一个母婴电子商务网站的大数据平台及机器学习实践

母婴相对一般的电子商务网站有一些特点：第一个特点是商品周期短，在母婴网站上的商品，在线的时间不会超过5-7天，第二个是用户需求的变化快，在母婴行业，可能是用户的需求变化最快的领域，比如是用户处在怀孕当中，关心的是孕妈的一些问题，几个月以后，随着宝宝的落地，就会准备一些纸尿裤和奶粉，而且随着宝宝的长大，纸尿裤和奶粉的类型也会变化。第三个是移动化，一般有90%的成交是来自移动端的。

手机端的屏幕非常的小，可以给客户的信息非常的有限，所以需要我们帮助用户找他有兴趣的东西，大数据平台既要为网站的活动提供大数据的支撑，还需要实现个性化的推荐，搜集用户的行为，全面的了解用户的购物意图，推荐用户感兴趣的商品。

下图是整个大数据平台的架构图，最下面的是我们的数据收集，后面会有介绍。计算层包括了离线计算和实时计算，以后搜索引擎，在算法层有协同过滤，分类产生一些用品的商品特征，以后排序的模型。在业务层的话，业务的类型是丰富多彩的，我们会融入一些运营的规则进行调整，包括一些个性化的调整和推荐，以及营销。

BI层的应用有面向运营的，面向商家的，会涉及用户的浏览日志，在PC上的一些行为，比如是用户浏览了一些什么商品，点击了一些什么商品，对数据的消费也有二种方式，一种是实时消费，一种是离线消费，这种方式会在每天的凌晨进行一次统计，会有一天的延时，比如是 今天上线的活动，可能明天才知道这个活动的效果，因为我们研发了一套实时的数据研发系统，因此任何需要实时消费的数据报告，只要订阅就可以了。

分布式的调度是整个大数据平台的核心，在大数据平台处于一个指挥的作用，比如是任务管理，任务监控和任务日志，我们研发了一套分布式的系统，里面有二种角色。Master主要是负责任务的管理，任务的分配，任务的执行，任何的Master挂掉，都不会影响我们系统的运营。

在整个大数据平台上，很大一部分是推荐的产品，第一类是个性化的排序，个性化排序的特点是在侯选级的情况下，根据用户的不同的购物的用途，为用户做个性化的排序，用户到达我们网站的时候，我们会推荐所有在线的品牌特卖，比如是一天500个，根据用户的购物的意图，做个性化的数据。

第二个是关联推荐，比如是推荐和这个商品相似的商品，购买的商品可以推荐搭配的商品。第三个是个性化推荐，给指定的用户推荐他感兴趣的商品，比如是在用户的资料的页面，我们会直接给用户推荐他感兴趣的商品。

除了这三种推荐的形式，还包括通过个性化的短信，个性化的推送，引导用户到我们的平台，我们会给用户推荐感兴趣品牌，我们会对商品进行个性化的排序，还会有相似商品的推荐，用户交易的环节，还会推荐和这个商品搭配的商品，包括周期购买预测等。

为什么会有这种推荐，可以从二个方面来看，一个是我们网站本身是一个轻搜索重推荐的模式，在我们的网站上搜索的功能是非常的弱化的，我们最近的上线的搜索 框也很不明显，这是一个推荐商品非常重要的渠道，从推荐的本身来说，也可以看到它的三个方面价值，提升用户的购物的体验。帮助商家找到感兴趣的用户，也可 以提高他的销售额，对整个平台来说，只有服务好用户和商家，才能得到一个比较好的持续的发展。

推荐这么的重要，最重要的是用户画像，这是我们的吉祥物，我们会对它进行二个部分，一个是静态的画像，比如是性别，年龄，宝宝的年龄性别，以及一些动 态的画像，比如品牌，购买时间，购买渠道等等，我们的这个行业里面，最重要的一个特征就是用户的性别年龄，不同的宝宝的性别年龄会影响到购物的偏好，很大 的一部分的妈妈是填写了一些用户的信息的，比如说宝宝的年龄是0-1岁，可以利用这个用户的行为特征，比如是它的浏览次数，收藏次数，有了这样子的模型， 就可以来填写宝宝年龄的预测。

第二套很重要的标签是购物偏好，主要是提到的一些动态标签，比如是品牌内部等等，我们会统计用户在我们的平台上的一些行为，根据这些行为的成本给予不同的 选中，包括浏览电极，启发式的做法非常的简单，也是非常的容易理解，这些参数不好确定，这个时间的衰减应该做如何的衰减的程度。

我们现在正在用机器学习的方式做用户的偏好预测，把用户当前的购物的偏好做特征来进行一些购物的偏好。有一个很重要的推荐的类型是个性化的排序，当用户到 了我们的PC首页的时候，会展现每天500个在线的专场，用户很难通过翻页的方式来浏览所有的品牌，我们有一套规则的算法，模型有非常多的特征，可以考虑 非常多的因子，规则往往是只有几个关键的因子，比如是会把GMA往前排，规则是靠经验和参数的。已经形成了一个优化的问题。还有模型很方便加入用户的特征 做个性化的特征。

第一档就提升了6%，至于怎么样做，这个就是一个学习的流程，主要是离线和在线二个部分，在线系统搜集到了排序以后，也会根据用户的ID和品牌的ID，构建同样的特征和模型进行组合，就可以得到用户对每一个平台的分数。

那特征是这里面最重要的一部分，有属性特征，主要是各种维度的特性，还有是统计特征，还有偏好特征，偏好特征是我们做个性化推荐的最基本的推荐，这个是和 用户有关系的，比如是用户的画像。在这里面，我们做了很多的尝试，刚开始的时候，有点击率，点击率很好做，我们发现点击率的提升和我们的GMA的提升不是 完全一致的。我们用过分类和排序的算法，排序的算法会好一点，非线型的模型也会更有优势一点。

我们到了电商网站的时候，肯定遇到过这样子的产品，你看过的商品可能是感兴趣的商品，在这个行业里面有很规律的算法，但是在母婴特卖里面，有它自己的特 点，它的商品每一行是代表了一个用户，每一列是代表的一个商品，第一周上线的商品第三周上线的时候，另外二个已经是下线了，第二个特点是在线的商品比较 少，就会把举证压缩，这样子的话，对这个举证会变的不这么的稀疏。第三个是这个行业的特点，比如是宝宝的性别，宝宝的年龄是否是一致的，如果是一致的话， 那是否有一个持续性。1-3岁的话，还可以，但是如果是对一个1-3岁的商品，可能就不大合适的。

我们根据这些特点做了一些改进，比如是我们有做时间，热门打压。相同的协同过滤的算法可能会不在线，一种是机遇标题和描述的相似度，还会加上运营的规则，是否匹配，有一些地方可以推荐同品牌，有一些可能推荐其他的品牌。

虽然我们刚才说的对算法进行了改进，单一的算法总是有一些局限性，因此我们现在正在做的是把多个算法结合在一起，比如是浏览的CF，购买的CF加上用户的特征，进行一个个性化的重新排序，我们正在研究这么一套新的流程。

我们第一档上线以后，可以看到在各个资源上都取得了很大的提高了，部分的资源上甚至是提高了500%的提升，我相信我们新的个性化的排列上线以后，会有更大的提升。

如果你购买了一个商品，再推荐一个相似的商品，这是不合理的推荐，用户购买了一个商品以后，比如是够末了C1以后，购买C2是一个简单的记数，比如是买奶嘴的用户里面，39%的用户会买奶瓶，买了纹胸的用户里面，有20%的会买内裤，买了纸尿裤的用户会有30%买湿巾。

还有个性化的推荐的工作，但是还不完全一样，主要是有一个很严重的痛点，经常会收到一些短信的推送，可能是一些打扰的工作，但是在我们的平台上，我们的运 营也遇到了同样的痛点，他们想搞活动的时候，他们也很难确定目标用户是什么，所以他们确定了精准营销的框架，能够帮助运营，选出他的目标用户，在适合的时 间发送感兴趣的商品。

我们首先是会对用户打上标签，通过投放的请求，动态生成Hive，我们会返回目标用户以及时间。我们在用户的拉新方面也做了一部分的工作，我们平台的业务 的发展非常的迅速，我们吸引了一部分的用户以后，我们希望把用户转化成购买用户，一个是根据用户注册时候的静态画像，对用户做个性化的配置，整体的转化率 是10%以上。虽然我们在这一方面已经做了一些尝试，但是未来还有更多的可以探索的地方，一个是在数据的方面，刚才提到的个性的推荐是，首先是会更加的全 面和精准的把画像做的更准确。第二个是时效性的方面，需要快速的捕捉客户的需求。在模型方面，我们也会投入更多的精力，通过在线的方式更新我们的模型，应 用的话，双十一也快到了，我们希望我们的个性化的算法也可以发挥一些作用，以及在商家端做一些尝试，帮商家做一些预测等等。

via:lxw的大数据田地

End.