一.非正針對性推薦
- 從商品庫中隨機商品推薦
- 熱銷商品
- 新上架商品
二.針對性推薦
1. 剛註冊的使用者 無購物記錄使用者
- 同上三個推薦
- 根據註冊填寫的年齡/性別/手機號所在地區推薦（如果有這些資訊）
- 根據瀏覽記錄 購物車記錄 推薦
2 有購物記錄 2 有購物記錄
2.1 -商品關聯推薦
即購買商品E 推薦關聯商品F H等
購買過香菸（S1） 推薦檳榔(S1-1-S1) 口香糖(S1-2) 打火機(S1-3)等
—>單向推薦 就是購買口香糖 不反過來推薦香菸,可以推薦口氣清新劑
<—>雙向推薦 購買檳榔 反過來也推薦香菸（兩者關聯度高）
//註釋： 吸菸有害健康
購買過 登山鞋（SS2-2） 推薦 衝鋒衣(SS2-3) 登山杖(SS2-3)
登山裝備是同等級的
登山裝備 和 香菸是一個大類 但登山本身不是商品
商品關聯推薦 設計資料庫商品表，商品分類表，商品關聯表就可以實現
2.2 使用者購物習慣
關聯推薦
使用者A 購買了aa商品， 使用者B購買 aa和bb, 使用者C 購買了aa,bb.cc。。。
向A使用者推薦bb, 向使用者B 推薦cc,dd(購買過aa,,bb的使用者也購買了cc,dd)
（像某些購物網站的推薦語： 購買aa商品的使用者也購買了bb,cc）
| user_id | goods_ids |
|---|---|
| A | [aa] |
| B | [aa,bb] |
| C | [aa,bb,cc] |
| D | [aa,bb,dd] |
| D | [aa,bb,cc,ee] |
| F | [cc,ee,ff] |
以上是業務上的設計
程式碼邏輯 例如針對商品aa
和aa 一起出現頻率最高的是bb, 所以購買了aa 推薦bb
也可以反推 向購買了bb的使用者 推薦aa 雙向
和 [aa,bb] 一起出現頻率最高的是 cc
所以 對有購買[aa,bb]的使用者推薦 cc
…這塊需要大量資料來 優化計算，可以跑定時任務來做統計
關聯表設計如下
| buy | recommend | two-way（雙向） | update_time |
|---|---|---|---|
| [aa] | [bb] | 1 | — |
| [aa,bb] | [cc] | 0 | —- |
本作品採用《CC 協議》，轉載必須註明作者和本文連結