三．品种角度
从品种角度进行相关推荐，可分单品和标签两个角度。
1．单品相关性
围绕单品分析相关性，起码有三种数据角度：被同一人购买（但不一定在一次消费中）；在同一次消费中被购买；被同一个人浏览。这三种角度意义大不相同，应用时需要理解差异。
单品相关性有很多局限。例如单品相关性分析缺乏“判断力”，不能分析出竞争性商品，需要补偿措施；单品相关性分析需要足以让两个单品出现在同一场合的大量数据，对于销售高度长尾或销售周期很短的商品不合适。
这篇博客重点想谈的是标签相关性，因此对单品相关性分析略过。
2．标签相关性
围绕标签分析品种相关性，相关性的强度和直观程度受标签粒度的影响。例如对股票书感兴趣的人也可能对黄金理财书感兴趣，这样的标签粒度小，相关性强，相互关系很直观；而经管类书与英语类书虽然有相关性，但相对弱很多，不那么直观。
对于普通b2c而言，将商品系统的标签进行细化，结合标签内的排行榜，发展网页、邮件推荐体系，简单易行而命中率高，是十分可行的。
应用标签相关性推荐，以下两点是需要注意的：
1）品种间的关系
我们简单地将商品之间的相关性关系分为对手、跟班和好友三种：
对手商品指用户只选其一的低频购买商品，可能是跨品类的；
跟班商品指用户购买主商品后，很可能购买的相关品；
好友商品指对相同的人具备吸引力的非跟班商品。
在进行相关性推荐时，应根据商品之间的关系有的放矢，例如：
用户未购买某商品前，可以向其集中提供竞争性商品帮助选择；
用户已经购买某商品后，一定时期内不要再在其面前呈现竞争性商品，而是应集中呈现跟班；跟班商品可以跟主商品一起形成促销组合；
跟班商品初步浏览过后，无论是否购买，均不需要持续，而应集中呈现好友商品。
在交易完成后，可通过电子邮件、发货单夹带针对性优惠券等方式，继续推荐跟班商品和好友商品。
对于对手、跟班和好友的商品关系而言，对每一个商品进行管理是很难的，但对商品所在标签之间的关系进行管理则容易得多，人工判断便可在数据库层确定标签间的关系。
简单易行，这是我把标签相关性推荐作为重点的原因。
2）标签内的排行榜
相关性推荐无非是为了提高对用户潜在需求的命中率，排行榜在概率意义上代表最有普遍性的需求，通常具有最大的命中面积。
先选好要推荐的对手、跟班或好友标签，再推荐这些标签的排行榜，可以在精确的基础上获得最大的命中范围。
值得注意的是，那怕在一个标签内，排行榜也没必要固定不变，完全可以根据用户的群落而自动变化。例如用户对价格的倾向性是低的，那么各类应用标签，我都可以用一个价格倾向性指标来交叉过滤，给用户提供“面向个人的排行榜”。
Trackback: http://tb.donews.net/TrackBack.aspx?PostId=1311968