随着資訊技術和網際網路行業的發展，各種資料以指數級增長，如何處理過載的資訊成為了重要的問題。對于使用者而言，關注的重點是在最短的時間内如何準确地找到自己需要的内容；對于商家而言，更加關注如何在恰當的時間把恰當的物品呈現給使用者，進而促進核心名額的增長。而個性化推薦系統的本質是高效連接配接商品和使用者，恰好可以很好地解決上面這些問題。
一、智能推薦簡介
智能推薦（ Artificial Intelligence Recommendation， 簡稱AIRec）是阿裡雲上售賣的一個大資料産品，它源生于阿裡巴巴在電商行業做個性化推薦的商業背景下。AIRec基于阿裡巴巴領先的大資料和人工智能技術，根據使用者的興趣偏好，來解決使用者需求和内容展示中間的關聯問題，結合阿裡巴巴在電商、内容、新聞、視訊直播和社交等多個行業領域的積累，為全球企業及開發者提供雲推薦服務。
（一）智能推薦價值解讀
現在手機APP中大多數都開拓了智能推薦闆塊，大部分情況下，這種智能推薦是有效果的。比如，淘寶在首頁推薦的過程中，大多數時候能夠抓住使用者興趣點，從資訊流首頁的商品推薦中引流的成交率也非常高。 那麼在這個過程中智能推薦能夠給業務上帶來什麼樣的價值提升呢？
從使用者的層面來說，智能推薦的價值主要是留存抓手：通過個性化關懷、 培養使用者習慣， 增長使用者粘性。首先從使用者擷取這樣的管道來看，一個APP想要去引進一些使用者，可能會在站外投放廣告以及其他活動的手段，把使用者引流到APP或者小程式或者是官網裡來；獲得了使用者之後，我們最大的訴求當然是希望能夠把這些使用者轉化為平台裡忠實的使用者、粘性的使用者，在這個過程中我們可能會引進一些優質的内容、優質的店鋪商家來增加使用者粘性。但是，如何去把握住使用者在APP裡面的活躍度，讓他在APP裡面培養起來一定的習慣呢？智能推薦是可以來解決這個問題的，為什麼呢？ 使用者在使用某個APP的時候，我們想要擷取使用者的粘性，首先要知道使用者來到這個APP中最需要或者說最想要得到的内容是什麼，隻有使用者擷取了所想要的知識也好，或者說價值工具也好，才能夠在整個平台裡面達到長期的粘性。智能推薦就可以實作最快的或者說最有效的資訊分發的效果，能夠保證每一個使用者都能夠在這裡（APP中）找到最感興趣的一些内容。 在幫助使用者找到想要的内容之後，我們也可以在平台裡釋出新的内容，源源不斷地去增加對使用者的了解，增加對使用者留存的抓手。
從整體業務的角度上來看，智能推薦起到幫助打造健康的“人-貨-場”互聯方式的價值。比如說在平台處于起步的狀态，我們搭建了一個APP，這時候我們想要實作某個功能，用（人工）推薦是不難的。但是當我們的業務在發展到一定階段的時候，不管是使用者的量級上，還是說商品、内容的量級上，可能會達到了千級、萬級、百萬級甚至億級，這時候我們很難再通過一些以往的手段，比如說基于人工營運，比如說基于熱品的推薦、折扣等，去把這些想當龐大的商品庫、商品庫展示給使用者。這個階段我們就非常需要找到一個能夠幫助業務朝着健康的方向發展的手段，也就是說需要一套個性化流量分發的手段來幫助實作“人-貨-場”互聯，來帶動業務的增長，促進業務的穩定。
當然，智能推薦在不同的行業裡面也會有不同的價值，上面僅僅是拿阿裡巴巴電商業務來舉例，其背後的價值遠不止于此。
（二）淘寶個性化推薦的演進
最早，淘寶的個性化推薦主要用在了某年的一個雙11會場，比如下圖所示。從中大家可以看到，其個性化主要包括會場個性化、樓層個性化和首圖個性化，其背後是根據使用者畫像的分析得到的三個層次的個性化展示，進而利用個性化推薦達到促進雙十一銷量的價值。
随後，個性化推薦慢慢的融入到整個淘寶APP中進行全面的推廣，如下圖所示，包括首焦點個性化、Banner個性化以及店鋪個性化。
接着，淘寶的個性化推薦進行了廣度和深度的擴充，比如雙十一活動不再局限于當天，開始有了預售+造勢，預熱+正式等，在這個過程中智能推薦也會在不同的業務的次元上去進行不同的個性化場景搭建，比如下圖所示的入口圖個性化、多樓層入口圖個性化等等。
再往後，淘寶的智能推薦也在持續地進行創新和提效更新，比如除了做一些商品推薦之外，還會有一些業務的屬性，比如說對某些品牌或者優質商品的扶持。現在大家可以看到在淘寶裡面還嵌入了一些物流資訊流的推薦，這也是内容電商提高使用者停留時長的一個手段和方法。我們可以發現，智能推薦跟業務的屬性關聯非常強的話，才能夠保證在應用的過程中，能夠随着産品在不同的階段做出相應的業務上的調整，實作業務上的優化。
再往後，淘寶的智能推薦應用地更廣泛，向着多元态發展，比如互動城個性化、智能UI、端智能以及内容互動個性化、雲主題等等，這樣的話不管是使用者層次，還是從不同用戶端看到的内容都可以做到個性化，實作真正的“千人千面”。
（三）自建推薦痛點
以往，大家可能會選擇自建推薦的方法，但是在這個過程中，我們會遇到很多問題和挑戰，包括搭建成本、推薦效果、後續營運以及産品改版方面的問題，具體如下圖所示。下圖這些問題的存在，可能使得自建推薦的方法費時費力，且不一定能達到我們想要的效果。
（四）智能推薦特點
針對上面提到的衆多問題，智能推薦其實是一款相對來說門檻較低，又能解決問題的産品，其主要特點有：
- 埋點便捷：已經與盟友合作打造推薦定制版用戶端SDK，可進行Android端、IOS端行為資料采集，僅需要選配資料源，即可自動同步行為資料。
- 開箱即用：将複雜的推薦算法模型，離線、線上存儲與排程周期政策，營運幹預政策封裝，僅需完成資料對接，即可享用高品質的個性化推薦服務。
- 服務托管：提供豐富的資料品質診斷功能，線上服務監控告警，靈活升降配等服務，保障線上服務與推薦效果的穩定性。
二、智能推薦重點服務與功能
目前來說，智能推薦主要支援了下圖中的電商型場景、新聞型場景、内容型場景和視訊型場景4大場景，具體到每個場景中個性化的地方也有所不同，每個場景中關注的名額也不盡相同，具體如下圖中所示。關于更多的智能推薦場景應用的詳情，大家可以到阿裡雲官網(
https://www.aliyun.com/product/bigdata/airec)詳細了解,還可以參加阿裡雲舉行的智能推薦公開課。
智能推薦經曆了一年多的發展才進行商業化，并且在商業化之後也持續地進行算法模闆的疊代，通過淘寶以及其他業務線算法上的更新和業務上的政策更新，把相應的能力延伸到整個智能推薦産品中，其主要疊代過程如下圖所示。通過不斷的疊代更新，智能推薦和業務的聯系越來越密切，為業務的發展注入了新的動力。
以下是智能推薦AIRec的重點服務和重點功能簡介。
（一）重點服務：猜你喜歡+相關推薦
AIRec的重點服務目前對外提供兩種個性化推薦的服務，一個是猜你喜歡，另外一個是相關推薦。下面兩個圖分别是智能推薦在電商行業和新聞行業提供的猜你喜歡和相關推薦兩個重點服務。在電商行業場景中，猜你喜歡主要應用于首頁以及商品TAB頁的商品瀑布流推薦，相關推薦主要應用于商品展示頁、詳情頁的推薦。下圖所示的種草社群可以基于AIRec内容行業搭建。
在如下圖所示的新聞行業中，上面兩種重點服務與電商行業的服務還是有所不同的。猜你喜歡主要應用于首頁以及頻道TAB頁的新聞瀑布流推薦，相關推薦主要應用于新聞展示頁、閱讀完畢後的推薦。其中，新聞的底層形式不限，文章、物品、視訊均可作為推薦内容。
（二）重點功能：實時互動推薦
在使用者使用我們提供的服務過程中，我們都希望使用者能夠長時間停留，而不是逛逛即走。這個過程其實是一個不斷學習和關懷使用者的過程，比如說某個使用者對軍事的内容比較感興趣，發生了一些點選的行為，那麼在後續的推薦結果中，AIRec就會進行一定的回報和變化；假說使用者一開始對軍事很感興趣，後面又對娛樂的新聞也比較感興趣，那麼娛樂的新聞也會在後續的推薦結果裡逐漸地呈現給使用者，整個推薦過程是一個實時回報和互動的過程。實時互動是促進使用者沉浸式浏覽的必備基礎功能，AIRec可以實時學習終端使用者目前興趣的表達和變化，并更新在下一次生成的推薦結果中，進而實作實時的互動式推薦功能。
（三）重點功能介紹：負回報功能
很多應用和平台都提供了負回報的相關入口，可以讓使用者對被推薦的内容做一些互動和回報，比如對某一篇推薦的内容不感興趣，不喜歡作者，又比如圖檔使人感到不适等等，這樣的内容負回報對于推薦系統來說是一個提升終端使用者個性化體驗的入口，可以增加對目前使用者的關懷度。
具體來說，就是如果使用者點選了不喜歡、不感興趣等标簽，AIRec會在後續的推薦結果裡屏蔽相似的推薦，并且進行層層關聯與更新，打造内容分發的健康與持續，也可以根據負回報的入口實作選品的更新、資質稽核的更新，為大家提供推薦和業務上的抓手。
（四）重點功能介紹：新-新聞冷啟動個性化
在新聞行業，包括電商的行業、内容的行業，都會源源不斷的産生新的内容，尤其是在新聞這個場景下，它會對我們的新内容的時間分發效率要求比較高，也就是要做到新新聞的冷啟動，這個是每個新聞平台最突出的推薦難題。而AIRec可以根據站内使用者行為分析、興趣分析，結合新新聞特征屬性，小流量個性化探測新聞潛力，進而逐漸扶持或打壓新聞的推薦流量，比如下圖所示的例子。
（五）重點功能介紹：新聞便捷上下架
在智能推薦的實際應用過程中，其實也會面臨到一些應用上的問題，比如說我們要進行一個新聞的實時上下架，包括其狀态的修改，像電商中可能因為庫存的原因，某些商品不再可以售賣，在推薦的頁面上就不希望把這樣子的商品再展示出來，否則就會産生推薦資源的浪費。針對這個問題，AIRec内部已封裝新聞實時下架的解決方案，随着平台合作豐富、媒體引入等，新聞數量增長，AIRec同時封裝了上架新聞時級推薦生效的解決方案。
（六）重點功能介紹：新聞權重個性化
在搭建推薦場景的過程中，我們可能想要扶持某一個平台，扶持某一個作者，或者說扶持某一個商家店鋪，優質的商品等。在扶持的過程中，我們可能是基于人工判斷，這樣子的輸入有可能是準确的，也有可能不夠準确，那麼推薦結果就不一定會很理想。如果我們通過一個新聞的權重，在某些後續的推薦結果裡優先展示給那些有過興趣表達的人群，既實作了扶持，也避免了因為強行推廣而造成的流量浪費，這也是AIRec中實作的一個相對來說在行業中比較主流的解決方案。
（七）重點功能介紹：多樣性政策配置
對于某些使用者來講，可能他的興趣相對來說比較窄，如果長期都是推薦相同的某些内容的話，會使使用者失去新鮮感。為了激發使用者閱讀興趣發散、增長浏覽時長，保障推薦結果多樣性是常用功能。客戶可以基于AIRec提供的場景化營運政策，基于作者、類目、頻道等多樣性政策配置，比如下面兩圖，進行新聞展現形式的多樣性政策配置，既提升了使用者體驗，又提升了業務效果。
三、AIRec産品使用基礎流程
AIRec的基礎使用流程非常簡單，主要包括資料準備、建立執行個體、政策配置以及測試、釋出四個大步驟，具體如下：
（1）資料準備
作為一款大資料産品，其效果能夠做到多好，或者說天花闆是什麼，取決于我們的輸入資料源，輸入資料品質越高，我們的結果就會越好。AIRec的輸入資料主要包括使用者資料、物料資料和行為資料。使用者資料指的是使用者的相關資訊；物料資料指的是要給使用者推薦的内容資料，比如資訊、圖檔、商品等；行為資料指的是使用者和物料在發生某些互動的過程中，對使用者的興趣探測資料，比如點選、點贊、轉發等。
（2）建立執行個體
在完成了資料準備之後，我們就可以進行執行個體的建立，建立過程中需要勾選行業類型，配置資料源，并且進行一個資料的對接和上報。
（3）政策配置
執行個體建立完成之後，我們就可以搭建推薦場景，并且進行一定的政策配置，使得推薦政策更加适合我們要應用的場景。
（4）測試、釋出
完成了政策配置之後，我們可以把搭建好的場景釋出，進行一個線上的測試來觀察流量，在逐漸擴大通路推薦流量的過程中去改進和更新。
AIRec是一個新手友好型的産品，在資料準備完畢後，實作上述的基礎服務搭建隻需要2個工程師花費3-5天的時間即可，歡迎大家進行嘗試。上文講到的主要是推薦産品的一個重點服務和重點功能，更多的詳情大家可以到官網了解，也可以加入下面的社群，進行交流和讨論。
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