最近几年来，相对于线下卖场的萎靡不振，电子商务市场却每年都在以近乎翻倍的速度增长。这不是，“双11”引发的高烧尚未消退，许多消费者就开始摩拳擦掌地翘首期盼“双诞”，完全是停不下来的节奏。

而在电商平台的购物过程中，搜索和推荐可以说占据了至关重要的地位，并且涵盖了PC端、APP端、微信、手机QQ、定向营销、广告等各种渠道、各个平台。由于普通消费者对自己想购买的商品不可能个个都达到专家水准，所以在搜索与推荐上普遍都有较重的依赖习惯。在实际使用过程中，相信许多用户也有着切身感受：根据用户的消费习惯和产品偏好，电商的搜索推荐页面也正凸显出愈发强烈的个性化特点，称其“千人千面”并不为过。

由此可见，做好搜索推荐，不但可以帮助店家增长营收，而且还能够提升用户的购物体验，从而进一步增加平台对用户的黏性。而作为国内首屈一指的自营式电商平台，京东在电商搜索与推荐领域的探索与实践，无疑具有极高的参考与借鉴价值。

京东电商推荐系统与算法优化

京东搜索推荐部总监刘思喆透露，在数据规模方面，京东在自营式业务方面已经做到了国内第一，包括第三方业务目前也在迅猛增长当中，因此从数量上来看非常庞大。而京东在电商领域的推荐系统主要有四大主旨，每一款推荐产品，甚至每一个环节上的推荐产品其实都和这四个主旨当中的一个或多个密切相关：

1、挖掘用户潜在的一个购买需求；

2、尽可能缩短用户到商品的距离；

3、用户需求不明确的时候，能提供比较好的参考；

4、满足用户的好奇心和比价需求。

电商推荐系统的这四大主旨，在网购的每一个环节，包括单品页、商品详情页、推荐搭配、交叉销售等等多种场景，所承担的作用都是不一样的。针对用户的个性化行为，京东也会将其行为数据接入系统来对用户进行长期的画像以及实时的画像。

刘思喆表示，在算法优化方面，京东同样也有四个方向：

1、对业务要有非常好的理解，通过大量数据分析对数据的质量及覆盖度进行考量，这在算法的优化提升上大概占到25%的权重；

2、测试大量的召回结果，测试不同算法在不同数据源上的效果，提高召回模型的质量，这一项在算法优化上大约占50%的权重；

3、要实时拿到用户反馈，然后使用不同类型不同维度的数据源对结果重新排序，这在算法优化上大约占15%；

4、尽量把推荐系统由离线往在线推，加快系统数据响应用户需求的更新频率，这对算法优化也会有帮助。

用户画像是如何“画”出来的

京东个性化与排序平台部高级总监邹宇表示，目前大数据领域非常热门，很多公司都在做相关的业务，其中很大一部分在做所谓的用户画像。而京东集团也有类似的项目叫做“京东大脑”，并且是公司战略级别。从电商广告的角度来看，实时用户的兴趣非常重要。也就是说用户可能基于比较突发的兴趣在几分钟前有一个搜索行为，然后搜索系统会对这一实时的用户兴趣给出相应的商品或者广告推荐。另外针对长期的用户兴趣，因为相对比较稳定所以作用也更大，这就可以离线分析一位用户所有的数据，判断该用户对哪一类商品或者哪一类关键词比较感兴趣，然后去构建其长期的用户兴趣，这对于匹配和个性化推荐非常重要。

如果现在来了一位新用户，搜索系统里完全没有他的行为部分，没有他的相关数据，那么应该怎么做？这就是推荐里最难的问题，也就是所谓的“冷启动”。事实上关于这个问题并没有什么特别完美的解决办法，只能提供一些参考思路，譬如说“物以类聚，人以群分”，也就是先把用户依照其社会属性进行归类、分群，因为不论是学生，还是白领，又或是码农，基于相同社会属性的人群通常消费兴趣也比较接近。另外基于微博、微信等社交网络的朋友连接关系，也可以给出一种比较讨巧的推荐类别。如果连这些信息都没有的话，那就只能根据性别、年龄、地域等信息进行分群，只是这种分法力度比较粗犷，效果并不会太好。在最极端的情况下，对于一个完全没有任何信息资料的新用户，系统也可以做一些多样化的尝试，将每一类都挑一些当前最流行的拼在一起展示给新用户，这其实是一个试探的过程，根据用户的交互反馈再来分析用户的兴趣所在。

邹宇表示，在互联网公司做数据有一大好处，就是数据采集非常容易。而如果在学校里做算法或者模型，能够采集几千个样本就已经很了不得了。互联网公司比较讨巧的是，前端有真实用户流量驱动，后端有服务和认知系统，其日志也就是所谓的数据非常有价值，前端的用户交互返回后有日志收集并上传至存储，有了较大规模的数据存储之后，算法科学家或者说数据科学家就可以根据收集的数据做分析或者建模，生成推荐结果的数据然后推送到线上系统。当线上系统加载完这些数据之后，就可以针对用户在页面上的交互行为和请求提供搜索和推荐服务了。

为用户提供更好的服务

作为京东的老用户同时也是第一批钻石级会员，我在很长的一段时间里其实几乎用不到京东的搜索功能，因为在主页的导航页就能进入自己想要的产品类别挑选商品。然而后期随着商品类别的不断增加，特别是京东加入第三方平台之后，情况又发生了怎样的变化呢？

对此邹宇表示，京东的搜索功能很早以前就有了，但因为那时候商品库并不是很多，许多用户上京东网站也习惯先点左侧的类目导航页。那时候导航页的贡献比较大。但是随着商品库越来越庞大，特别是第三方平台开放之后，服装、图书等类别的品类也非常多，商品数量增长越来越快，用户找东西也越来越不容易，对搜索的倚重也会越来越大，像目前用户通过搜索查找商品的比例已经攀升到了80%~90%。这对京东搜索来讲，既是一件好事情，也是一项挑战，因为要对一个商品数量达到千万甚至亿级规模的数据库进行检索，而且还需要在短短的几百毫秒内为用户返回搜索结果，这已经远远超出了之前的规模和难度。为此京东搜索一直在不断地对后端技术进行更新和迭代（目前每周大约能有数十个），并根据大数据技术演化为对用户的个性化推荐，其核心目标就是不断提升用户体验。

刘思喆也补充说，其实除了京东在大数据领域的探索之外，任何一家企业或者说任何一个社会环境下，我们都应该关注数据的内涵以及数据的外延。其中数据的内涵是指我们存储和掌握了这些数据之后，如何去描绘现在商业架构下所有的问题；而数据的外延则是在拥有这些数据之后，怎样去推断接下来新用户和老用户在未来即将发生的行为。这也是京东搜索推荐部所承担的任务——通过推断大家将要做什么，来为他们提供更好更贴心的服务。