打開APP購物，系統(tǒng)會做哪些工作（下）

4.機(jī)制

4.1 視覺體驗優(yōu)化

★ 4.1.1 基于知識圖譜的標(biāo)準(zhǔn)類目擴(kuò)展

受種種因素制約，商品類目體系過于細(xì)致，不符合推薦場景中用戶對商品的主觀分類。知識圖譜團(tuán)隊可以建立標(biāo)準(zhǔn)類目體系，從語義層面出發(fā)，結(jié)合場景的特點，將相近的葉子類目進(jìn)行不同程度的聚合，分別應(yīng)用在購買類目過濾和類目打散時的類目擴(kuò)展。

★ 4.1.2 基于圖像指紋的相似圖片檢測系統(tǒng)

商品素材浩如煙海，相似的展示圖片層出不窮。這種相似經(jīng)常超越圖片所屬商品本身的屬性，通過商品本身的標(biāo)題、類目等語義信息已無法識別這種相似，為此我們團(tuán)隊研發(fā)了相似圖片檢測系統(tǒng)，從圖形本身出發(fā)來檢測商品素材圖片之間的相似度。

同圖檢測系統(tǒng)以 CNN 作為分類器，識別商品素材圖片所屬的葉子類目，將最后隱藏層向量作為圖像特征向量，并通過向量的相似度來計算商品之間的相似度。

★ 4.1.3 多維度打散

大促會場入口和日常頻道構(gòu)成，大促會場入口包括主會場入口和行業(yè)會場入口，每一個頻道的商品素材都是獨立的，存在一定的重復(fù)，如果不加限制，各個頻道之間容易出現(xiàn)相似的推薦結(jié)果，這在“寸土寸金”的首頁，無疑是一種浪費，也會傷害用戶體驗，不利于導(dǎo)購心智的培養(yǎng)。為此，從多個維度（商品 / 標(biāo)準(zhǔn)類目 / 品牌 / 會場 / 相似圖片等）對首頁各個頻道推薦的素材進(jìn)行聯(lián)合打散，讓推薦的結(jié)果更具多樣性。

4.2 模板式實時曝光過濾

在手機(jī)首屏，用戶每次打開 APP 都會獲得曝光，其中就包含了很多無效的曝光，如用戶直接進(jìn)入搜索頻道、進(jìn)入購物車或者大促期間來搶紅包雨搶券等，這些無效曝光中用戶對該場景是無心智的。常見的將對用戶偽曝光的商品記錄下來并利用其來進(jìn)行實時曝光過濾的方法對首頁這種無效曝光率很高的場景來說“太嚴(yán)格”了，會使得推薦的效果大打折扣。為此，商城會設(shè)計一種模板式實時曝光過濾的方法。一次推薦給用戶多個模板，并記錄用戶上次看到的第 i 個模板，然后在本次給用戶展現(xiàn)第 i+1 個模板。如果用戶產(chǎn)生新的行為，模板的推薦內(nèi)容也會隨之進(jìn)行更新。

5.3 用戶及類目個性化的購買過濾

“買了還推”是過去推薦系統(tǒng)經(jīng)常被詬病的吐槽點，要解決該問題就需要對用戶購買的類目進(jìn)行合理的過濾。然而由于每個葉子類目的購買周期不同，不同用戶對類目的購買周期也不同，因此設(shè)計購買過濾時還需要關(guān)注不同用戶對不同類目購買過濾的個性化需求。購買過濾作為所有推薦場景都會面對的基礎(chǔ)問題，我們與工程團(tuán)隊合作推出了統(tǒng)一的全域購買過濾服務(wù)，為每一個類目定制一個購買屏蔽周期，根據(jù)用戶最近一段時間內(nèi)購買的行為為每個用戶維護(hù)一個實時的購買過濾類目，同時考慮到如果該用戶在購買屏蔽周期內(nèi)又主動在該類目上發(fā)生了多次點擊行為，說明用戶對該類目仍感興趣，有購買的可能，則該類目會被 “ 解禁 ”。首頁接入購買過濾服務(wù)之后，“ 買了還推 ” 的問題也得到了大大的改善。