩繪，貼飾

顏色：紅色，粉色，藍色，白色

風格：簡約，甜美，復古，可愛

場景：派對，旅行，約會，晚宴，夜店

圖案：卡通，小碎花，動物，桃心，五角星

【抽取用戶歷史行為】

抽取購買、收藏、喜歡、瀏覽的歷史行為數據，得到一些甲樣ID集合set<bb-id>

【查詢所有歷史行為甲樣ID的畫像屬性，對標簽進行頻率統計】

用戶U歷史行為某買了甲樣1：bb-id1，收藏了甲樣2：bb-id2

從庫中查詢出所有甲樣的詳細屬性

bb-id1：彩繪，紅色，可愛，夜店，桃心

bb-id2：彩繪，粉色，可愛，夜店，桃心

對標簽進行統計

款式：{彩繪：2}

顏色：{紅色：1，粉色：1}

風格：{可愛：2}

場景：{夜店：2}

圖案：{桃心：2}

【根據標簽統計，量化對標簽的喜愛程度】

例如，標簽量化打分公式可以為：score=同類標簽出現頻率

那麽，對於“款式”這個屬性，依據上述統計，各標簽的打分是：

純色=0分，法式=0分，漸變=0分，彩繪=1分，暈染=0分，貼飾=0分（假設只有5種款式）

同理，對於“顏色”這個屬性，依據上述統計，各標簽的打分是：

紅色=0.5分，粉色=0.5分，藍色=0分，白色=0分（假設只有4種顏色）

…

這個打分是一個簡單舉例，實際上的打分公式會復雜很多（例如購買與收藏貢獻的分值不一樣）

【根據上述量化標簽，量化用戶對每個甲樣的喜愛程度】

例如，對於一個甲樣X{純色，紅色，簡約，夜店，卡通}，可以計算出用戶對它的喜愛分值為

socre-X = 0(純色) + 0.5(紅色) + 0(簡約) + 1(夜店) + 0(卡通) = 1.5分

這個打分是一個簡單舉例，實際上打分公式會復雜很多（例如各個屬性的權重是不一樣的）

【對所有甲樣計算分值，排序】

【從高到底進行甲樣推薦】

推薦的過程中註意，4款甲樣要符合第四個大步驟中提到的產品策略（要覆蓋各個價格範圍，相鄰顏色與樣式不同等）

【個性化推薦完成】

好了，暫時先到這裏，上面的思路絕對是能落地的，希望58到家美甲的推薦，對其他剛開始做垂直O2O互聯網產品的同學有幫助。

以上內容均來自微信公眾號“架構師之路”胡劍老師的文章，歡迎關註。

從0開始做垂直O2O個性化推薦-以58到家美甲為例