1 个回答
同意前面两位的看法，电商推荐最好用的是协同过滤，这要从技术和产品两个角度来说。
1、技术方面，由于商品属性的多样性和复杂性，以及用户在选择商品时的主观性，很难有一种标签体系或者相关推荐算法能够准确关联成功所有属性。
** 举个简单的例子，用协同过滤可以算出买锅的人也会买空气净化器，而用各种“商品标签+用户标签”都是比较难将锅和空气净化器关联起来的。也许你会说，他们都是居家类用户的选择，可以关联，那么我们来更进一步：
锅和空气净化器都是有档次之分的：买100块钱锅的人，可能倾向于买700块钱空气净化器；买1000块钱锅的人，可能倾向于买5000块钱空气净化器；买颜值高的锅的人，可能倾向于买外观时尚的空气净化器；买使用寿命长的锅的人，可能倾向于买滤网更换周期长的空气净化器……这些复杂的因素用相关推荐都是很难计算出来的，但是当数据量足够大的时候，用协同过滤算法都可以得到很好的答案。
至于协同过滤算法究竟是怎样的，大家查查资料和文献都能理解。
2、产品方面，用户需要你给出充分的推荐理由，来接受你的推荐。我们做过很多ABtest，同样的推荐结果，采用不同的推荐理由，CTR会有显著差异。
** 推荐理由往往是年度热门、分类top10、你的好友XX也喜欢、1万个人收藏、好评度90%等等这些。如前所述，商品的复杂度决定了不是所有用户都相信热门（比如高端用户不喜欢爆款），好友关系也很难保证品位一致。
而协同过滤的推荐理由，在电商里是足够让用户接受的。“看过该商品的人也看了”“买过该商品的人还买了”，这些推荐理由是由相同消费层次和审美品位的用户数据计算得出的，对用户购买决策的影响更大。