关于淘宝推荐算法，那些底层逻辑
▐ 前言
老早就想写点东西了，一直在日销和直播之间奔走。原本想分享的标题是“惊~直播带货的底层逻辑，竟然是……”哈哈，说来我们做商家自播这么多年，激情早已褪去，一直在思考前端日常销售与日常直播结合这条路。
所以总结一下淘宝天猫前端日常运营销售的一点经验。想着把文章写得正式一点，但是码字的时候就不知道要咋搭框架了。本文会有很多陌生和比较难理解的名词，希望你能看下去，看懂了都是自己的~
在算法行业，有学术界和工业界之分，工业界更加注重业务实践，而学术界偏向学术研究~，其实做电商卖货写算法的科普真的很容易就变成了学术忽悠了。因为很多同学认为，我就卖个货，还要懂算法？你不会又想割韭菜吧？
其实老司机们都知道，阿里这几年自从推荐算法、人工智能在推荐、搜索渠道、广告投放产品使用之后，获取流量变得很不可控。比如之前的很多的补单经验，不是开机就是撸单，那么简单了。从当初的刷类目，查关键词刷大词，到后来刷坑产，打标签。从当初7天螺旋，卡首屏黑搜白搜彩虹搜。到现在的无痕补单。就连淘宝的推广渠道从以前只有简单粗暴的直通车和钻展，到19年上线的超级推荐(超级推荐也在公测改名“引力魔方”)，再到今年更出来的AI智投，没几个月又改名的“阿里万相台”，还有很多大家不经常使用的投放产品，比如UD，品牌秀等等。SO~如果想锦上添花，少趟坑，多赚点走得更远，那么懂点系统算法逻辑是一个趋势。至少你广告投放不被系统割韭菜、补单也少被抓。哈哈哈哈哈哈~~~
▐ 1. 淘宝推荐算法—召回与排序
废话不多说，直接今天正题吧。 从淘宝的千人千面开始巴拉巴拉起，千人千面已经提了好多年，现在阿里正式提的叫法应该叫“一人一世界”。这电商场景下的“一人一世界”的底层算法逻辑，是推荐系统。看到很多做电商培训的帅哥，也分享底层算法，有科普向量，科普召回的……不过很多都是入门的知识，逆向科普复杂化了。淘宝的推荐系统架构主要技术环节，都在下面这张图上，懒得自己画了。借用负责手淘首页猜你喜欢算法小二 北黎 的图。不单单是手淘的推荐系统，很多工业界的推荐系统大概技术流程都是如此。
淘宝上有几亿的产品，如何从中挑选最适合的数十条产品展现给淘宝用户呢？这就是推荐系统存在的价值。传统的推荐模型，主要是才用召回——排序两个阶段，但是实际落地到业务上的，又会把排序分为：粗排、精排、重排。召回模块处在推荐算法链条的最底层，决定了推荐系统效果的瓶颈及上限。召回模块的主要任务是高效地从整个商品池中筛选出一小部分（一般来说是千~十万级）用户可能感兴趣的商品，提供给粗排和精排环节进行再次的筛选和排序。
召回模型具备处理数据量大、模型够快的特点。因而，这也限定了它不能用太多的特征和太复杂的模型。
▐ 2. 召回模型的三大技术类型
基础个性化召回->深度学习召回->多目标融合召回
2.1. 基础个性化召回
最常用的召回当属item-based CF，这类算法根据item的共现关系计算i2i相似性，非常适合根据用户实时trigger（点击、收藏、加购、购买等行为）进行召回。传统模型还有如swing、userCF等，这类传统模式都是，根据用户产出的数据进行启发式的召回。
2.2. 深度个性化召回
将user、item、video等候选集转化为向量，通过向量检索技术召回Top-k，把原来的“精确匹配”为“模糊查找”，提升召回的宽度，这就是向量化召回。这段就不展开了，其实可以更细化的去分析，毕竟很多在靠说“向量召回”培训的，这里挖个坑，后面开一篇文章专门细说召回。深度算法召回还有基于用户行为序列、基于多兴趣拆分的、基于graph embedding和和基于知识图谱融合的。
2.2. 多目标融合召回
在以优化点击率目标的基础上，尝试优化关注加购收藏率、成交率等其他目标。以及将积累的各种召回模型，根据业务实际需求实行多策略召回。在手淘猜你喜欢或者搜索结果页面里有产品页面、短视频、买家秀、直播间等。还有平台的业务，比如各种聚合主题，平台的子频道，栏目。
▐ 3. 粗排
召回数量的还是千到万级别的候选集，为了后面的精排环节的性能，在中间加了一个粗排。粗排根据用户和内容的一些相关特征，对召回环节的候选集进行粗略排序，在保证一定的相关性的前提下，再一次减少往后送候选集的数量。
▐ 4. 精排
精排阶段则结合着用户行为特征、商品特征、场景上下文等特征，对产品的点击率 (CTR)、转化率 (CVR) 等排序指标进行建模。然后，系统会按照一定的商业目标 ( 例如 GMV) 综合所有的排序指标并计算出最终的排序分。
▐ 5. 召回和排序哪个更重要？
5.1. 排序在系统中的重要性
在排序环节，特别是精排，处于整个推荐算法链条的最后一环，方便直接对业务指标发力，加之候选集较小，可以使用复杂模型，使用任何能想到的特征参数。我们日常店铺的几乎都是围绕精排环节使用到的特征参数做运营，这个也是能直接“操作”的技术细节。比如我们提高首图点击率、产品销量的权重。都是最直接地影响到精排模型，使得我们获取到一个靠前的排序，从而获取到平台的流量。店铺技术运管成功与否，看我们能不能“影响”排序算法，实现运营目标。这里的影响，打了个引号，可以通过付费推广氪金的方式，引导系统拿到推荐流量、也有通过补单的博取销量，这就属于对抗系统，欺骗算法。
5.1. 召回注重策略导向
召回环节客观的来讲，技术含量不是太高，而是注重策略导向。而且召回处于整个推荐链路的前端，其结果经过粗排、精排、重排的筛选，最终作用于业务指标时，影响力已经大大减弱了，但是召回决定了排序效果的上限。所以召回对我们店铺运营的指导更多的是很高一个高度的策略指导，而且这个算法环节的可解释性很高，可以用逻辑解释得很清楚。这种大方向性的策略，淘宝官方又通通给我们很明确的指导，所以紧跟平台运营的脚步，你就胜过90%的人，前提是能跟得上。比如淘宝小二会让商家去重点关注短视频，去引导买家做买家秀，从而生产更多的内容，这不单单是我们商家的运营，也是平台小二的运营手段。推荐算法无数不在，遍布每一个业务的角落，上面提到的短视频，其实也得要单独的推荐算法去分析推荐。所以想要获取到视频的流量，就要增加短视频内容。
▐ 总结
排序算法是运营技术细节，而召回更多的是偏向平台策略，但是很难落地到商家的运营策略里。推荐算法也好，搜索算法也好，不同层次的商家，运营的方式肯定都不会一样。小商家偏向于一招鲜，更加灵活注重的是盈利，而腰部头部商家更加注重长效运营。好些时间没码字了，一篇文章选了一个很大的题目，潦草一篇文章无法讲透彻，而且大部分的同学都比较关注技术的细节，关注算法这种看不到摸不着的东西，不感冒！比如打标、卡链接、降PPC等。后面会直接拿更直观的东西出来给大家分享，如果你也喜欢研究技术运营，欢迎一起交流。
文章被以下专栏收录
