【推荐引擎】推荐引擎类别
袁怀宾 发表于 2009-09-29 16:43 | 来源： | 阅读 525 views
推荐引擎的分类从消费者的角度出发，按照技术的自动化程度（degree of automation）和持久化程度（degree of persistence）两个标准进行分类。
（1）自动化程度：自动方式意味这推荐的产生不需要客户明显的任何操作，例如：客户与网站进行交互时，恰好出现客户感兴趣的推荐。手工方式意味着客户得到符合自己兴趣的推荐前需要进行一些显式的操作，比如对商品进行评价。
（2）持久性程度：持久性推荐系统产生的推荐是基于客户的单个会话（session）还是基于客户的多个会话，是瞬时还是持久的。瞬时推荐只考虑当前客户的会话，不考虑该客户以前的任何信息。持久推荐通过对当前客户的识别，对历史数据进行挖掘后，根据他的偏好进行建议。
根据以上两个标准，可以将电子商务推荐系统分为以下几个类型：
非个性化推荐
- 推荐基于其他客户的评价,与客户本人无关
- 所有的客户都得到相同的推荐
- 客户每次访问都得到相同的推荐,与客户的浏览历史与购买历史无关
- 常见于实体店, 商品推荐不会根据客户的改变而改变
基于商品属性的推荐
- 推荐是基于商品的属性,例如客户通过搜索某商品的名称返回多个搜索结果
- 需要客户手工输入需要购买商品的属性
- 可以是个性化/非个性化的, 取决于商家是否记录下客户对商品属性的偏好
商品与商品的关联性推荐
- 推荐是基于商品与商品之间的关联性
- 根据客户明确表示感兴趣的商品做出推荐, 例如根据客户购物车中的商品列表做出推荐
- 推荐可以是自动的,如果是基于对客户不变行为的观察
- 推荐可以是手动的, 如果需要客户手工给出一些感兴趣的商品列表,例如需要给出购物车中的商品列表
- 推荐时不需要关心客户本人的购物历史和浏览历史
客户与客户的关联性推荐
- 推荐是基于客户与客户之间的关联性, 又称作协同过滤
- 需要找出与本客户的兴趣最相近的其他客户
- 需要通过学习用户的浏览记录和购买记录做出推荐
