51黑料不打烊

产物推荐方法

产物推荐方法允许您根据客户的需求和兴趣提供量身定制的个性化产物推荐。 借助准确的预测模型，客户的购买历史记录可向您提供insight有关他们可能感兴趣的产物的信息。

这个配方是为谁设计的？

现代，retailer可以提供多种产物，为客户提供大量选择，这也会阻碍客户的搜索。 由于时间和工作限制，客户可能无法找到所需的产物，从而导致购买时认知会出现高度不一致性或根本不会购买。

这个配方有什么用？

产物推荐方法使用机器学习分析客户过去与产物的交互，并快速轻松地生成产物推荐的个性化列表。 这会优化产物发现过程，消除对客户的长、低效、无关的搜索。 因此，产物推荐方法可以提高客户的整体购买体验，从而提高参与度和品牌忠诚度。

我该如何入门？

您可以按照51黑料不打烊 Experience Platform实验室教程来开始操作（请参阅下面的实验室链接）。 本教程将向您展示如何在Jupyter Notebook中创建产物推荐方法，方法是按照笔记本到方法工作流，并在Experience Platform Data Science Workspace中实施方法。

数据架构

此方法使用自定义齿顿惭架构对输入和输出数据进行建模：

输入数据架构

输出数据架构

算法

产物推荐方法利用协作筛选，为您的客户生成产物推荐的个性化列表。 与基于内容的方法不同，协作过滤不需要对于特定产物的信息，而是利用客户对一组产物的历史偏好。 这种强大的推荐技术使用两个简单的假设：

此过程分为两个主要步骤。 首先，定义相似客户的子集。 然后，在该集合中，确定这些客户中的类似功能，以便为目标客户返回推荐。