什麼是智能推薦
從阿裡雲官網文檔的介紹：阿裡雲智能推薦（Artificial Intelligence Recommendation，簡稱AIRec）基于阿裡巴巴領先的大資料和人工智能技術，結合在電商、内容、新聞資訊、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個性化推薦服務。
服務類型
猜你喜歡
主要應用于終端使用者目前浏覽意向不明确時，我們将根據終端使用者的長期、短期行為表現出的興趣進行學習與訓練，基于已表現興趣學習下的同時，綜合内容推薦的多樣性，達到終端使用者興趣探索與多樣展現的效果。常見使用位置：首頁，品類頁。
相關推薦
主要用于當終端使用者的興趣已基本确定時，我們将根據确定的興趣集中點（某1/N個商品、某1/N篇文章）并根據終端使用者海量行為計算與分析找到動态關聯的推薦内容進行推薦，根據推薦内容之間的屬性與特征相關度找到靜态關聯内容進行推薦。常見使用位置：詳情頁
2.智能推薦模闆
智能推薦AIRec的推薦方案是根據行業模闆來劃分的，目前分為商品、内容、新聞資訊3個行業模闆，後面會根據客戶需求情況增加新的行業模闆。
電商行業
主要指電商相關行業，需要向使用者推薦的物品帶有商品屬性（物流資訊，售賣資訊等），可以引導直接交易，對點選購買率有一定要求。常見的應用如淘寶、天貓、鹹魚等。
資料描述
如果您目前業務形态屬于電商行業，啟用智能推薦服務需要準備3張資料表
物品表（item）：
此處即指商品。最近推薦場景内全部可以被推薦商品的全量表。由于item數量受配額限制，建議您上傳前做去重處理。tem_id與item_type二者同時唯一确定一條item。
使用者表（user）：
最近系統的全部注冊使用者表。由于user數量受配額限制，建議您上傳前做去重處理。根據您内部的使用者标記方法，可以選擇方案一均通過imei唯一确認一名使用者，方案二通過user_id和imei組合确認一名使用者（如登入使用者使用user_id唯一标記，未登入使用者使用imei唯一标記）。請務必确認使用者的唯一性并在請求推薦結果時指定使用者的唯一辨別資訊，否則将無法進行千人千面的推薦。
行為表（behavior）：
最近一段時間場景的行為資料。我們建議您提供1-2周的資料。如果是全新闆塊，沒有曆史資料；或者因為技術原因無法提供行為資料，建議使用我們提供的測試資料，但是在開始一段時間（大約兩周）内，模型的效果會不太理想，但随着資料的積累，會逐漸上升并最終穩定。
對于這三張表的選填字段，我們建議您盡量上傳。在保證選填字段有效性的條件下，這些選填字段越多越準确，模型的效果越好。未填寫部分系統内部将渲染成預設值。
内容行業
主要指内容分享平台行業，推薦的内容帶有分享屬性（點贊，轉發等），可以是較短文本、文章、圖檔等，或者上述内容類型的混合。常見的應用如淘寶頭條、種草社群等。
對于内容型行業的場景，需要準備3張資料表。
内容表（item）：
最近場景内全部可以被推薦的内容的全量表。由于item數量受quota限制，建議您上傳前做去重處理。item_id與item_type二者同時唯一确定一條item。
最近系統的全部注冊使用者表。由于user數量受quota限制，建議您上傳前做去重處理。根據您内部的使用者标記方法，可以選擇方案一均通過imei唯一确認一名使用者，方案二通過user_id和imei組合确認一名使用者（如登入使用者使用user_id唯一标記，未登入使用者使用imei唯一标記）。請務必确認使用者的唯一性并在請求推薦結果時指定使用者的唯一辨別資訊，否則将無法進行千人千面的推薦。
3.行為表（behavior）：
最近一段時間場景的行為資料。我們建議您提供1-2周的資料。如果是全新場景，沒有曆史資料；或者因為技術原因無法提供行為資料，可以使用我們提供的測試資料，但是在開始一段時間（大約2周）内，模型的效果可能會不太理想，但随着資料的積累，會逐漸上升并最終穩定。
新聞行業
主要指新聞相關行業，需要向使用者推薦的物品帶有新聞屬性（作者，釋出地域，時間等），是傳播資訊的一種文體，對實效性要求較高。常見的應用如UC頭條等
對于新聞型行業的場景，需要準備3張資料表。
最近場景内全部可以被推薦的新聞的全量表。由于item數量受quota限制，建議您上傳前做去重處理。item_id與item_type二者同時唯一确定一條item。
智能推薦接入流程
準備工作
歡迎使用智能推薦，這裡主要為您介紹如何快速熟悉産品，了解使用流程，快速找到幫助資訊，以及如何讓系統為您更好的服務。
該部分主要介紹搭建一個智能推薦服務所必須的一些準備工作，并對控制台的主要功能項進行初步了解。準備工作完成後，您需要標明适合自己的行業和場景模闆，結合您目前的資料情況選擇比對的資料上報方式，在保證資料品質的前提下，進行推薦的測試與線上服務部署。
一、根據資料規範準備資料
不同行業的資料規範存在差異，請按照您所屬的行業進行文檔閱讀與資料準備。
I 内容行業：按照内容型資料規範。
II 電商行業：按照電商型資料規範。
III 新聞行業：按照新聞型資料規範。如果想要先測試功能或接口，則可通過上傳如下的測試資料。
二、核對行為埋點邏輯是否符合規範
智能推薦需要至少具備曝光、點選行為資料，并且曝光資料要大于點選資料。
三、确認合适的資料上傳方案
注意:此處的資料上傳流程包括2步，分别是啟動資料與實時資料推送。
智能推薦系統目前可支援2種資料對接方式，您可按照您目前的資料形态選擇最适合的對接方式。2種方式均需要您确認當資料發生變動時能夠實時同步到智能推薦中。
快速啟動執行個體
1、全服務端SDK上傳資料
如何通過全服務端SDK快速啟動執行個體方案概述：您需要全部通過服務端SDK的方式上報user、item以及behavior資料。
2、友盟上傳行為資料+服務端上傳item及user資料
如何通過友盟+服務端SDK快速啟動執行個體方案概述：user、item資料通過服務端SDK上報，behavior資料通過使用推薦定制的用戶端SDK（即友盟SDK工具）首先進行埋點，埋點完成後，在控制台選配後将自動同步。
II 通過曆史資料啟動執行個體
如何通過曆史資料啟動執行個體方案概述：您需要首先将user、item以及1-2周的behavior資料傳到阿裡雲MaxCompute服務中（推薦使用Dataworks），資料導入成功後生效服務，并通過服務端SDK上報的方式同步user、item資訊變更，上報實時産生的behavior資料。