开发者学堂课程【搜索与推荐技术实战训练营：体验营-智能推荐电商行业（二)】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/919/detail/14487
体验营-智能推荐电商行业（二)
三、个性化推荐-商品分发
1、商品分发
将商品组成一个商品流，并且把商品推荐给用户，再把商品推荐给用户的过程中，会触发许多用户行为，又会进一步反馈到商品的一些品质的内容。
2、新商品
商品分发很快的一个途径，在商品分发层面，必须注意的是新商品的分发；如果说这个商品本身已经积累的行为，在开始借着推荐者这个商品积累的行为，再去推荐可能相对来说比较容易，对于一个大数据的产品，肯定要结合用户的行为商品的特征信息来进行计算和分发，如果有行为的话，可能相对来说会是一件比较容易的事情，但是如果这个商品没有任何的行为，对于整个平台说其实是一件非常棘手的事情，比如说新商品。
给一个商品打上标签之后，把这个具备相同类似的一个商品的属性推荐给有过信息表达的用户，再给这些已经有过信息表达的人群推荐之后，会有一个排行榜，在分析之后，如果说这个商品在有过类似兴趣表达的用户中，点击率很高，转化率很高，那会把它识别成一个潜力的商品，流量会得到放大；如果说这个商品，即使已经选中，点击率流量很低，那可能是这个商品本身就存在问题了，那一部分就会有一个相对来说比较低的打压的一个策略，商品经历过新商品，经历过这样的一轮流转之后，相对来说比较潜力的商品，它就会逐渐的热起来。
3、商品时效管理
商品有生命周期，它有发布的实效，商品的本身就是有生命周期的；如果说这个商品被抢购完了，就不能再给一个用户推荐了，要严格的控制时效，是可以通过智能推荐的一些字段，比如说发布时间，根据这两个字段去指定时间，它就可以自动失效，失效之后不会再推荐出来。
4、扶持
商品要去做一些扶持，扶持的概念可能每个平台都不太一样，可能是根据店家的等级去扶持，可能是广告投资者造成的；扶持讲的是基于平台限制，比如说认为这个优质物品来辅助智能推荐去提升推荐分发效率和推荐效果，扶持之后，可能会跟普通商品是有一个划分，在最终推荐的时候，如果用户有过类似的信息表达，商品排序分就会高一些，更容易被推荐出来来提升这个商品的一个曝光度。
5、打散
商品分发上面，因为进行一些运营策略的设置，其实已经发布，基于店家的一个多样性，基于这个类目和类型多样性，一个过程中，实现一个商家策略的评分，这时候可以去通过一些运营策略，结合业务需要进行配置。
总结：为什么要使用智能推荐？
因为它能给带来微型的转化，包括用户活跃度的提升，对于用户体验而言，能给用户带来很多原定制化的一个推荐结果，来提升用户的主流市场，在商品分发的策略上，可以帮助用户去实现，帮助整个平台去实现一个商品的有效分发，来保证商品能够在有效生命周期之内完成它的使命，完成它的售卖使命，同时到如果有一些突发事件要紧急下架商品的时候，也要能够跟智能推荐一个流量分发入口，紧密地去关联起来，去实现主要业务干预的需求。
四、个性化推荐-实战演练
1、产品功能
整体的功能：
在快速搭建的环节；SDK，可以选择使用，也可以选择不使用，现在是场景管理选品管理和模拟测试和数据大盘；
选品管理，是一个场景的概念，它是属于跟他推荐不同的流量入口，用户可以从不同入口访问题，也具备不同的心智，那这些场景的他可以有不同的选品策略，这就是选品管理；
智能学习的一些模板，包括去做一些业务上的调控，实践上的一些品牌效果的观测，服务业为上可以进行监控警告，诊断更新记录查询和工具来便捷的去查找问题，解决问题。
2、产品使用基础流程
在具体的对接过程中，主要分为这几个部分：
（1）要进行数据的一个准备，数据准备主要是三大类，用户数据、商品数据、行为数据，行为数据是这个用户和商品之间发生的一些互动，比如说曝光给自己收藏加购购买评论评价，还有一些反馈的内容；
（2）创建实例时能选择不同的行业类型，配置数据源，完成数据的对接；
（3）接着进行配置，按照需求去配置一些场景策略；
（4）最后进行结果的测试与发布；
在学习路径，需要了解四件事，了解如何选择行业和服务类型，行业指的是所处的业务背景，背景有可能是电商，有可能是新闻，有可能是内容，有可能是各种各样的产品，
怎么去选择行业？因为背景是电商，并且是以转化率为目标，推荐内容商品，那这个时候，就要选择电商行业，但选择服务的时候，目前提供的是有两种服务类型，一种是在一起换、一种是相关推荐，这个要看实现的要素是什么。
购买规则，这个产品它的规则，购买流程有两种，一个是入门形式，一种标准型；入门型的主要是用于就是体量比较小，可以做 poc 验证的，这个是方便数据对接的；标准版的是正式商务版，是可以正式来接入业务的，因为它的规格相来说是比较灵活的，训练周期相对来说也是更新比较快的。
QPS 指的是通常用户去访问推荐的一个接口，它的并发请求数，比如说一秒钟一个用户访问的十个场景的这样的一个推荐，那 QPS 其实是十个。
这个数据主要分为三大类：行为数据、物品数据和用户数据，有具体的行为规范，在使用的过程中，是控制台功能的一个实操演练，主要的步骤就是完成数据源的配置，完成这个数据 POS 的验证、是否实时的上传、或者是否进实时的上传；完成之后，再启动一个实例，启动之后进行体验的测试，引入一部分流量来观察这样的一个业务销售报表。
3、实例练习
打开一个实例；有四部分构成，“基础配置”、“数据管理”、“业务运营”、“业务效果报表”；
（1）基础配置
基本信息
数据源：
Ø 启动数据源：主要就是一些历史的数据，要快速的把他拉齐，可以通过FTP传送，而且数据的地方就自动弹出到数据源
Ø 实时数据源
（2）数据管理：方便用户应用和监管服务质量
数据质量报告：当前时段的推送数据是否正常，是否有一些数据需要修复，检查问题
数据分布统计：现在的实例下的数据构成是怎么样的
数据表查询：查询更新是否及时，公布数据
更新记录查询：增量的查询、
（3）业务运营：进行一些实例的运营规则的创建也可以去实行一些场景的创建。
（4）业务效果报表：整体实例报表，跟业务数据绑定之后可以看到报表数据。
（5）体验测试：在实验之前，建议测试一下用户的反馈结果，出现检验结果之后，可以检验一下是否真正的个性化发生了变化，可以实时地被捕捉到系统里面，实时反馈检验能力较强。
