內容要點
本文從電商行業經典個性化場景、會場搭建實戰分析來分享個性化推薦在電商的經典應用和平臺化搭建。
電商行業經典個性化場景
在早期，個性化推薦技術，首次應用到淘寶雙十一主會場，形成了一個從樓層順序排列個性化、樓層內坑位個性化再到坑位素材個性化的三層結構，為每位消費者打造了一個專屬的類目會場。
第一層，通過樓層順序個性化，女神看到的樓層順序可能是女裝、美妝、天貓國際等，男神看到的樓層順序可能是男裝、旅行、數碼等。
第二層，通過樓層內坑位內容個性化，使得在同一個樓層內，不同用戶看到的商品或店鋪不同，比如同樣都是美食控，喜歡吃辣的用戶可能看見麻辣牛肉乾，喜歡甜口兒的用戶可能看見巧克力。
第三層，通過坑位內容素材個性化，使得同一個樓層的同一個坑位，即便算法預測兩個用戶都需要巧克力，但一個喜歡費列羅，而另一個喜歡德芙，也會在入口圖上展示不同的品牌。
通過這三層的個性化層層遞進，將海量的商品按照消費者從面到線再到點這樣一個深入的過程進行喜好挖掘，從而達到精準迅速的信息分發、觸達。
早期的雙十一類目會場包括了51個天貓會場和18個淘寶會場，在底層技術層面，應用了基於人群特徵的選品技術、對實時行為的迅速響應乃至自動合圖技術等，在給予用戶暢快體驗的同時，極大提升了uv的引流效率，對比非個性化相對提升了2.56倍。
可以說，那個階段是個性化推薦的探索元年，在斬獲大幅數據增長後，個性化推薦的場景開始在淘寶逐漸鋪開。之後，主要打造的個性化場景有首焦推薦、banner推薦、店鋪內個性化推薦等，在早期的基礎上，進行技術內核升級的同時也加入了商家賦能的個性化推薦系統，從而能夠結合會場流量的增長、每個場景的差異點。比如說推薦各場景大小不一、定位差異大，有導購類場景、有成交類場景等，需要根據場景本身的特性來進行流量智能調控。與之前相比，之後的雙十一個性化場景也融入了更多平臺業務策略、流量調控邏輯的因素。
再之後，個性化的場景不論在廣度上還是深度上都有了更多的延伸、拓展。例如近年的雙十一，從10月20號的預售/造勢期開始，到11月1號預熱期開始再到雙十一當天，個性化的推薦場景都由始至終貫穿，併成為促成交易額提升的重要手段。除之前的業務以外，還擴展出了入口圖個性化、多樓層入口圖個性化、多樓層店鋪個性化、店鋪內推薦等業務形態。
到近兩年，瀑布流首次加入到眾多商品推薦之中，較之前雙十一手淘首頁個性化推薦區塊，在延續往年大促傳統的基礎上又有了新意，每個區塊各有側重，能夠覆蓋到不同用戶的多層次需求。
首頁焦點圖以滑動幀的形式展示商品圖片和宣傳語，以品牌活動為主；主會場入口是導流最集中的區域，滿足用戶最迫切的shopping需求；六宮格歷史悠久，已經培養起了一定的用戶心智；氛圍會場入口為各行業會場分發流量，也是最需要使用流量調控手段的區域；瀑布流會場入口主要面向手淘深度用戶，從一定程度上迎合長尾需求和發現性需求。
到去年，淘寶雙十一推出了互動城個性化和雲主題，互動城和品牌牆首次合二為一，具有很強商業化目標的互動城首次嘗試了個性化。互動城作為之前雙十一重點項目，因為領喵幣蓋樓玩法帶來了大量用戶流量，通過用戶做任務領喵幣/兌換紅包等互動方式，成功引領了網絡潮流，創造了流量新陣地。商家通過分層級付費/參與店鋪投放獲取了對應的層級流量，實現了平臺、商家及用戶的三方共贏，是一次重大的創新和突破。
隨著之前手淘大改版，信息流已經成為手淘首頁的用戶個性化推薦主陣地。雲主題，作為信息流的重要組成部分，是一個服務於用戶多元化需求的輕量導購體系。雲主題推薦是結合了電商認知圖譜，基於對用戶本身及其每個行為背後隱含的深層次需求，再與場景建立映射，最終通過實時的推理、計算，然後得到當前推薦的商品和場景組合。
這些年與推薦、個性化相關的雙十一，很多玩法都是基於大數據，基於業務訴求，包括平臺的願景等，如果針對每一個場景都需要定製化開發，對於阿里來說無疑是一個不可收斂的人力投入。從早期推薦展露頭腳，到如今端智能應用到推薦板塊，除了淘寶、天貓，鹹魚、1688等也已具備了非常豐富的推薦應用場景。面臨整個集團推薦場景的廣泛鋪開，從很早開始，集團就開始了平臺式推薦業務支持的探索，不論是算法開發、還是運營，都能使用適配的平臺工具快速搭建場景，進行推薦實驗與實時的效果觀察、流量調控等。
會場搭建實戰分析
以阿里小二們經常使用的平臺為例，這個平臺提供了很多能力，是一個高效、實時、支持多種投放類型、提供高階算子的開放的個性化推薦平臺，可以一站式算法選品、智能搭建、個性化投放。在這個平臺上，小二們只要明確會場的搭建訴求、面向對象和業務指標，即使沒有推薦的算法基礎，對埋點和大數據沒有經驗，也可以很快搭建出個性化的推薦場景，從選品到投放的每一步都有數據賦能，具備業務經驗加成引導。
除一些非常核心的需要算法實時跟進，通常，小二們從搭建場景到部署到上線只需小時級別的時間，也不需要固定的算法支持開發。目前來說，推薦的場景非常多，淘系的大部分個性化場景都是通過平臺來搭建上線的，平臺化已是一種必須的業務支撐方向。
如上圖，這是兩種截然不同的場景，但是不論從業務類型的多樣性，還是業務目標的多樣性，小二都可以在這個平臺上進行選配。每一個場景都有著搭建的目標，有的是轉化，有的是留存，場景化搭建的貫穿也是平臺的一大特色。
因此，基於淘系算法、業務經驗的沉澱，我們打造了一款推薦的Saas化服務——智能推薦AIRec，希望以標準化服務的形式賦能客戶，通過行業化、場景化，下鑽找到適配行業、效果優異的算法模板，通過豐富的數據側服務為數據採集、上報減負，配合多樣的運營策略，匹配上層的特色業務訴求。目前，智能推薦已進行了電商行業算法模型的升級，電商模板2.0已發佈。
加入社群
點擊訂閱《阿里雲搜索與推薦技術交流期刊》
掃碼入群，瞭解更多資訊，獲取課程資料
