用户搜索规则框架
2021-10-25 17:29:05 0 举报AI智能生成
用户搜索规则框架
作者其他创作
大纲/内容
用户
用户有明确的用户目标
通过用户自身的标签+搜索的关键词，匹配对应的内容，
系统筛选出最佳符合，推荐给用户
系统筛选出最佳符合，推荐给用户
用户满漫无目标
系统推荐
系统将热门、同类用户、同地区中购买最多
系统默认的内容推荐给用户查看
系统默认的内容推荐给用户查看
根据用户的操作，系统修正数据
计算后重新推荐
计算后重新推荐
引导用户下一步
让用户自主操作，以获得更加精准的条件
数据源
用户属性
用户的基本信息：含年龄、性别、地区、收入
职业、价格层级、消费敏感度、购买力度等
职业、价格层级、消费敏感度、购买力度等
商品属性
商品外观、重量、大小、价格；内容对应的人群、
专业度：服务时长、范围等
专业度：服务时长、范围等
市场属性
关联度
客观原因
引导因素
推荐
精准推荐
基于用户
用户画像建模
优势
1.商品/内容属性相对固定，只需要验证用户的标签即可。
2.针对新用户推荐会相对更友好，用户在开始时的选择，可以较为轻松的匹配
3.多种条件匹配，用户自助操作，可以给系统提供更多的数据，用于精准推荐
劣势
1.新用户选择会较为粗糙，或未选择对应的领域，系统难以进行匹配
2.用户选择较多，系统给用户打的标签越多
数据计算越复杂，推荐度反而会下降
数据计算越复杂，推荐度反而会下降
3.当数据源选择不足时，系统的计算结果低
基于内容
内容源数据建模
基于算法
协同过滤
根据商品/内容对用户的数据发现其相关性
优势
能够根据相关性，基于用户的属性进行匹配，可以
推荐精准的相似内容，推荐度更高，更准
推荐精准的相似内容，推荐度更高，更准
劣势
1.需要大量的数据，包含用户数据、商品数据、行为数据
2.前期需要花费大量的人工标注，人工只能需先人工，后智能
3.不相关的内容匹配，需要新训练，需要重新数据建模
4.关于人性的定义难以捉摸，用户反馈和用户实际需求匹配度不一致
混合推荐
推荐机制
区分混合
使用不同的推荐方式，将结果分别推荐给
相同用户
不同用户
0 条评论
下一页
