内容要點
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台化搭建。
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、樓層内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、數位等。
第二層，通過樓層内坑位内容個性化，使得在同一個樓層内，不同使用者看到的商品或店鋪不同，比如同樣都是美食控，喜歡吃辣的使用者可能看見麻辣牛肉幹，喜歡甜口兒的使用者可能看見巧克力。
第三層，通過坑位内容素材個性化，使得同一個樓層的同一個坑位，即便算法預測兩個使用者都需要巧克力，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，将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，進而達到精準迅速的資訊分發、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，應用了基于人群特征的選品技術、對實時行為的迅速響應乃至自動合圖技術等，在給予使用者暢快體驗的同時，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，在斬獲大幅資料增長後，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、店鋪内個性化推薦等，在早期的基礎上，進行技術核心更新的同時也加入了商家賦能的個性化推薦系統，進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台業務政策、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号的預售/造勢期開始，到11月1号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，并成為促成交易額提升的重要手段。除之前的業務以外，還擴充出了入口圖個性化、多樓層入口圖個性化、多樓層店鋪個性化、店鋪内推薦等業務形态。
到近兩年，瀑布流首次加入到衆多商品推薦之中，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，能夠覆寫到不同使用者的多層次需求。
首頁焦點圖以滑動幀的形式展示商品圖檔和宣傳語，以品牌活動為主；主會場入口是導流最集中的區域，滿足使用者最迫切的shopping需求；六宮格曆史悠久，已經培養起了一定的使用者心智；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使用者，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，具有很強商業化目标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，因為領喵币蓋樓玩法帶來了大量使用者流量，通過使用者做任務領喵币/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/參與店鋪投放擷取了對應的層級流量，實作了平台、商家及使用者的三方共赢，是一次重大的創新和突破。
随着之前手淘大改版，資訊流已經成為手淘首頁的使用者個性化推薦主陣地。雲主題，作為資訊流的重要組成部分，是一個服務于使用者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，基于對使用者本身及其每個行為背後隐含的深層次需求，再與場景建立映射，最終通過實時的推理、計算，然後得到目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，很多玩法都是基于大資料，基于業務訴求，包括平台的願景等，如果針對每一個場景都需要定制化開發，對于阿裡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闆塊，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，集團就開始了平台式推薦業務支援的探索，不論是算法開發、還是營運，都能使用适配的平台工具快速搭建場景，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
以阿裡小二們經常使用的平台為例，這個平台提供了很多能力，是一個高效、實時、支援多種投放類型、提供高階算子的開放的個性化推薦平台，可以一站式算法選品、智能搭建、個性化投放。在這個平台上，小二們隻要明确會場的搭建訴求、面向對象和業務名額，即使沒有推薦的算法基礎，對埋點和大資料沒有經驗，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資料賦能，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隻需小時級别的時間，也不需要固定的算法支援開發。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台來搭建上線的，平台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，還是業務目标的多樣性，小二都可以在這個平台上進行選配。每一個場景都有着搭建的目标，有的是轉化，有的是留存，場景化搭建的貫穿也是平台的一大特色。
是以，基于淘系算法、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，希望以标準化服務的形式賦能客戶，通過行業化、場景化，下鑽找到适配行業、效果優異的算法模闆，通過豐富的資料側服務為資料采集、上報減負，配合多樣的營運政策，比對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更新，電商模闆2.0已釋出。
加入社群
點選訂閱
《阿裡雲搜尋與推薦技術交流期刊》掃碼入群，了解更多資訊，擷取課程資料