移动电商时代如何做好市场营销?哪几种方法比较好

移动电商时代如何做好市场营销?哪几种方法比较好

依据分类标准的不同,推荐系统可以划分为不同的类型。我们可以依据推荐系统收集到的数据类型,将推荐系统分为基于显式反馈的推荐和基于隐式反馈的推荐。我们还可以依据推荐系统内部算法的类型,将推荐系统分为基于内容的推荐、基于协同过滤的推荐和混合推荐。

管理员 2019-8-24
信息详情

  依据分类标准的不同,推荐系统可以划分为不同的类型。我们可以依据推荐系统收集到的数据类型,将推荐系统分为基于显式反馈的推荐和基于隐式反馈的推荐。我们还可以依据推荐系统内部算法的类型,将推荐系统分为基于内容的推荐、基于协同过滤的推荐和混合推荐。

  推荐系统为用户推荐高质量的产品是建立在对用户信息分析基础上的,用户将反映自身偏好和兴趣的信息反馈给推荐系统,这些信息由两部分组成:第一类是显式反馈信息,这类信息能够直接反映用户的偏好或行为倾向,如用户的评论信息;第二类是隐式反馈信息,推荐系统会主动收集用户的偏好或行为倾向信息,但是不会打扰用户的正常活动,例如商品浏览信息。


  基于显式反馈的推荐系统要想产生推荐,一般需要用户的帮助系统提供自己对某些商品的偏好信息,例如用户对推荐系统中的商品度进行打分,进而产生推荐。

  基于隐式反馈的推荐系统在收集用户行为和偏好信息时,不会被用户感觉到,通常在用户没有主动提供商品偏好信息的情况下,就可以产生推荐,这类推荐系统在不打扰用户的情况下产生推荐,降低了用户的额外努力,具备很大的优势,从而在电子商务中得到广泛应用。

  根据推荐系统内部算法的类型,推荐系统可以分为基于内容的推荐、基于协同过滤的推荐和混合推荐三种类型。

  基于内容的推荐系统会收集用户的历史购物行为和商品库信息,其他用户的偏好信息在此处没有发挥价值,而用户之前浏览、购买或评论的信息在此处非常重要,推荐系统根据之前和当下购物的相似性进行推荐。基于内容的推荐系统首先收集用户的历史购物信息,然后比较商品库中的商品属性和用户偏好的匹配水平,从而向用户推荐他可能感兴趣的商品。


  基于协同过滤的推荐系统一般不需要商品的属性特征信息,而是根据与用户相关群体的商品偏好信息,分析得出当前用户感兴趣的商品。目前,电子商务领域应用最为广泛的是基于协同过滤的推荐系统,其原理同口碑效应相似,用户会认可与自己相关的用户认为不错的商品。

  基于内容的推荐系统和基于协同过滤的推荐系统都存在不足,只能单一利用某一方面的信息产生推荐,算法分析的数据基础不够全面,因而混合推荐产生,将两种推荐技术进行结合,显著提高推荐系统的性能。


点击排名

版权所有 @ 花乐贝官网