各大电商网站在提供了广而全的商品后，又迎来了新的问题“个性化”需求。京东在2015年3月27日，发布新首页的同时还推出了依靠大数据技术的实现的千人千面的个性化内容推荐——今日推荐、猜你喜欢。

今日推荐、猜你喜欢

使用户在前台看到的推荐内容通过多种模型进行排序得出的结果，京东推荐搜索部总监刘尚堃也将背后的过程还原给大家。目前推荐搜索部有将近70人，包含了研发、算法、运营、测试等部门，其中算法工程师有20人。

了解京东的搜索推荐，首先要普及一个名词“召回”，也就是推荐候选结果排序，召回首先会从海量的商品中选取用户感兴趣的候选集合之后进行排序。

选取集合上有众多的召回模型，其中主要有三大模型：基于行为、基于用户偏好、基于地域，具体实现还有更多子模型。

基于行为：根据用户购买记录推荐其购买过商品的周边产品进行搭配。

基于用户偏好：从商品品类（品牌、产品）、性别、人群、购买力、地域等信息形成商品画像，从而推导出用户画像。其中包括在多屏情况下捕捉不同环境用户使用PC端、移动App、微信手Q购物习惯。

基于地域：把地区划分成网格，从数据总结出该地域用户感兴趣的商品。

具体模型使用京东将所有模型效率进行分析，在线相关，在线相似，离线相关，离线相似，近期比较热销的品牌和品类等都会进入到模型中进行计较，得出模型展示转化率，即订单量/展示量。

刘尚堃还提到推荐搜索部最近的新尝试，增加最近点击和最近关注的商品模型，将最近浏览过的商品推荐到首页，转化率提升了100%。之后又进行改进，增加最近加入购物车的商品模型，将放入购物车未购买的商品推荐给用户，转化率又提升了5-10%。

在模型融合的基础上，京东还进行排序学习，从用户的交互日志中通过模型训练特征权重，继而转化率又有20%的提升。

而推荐架构支持高速算法的高速迭代，平均每周有7个新算法实验上线。未来在技术层面做进一步优化，丰富排序特征，同时将DNN技术应用于排序，替代目前的L2R算法，预计提升5%转化率。

架构支撑算法高速迭代

转化率提升和继续学习构建是京东个性化推荐的难点，未来在量方面上还会进行不同程度的优化。并且目前也在考虑同合作伙伴合作使用关系数据，更好进行个性化推荐。