伴隨著實體行業的數字化轉型，以及網民數量、物流快遞行業的快速增長，電商平臺之間的競爭也日趨增大。如今，電商行業已然進入創新發展階段，如何直面行業痛點，在眾平臺中“殺出重圍”呢？多使用者對商品的需求不是單一的，如何面對不同使用者多種多樣的需求？
快使用者購物時一般都帶有目的性，如何在短時間內識別使用者購物需求從而吸引使用者？
達觀透過電商行業的服務經驗，提煉出適用於電商行業的推薦策略及演算法，以下將從“人”“貨”“場”“策略”四方面展開。
（1）根據使用者靜態資訊生成推薦列表，推薦符合使用者性別、年齡的商品；根據使用者選擇的興趣標籤，推薦符合其興趣標籤的商品；（2）根據冷啟動演算法進行推薦，例如E&E和CLUB演算法；（4）採用專家策略，推薦活動的商品，例如打折的商品等。
（1）基於使用者靜態資訊生成推薦列表：推薦符合使用者性別、年齡的商品；根據使用者選擇的興趣標籤，推薦符合其興趣標籤的商品；（2）基於動態資料進行推薦，綜合考慮使用者的搜尋、點選、購買等行為分析使用者偏好。例如：使用者收藏了一件T恤，那麼同型別、價格相似的T恤、同店鋪的其它T恤、同品牌的其它商品等都可作為該使用者的推薦候選集；其次還可以根據使用者行為計算相似使用者，將相似使用者間的偏好商品進行交叉推薦；（3）基於運營規則推薦，例如：對於復購週期長的商品減少推薦；給使用者推薦配套商品、活動商品等。顧名思義，電商APP中可以推薦出來的商品為“貨”。推薦系統會綜合考慮商品的靜態屬性欄位（如類別、價格、標籤等）、商品的統計屬性（如銷量、點選量等）和商品之間的關聯屬性。（1）分析商品靜態屬性：結合商品類別欄位，給使用者推薦當季商品，如夏季推薦T恤、連衣裙等；亦或者根據商品上架時間欄位，給予上新商品一定的曝光度；（2）分析商品統計屬性：綜合考量商品的點選量、銷量等，計算商品熱度，給使用者推薦熱門商品；（3）分析商品關聯屬性：結合店鋪、品牌、價格等資訊，給使用者推薦同店鋪、同品牌、相似價格的商品；或者透過計算商品標題相似度，推薦相似商品；亦或者根據協同過濾演算法，透過使用者將商品進行關聯來進行推薦。
達觀提供個性化、相關、熱門、地域、搜尋推薦、通用推薦等功能，全方位支援電商APP多個場景接入推薦，例如首頁、頻道頁、詳情頁、搜尋頁等等。
在電商推薦中，搭配專家策略往往可以對效果有促進作用。
（1）從推薦權重方面：可調整不同行為對模型的影響權重，例如：購買>加入購物車>收藏>分享>點選；（2）從推薦範圍方面：可結合電商使用者群體的不同特徵上線不同的方案，例如向VIP使用者優先推薦VIP折扣商品；（3）從推薦比例方面：透過豐富推薦結果的比例，來豐富商品推薦的多樣性，例如，興趣商品：熱門商品：新商品=4:2:1（4）當推薦條件限制過多時，為避免推薦結果不足的情況，可以設定補足策略，例如根據海量使用者的購買、加購等行為資料計算熱門商品，加入到補足推薦的候選集。達觀推薦服務深度理解電商行業應用場景，如直播電商、社交電商、生鮮電商、跨境電商等，支援結合不同行業特點進行模型的定製和最佳化。目前，在電商行業達觀已經服務虎撲識貨、安利、天虹、樂友母嬰、一條生活館、順豐大當家等眾多知名客戶，行業經驗豐富。
達觀首創“召回+排序+後處理+兜底”四段式推薦流程，平臺內建上百種演算法模型和專家規則，支援AB測試、使用者畫像等功能，有效提升轉化率、點選率、留存率等業務核心指標，可滿足技術、運營、產品、測試等多種角色的不同需求。
