3. 活动会场的个性化方案
电子商务中的一大特定就是营销活动频繁，基本是每月都有，当然重头戏就是每年的“双11”购物节。“双11”中最能体现个性化推荐能力的莫过于淘宝／天猫的双11”主会场。2015年，基于三层推荐系统的架构，创造性地提出了“双11”主会场个性化方案（即“天坑一号”）项目，极大地降低了会场流失率，促进了成交转化。
“天坑一号”包括三个层次（见图3），即楼层顺序个性化、楼层内坑位个性化和坑位入口图素材个性化，自顶向下，在用户体验上形成一套完整的方案。其中楼层顺序个性化使得女神看到的楼层顺序可能是女装、美妆、天猫国际等；欧巴看到的楼层顺序可能是男装、旅行、数码等。楼层内坑位内容个性化，使得在同一个楼层内，不同用户看到的商品或店铺是不同的，比如同样都是美食控，喜欢辣味的用户可能看见麻辣牛肉干，喜欢甜味的用户则是巧克力。坑位内容素材个性化，使得同一个楼层、同一个坑位，即便算法预测两个用户都需要巧克力，但一个喜欢费列罗、一个喜欢德芙，也会在入口图上展示不同的品牌。这三级个性化中涉及到多策略推荐算法、排序学习、合图技术等多团队协作，时间紧任务重，是多团队辛勤工作、紧密协作的心血结晶。
在2016年“双11”中，面对更为复杂的个性化需求，全面升级后的个性化推荐在2016“双11主”会场得到了完美的展现。如图4所示，2016年的“双十一”主会场与2015年的“天坑一号”主会场极其相似。其中，在主会场中使用的最具代表性的技术包括将GBDT+FTRL、Wide & Deep Learning用于在线模型训练，以及实时预测上。GBDT+FTRL的思路是通过GBDT模型对原始特征进行抽取，获得了线性相关性更强的组合特征，并配合FTRL模型在线学习这些特征的权重，生成了快速更新的在线模型。而Wide & Deep Learning则是将当下最火热的深度学习技术融入到传统的个性化推荐算法中，使得个性化排序模型同时捕捉用户中长期，以及实时的偏好特征，准确地向用户推荐他们喜好的内容。个性化推荐能够更好地适应业务的多样性。经过2016年“双11”的洗礼，我们相信这些新技术为个性化推荐的未来持续发展打下了坚实的基础。
个性化推荐是一门实践性极强的学科，在移动互联网电子商务中的应用处于起步阶段，还有非常多有价值的问题有待深入，如推荐的惊喜性如何量化、交互式产品与算法的协同设计、长中短期业务指标的平衡等，以及与经济学博弈相机结合，满足用户需求的同时对卖家的效用也能最大化等问题，充满了挑战和希望。我们以上述若干实例，向读者抛砖引玉，鼓励大家打开思路，踊跃投身到推荐新时代的学习、研究、应用中去。
