注：在電商領(lǐng)域，推薦的價值在于挖掘用戶潛在購買需求，縮短用戶到商品的距離，提升用戶的購物體驗。
京東推薦的演進史是絢麗多彩的。京東的推薦起步于 2012 年，當時的推薦產(chǎn)品甚至是基于規(guī)則匹配做的。整個推薦產(chǎn)品線組合就像一個個松散的原始部落一樣，部落與部落之前沒有任何工程、算法的交集。 2013 年，國內(nèi)大數(shù)據(jù)時代到來，一方面如果做的事情與大數(shù)據(jù)不沾邊，都顯得自己水平不夠，另外一方面京東業(yè)務在這一年開始飛速發(fā)展，所以傳統(tǒng)的方式已經(jīng)跟不上業(yè)務的發(fā)展了，為此推薦團隊專門設計了新的推薦系統(tǒng)。
隨著業(yè)務的快速發(fā)展以及移動互聯(lián)網(wǎng)的到來，多屏（京東App、京東PC商城、M站、微信手Q等）互通，推薦類型從傳統(tǒng)的商品推薦，逐步擴展到其他類型的推薦，如活動、分類、優(yōu)惠券、樓層、入口圖、文章、清單、好貨等。個性化推薦業(yè)務需求比較強烈，基于大數(shù)據(jù)和個性化推薦算法，實現(xiàn)向不同用戶展示不同內(nèi)容的效果。
為此，團隊于 2015 年底再次升級推薦系統(tǒng)。 2016 年 618 期間，個性化推薦大放異彩，特別是團隊開創(chuàng)的“智能賣場”，實現(xiàn)了活動會場的個性化分發(fā)，不僅帶來GMV的明顯提升，也大幅降低了人工成本，大大提高了流量效率和用戶體驗，從而達到商家和用戶雙贏，此產(chǎn)品獲得了 2016 年度的集團優(yōu)秀產(chǎn)品。為了更好地支撐多種個性化場景推薦業(yè)務，推薦系統(tǒng)一直在迭代優(yōu)化升級，未來將朝著“滿屏皆智能推薦”的方向發(fā)展。
推薦產(chǎn)品
用戶從產(chǎn)生購買意向，到經(jīng)歷購買決策，直至最后下單的整個過程，在任何一個購物鏈路上的節(jié)點，推薦產(chǎn)品都能在一定程度上幫助用戶決策。
推薦產(chǎn)品發(fā)展過程
推薦產(chǎn)品發(fā)展歷程主要經(jīng)歷了幾個階段（圖1），由簡單的關(guān)聯(lián)推薦過程到個性化推薦，逐步過渡到場景智能推薦。從相關(guān)、相似的產(chǎn)品推薦過渡到多特征、多維度、用戶實時行為、結(jié)合用戶場景進行的全方位智能推薦。
圖1 推薦產(chǎn)品發(fā)展歷程
多屏多類型產(chǎn)品形態(tài)
多類型主要指推薦類型覆蓋到多種類型，如商品、活動、分類、優(yōu)惠券、樓層、入口圖、文章、清單、好貨等。在移動互聯(lián)時代，多屏場景非常普遍，整合用戶在多屏的信息，能使個性化推薦更精準。多屏整合的背后技術(shù)是通過前端埋點，用戶行為觸發(fā)埋點事件，通過點擊流系統(tǒng)進行多屏的行為信息收集。這些行為數(shù)據(jù)通過實時流計算平臺來計算用戶的興趣偏好，從而根據(jù)用戶興趣偏好對推薦結(jié)果進行重排序，達到個性化推薦的效果。京東多屏終端如圖 2 所示。
圖2 京東多屏終端
推薦系統(tǒng)架構(gòu)
整體業(yè)務架構(gòu)
推薦系統(tǒng)的目標是通過全方位的精準數(shù)據(jù)刻畫用戶的購買意圖，推薦用戶有購買意愿的商品，給用戶最好的體驗，提升下單轉(zhuǎn)化率，增強用戶黏性。推薦系統(tǒng)的業(yè)務架構(gòu)如圖 3 所示。
圖3 推薦系統(tǒng)的業(yè)務架構(gòu)
系統(tǒng)架構(gòu)。對外提供統(tǒng)一的HTTP推薦服務，服務京東所有終端的推薦業(yè)務。
模型服務。為了提高個性化的效果而開發(fā)的一系列公共的個性化服務，用戶維度有用戶行為服務和用戶畫像服務，商品維度有商品畫像，地域維度有小區(qū)畫像，特征維度有特征服務。通過這些基礎服務，讓個性化推薦更簡單、更精準。
機器學習。算法模型訓練階段，嘗試多種機器學習模型，結(jié)合離線測評和在線A/B，驗證不同場景下的算法模型的效果，提高推薦的轉(zhuǎn)化率。
數(shù)據(jù)平臺。數(shù)據(jù)是推薦的源泉，包括數(shù)據(jù)收集和數(shù)據(jù)計算。數(shù)據(jù)雖然是整體推薦架構(gòu)的最底層，卻是非常重要的，因為數(shù)據(jù)直接關(guān)系到推薦的健康發(fā)展和效果提升。