【大数据部落】混合IBCF协同过滤推荐算法推荐引擎的探索1

业务挑战

随着电商网站用户数量和商品数量的增加，数据成为影响推荐质量的重要因素。作为电子商务中一个热门领域，价值万亿的中国母婴市场随着二孩政策的全面放开已经进入高增速增长时代，母婴消费市场每年可新增超300亿母婴消费，至少带来年均13%左右的新增长空间，巨大的市场必然蕴含着巨大的商机和强大的利润空间。

众所周知，解决信息过载的方式主要有类目导航、搜索、推荐，还有目前大热的聊天机器人（chatbot），但其本质也是基于推荐系统和知识图谱实现的。推荐不同于或者优于搜索的地方在于：搜索需要用户知道自己需要什么，而推荐则可以做到帮助用户发现自己需要什么或者让你需要的信息主动找到你，而且更加个性化，甚至能做到“比你自己更了解你自己”。

传统推荐机制主要有基于人口统计学的推荐机制的工作原理和基于内容推荐机制的基本原理。

基于人口统计学的推荐机制的工作原理

豆瓣的推荐“豆瓣猜”

基于内容推荐机制的基本原理

而母婴类的商品具有种类多、功能相似的特点，用户在购买时会出现“信息迷航”的问题，同时，由于母婴市场激烈的竞争，商品同质化越来越严重，传统的推荐机制能难满足业务需求。

对于本次合作而言，所面临的主要挑战就是如何设计智能推荐引擎从海量商品中准确找到用户所需要的商品。