基于 MaxCompute 的智能推荐解决方案

简介： 在互联网行业红利已过、在获客成本越来越高、在用户在线时长全网基本无增长以及信息大爆炸的情况下，如何更好的转化新用户和提升老用户粘性就变得至关重要，智能化的个性化推荐无疑是经过验证的重要手段之一，我们每天使用的移动App或企业内都处处有其身影。

本文作者吴世龙阿里云智能高级产品专

一、背景介绍

行业趋势

“2018年天猫双11共产生了453亿次AI个性化推荐，阿里巴巴副总裁、淘宝总裁蒋凡表示淘宝可能是全世界最大人工智能的应用，他说：“在今年双11我们也可以看到，基于个性化推荐的流量已经超过了搜索等方式带来的流量，这是一个非常非常大的变化”

信息爆炸一词最早出现在20世纪80年代，各种信息以指数级增长，如何处理过载的信息成为了重要的问题，而这对于无论是消费者还是信息发布者还是承载的平台，都意味着眼下和未来都面临着巨大的挑战，而个性化推荐系统的本质则是高效连接信息和用户，于用户满意度提升，于信息发布者获得合理的用户群，于平台价值转化最大化。

MaxCompute产品背景

MaxCompute 是面向分析的企业级 SaaS 模式云数据仓库，以 Serverless 架构提供快速、全托管的在线数据仓库服务，消除了传统数据平台在资源扩展性和弹性方面的限制，最小化用户运维投入，使您可以经济并高效的分析处理海量数据。数以万计的企业正基于 MaxCompute 进行数据计算与分析，将数据高效转换为业务洞察。

智能推荐产品背景

智能推荐，基于阿里巴巴领先的大数据和人工智能技术，根据用户的兴趣偏好，解决用户需求和内容展示中间的关联问题。结合阿里巴巴在电商、内容、新闻、视频直播和社交等多个行业领域的积累，为全球企业及开发者提供云推荐服务与机器学习平台。

智能推荐在我们生活和工作中都是会遇到的，比如某工业客户，在企业内部有许多的资料供员工查看。智能推荐不止是对于ToC的企业，ToB的企业在企业内部，包括一些知名的企业，内部都是用很多资料，能够让员工方便的，快速的，高效的供员工查看。这个需求在ToB企业中也是普遍现象。ToC企业的需求更加明显，如果大家关注行业报告，会发现互联网的红利已经基本结束，用户的渗透率已经很高。那在行业发展和用户增量达到瓶颈时，用户的在线时长从2020年的6.1小时，仅仅增加到6.3小时，用户的在线时间基本上处于停滞不增加的阶段。那企业随之也会面临两个问题，一企业用户获客成本越来越高，增量的难度也越来越高。二获客成本越来越高的情况下，存量客户怎么去增加在线时长。从这两个问题表明，如何充分、高效转化不管是增量还是存量的用户，对于企业来说都是非常重要的一环。

二、智能推荐业务场景与价值

哪些行业需要智能推荐

不管是电商行业、内容行业、新闻行业包括上文讲到的行业，其实行行业业都会用到智能推荐。大家一听到智能推荐都会想到ToC的行业，但ToB的行业也是需要智能推荐，因为企业内部有大量的资料和文章。推荐本身已经渗透到我们平时用到的产品的方方面面，从产品形态来看电商，内容，新闻等都有它的身影，通过大数据+算法预测出我们更感兴趣的内容，极大的改善了用户体验；

一期1.png

痛点

电商/零售行业

•获客成本高用户留存差

•成交转化率低复购率低

•人工规则推荐效率低效果差

内容/资讯/视频行业

•获客成本高用户留存差

•用户粘性/活跃度低

•人工规则推荐效率低效果差

场景

电商/零售行业

•App首页瀑布流

•店铺首页瀑布流

•商品详情页

•卖场活动页

•其他

内容/资讯/视频行业

•首页瀑布流

•内容/资讯/视频详情页

•主题/专题瀑布流

客户使用智能推荐后的效果

从下图表中可以看出，在企业使用完智能推荐之后，各项效果指标有了明显的提升。

某知名垂类社区商城	某知名垂类电商	中青看点个性化推荐	某食谱类APP

成交转化率提升 40%+	CVR提升 100%	CTR提升 80%+	PV_CTR提升 38%
GMV提升 50%+	每用户下单数提升 89%	用户均停留时长提升 10Min	UV_CTR提升 34%

基于数据仓库的智能推荐架构

智能推荐是典型的大数据应用场景，所以强依赖于数据仓库。智能推荐在数据对接方面，基于MaxCompute来实现，通过应用MaxCompute内部的一些计算能力，能够更好的分析、管理企业的数据，从而实现智能推荐的业务场景。如果您的数据量较小，也可以通过SDK把数据推送到智能推荐，实现您的业务场景。智能推荐支持算法定制和业务定制，给予企业充分的灵活自主可控的能力。

一期2.png