Рекомендательные системы: идеи, подходы, задачи

[savostin]

Всегда интересовало что движет программистами, которые делают модули «Вы купили телевизор LG? Посмотрите еще телевизоры Samsung» WTF? Рекомендуйте сопутствующие товары купленному, а не похожие! То, что подходит для совета похожего музыкального альбома, ну совсем не подходит для большинства товаров, тем более крупных или дорогих.

[vedenin1980]

Существует минимум три группы пользователей, где это имеет смысл:

1. Представители бизнеса — они могут покупать множество похожих товаров,

   
   

2. Те кому нужно больше одного телевизора (например, один на кухню, другой в зал, третий в спальню)

   
   

3. Те кто может передумать или кто собирается вернуть товар обратно из-за брака,

   
   

С одной стороны, вероятность, что клиент окажется в одной из этих групп не очень велика, с другой заработать на продаже одного большого телевизоров можно больше, чем на продаже, скажем, десятка антен для телевизора, поэтому иногда показ похожего на уже купленное имеет смысл для бизнеса.

[ainu]

Там всё просто — если это контекстная реклама с оплатой за клики, то большинство точно никогда не нажмет и реклама обойдется бесплатно. Зато тот кто ткнёт — точно целевой клиент (допустим телевизор сдох).

Хотя скорее всего речь не идёт о «вы купили?», а «вы хотели купить?» — это способ вернуть сомневающегося покупателя.

[pop70]

нужно показывать пользователям свежие статьи, пока они ещё актуальны. При этом необходимо понимать содержание статьи. Уже сложнее. 

Точно-точно. Чем больше понимаешь, тем сложнее "рекомендовать".
Поэтому, "абсолютный лайфхак" для маркетолога — вообще ничего не понимать в том, что "рекомендуешь".

[lightmaann]

Вот вроде бы очень сложные алгоритмы и все такое. Но тем не менее я до сих пор очень сильно сокрушаюсь, когда, слушая что-то из разряда условно Eminem/Logic/Masta Ace мне в рекомендательные падает Justin Bieber/Face/Егор Крид. Хип-хоп же, хип-хоп)

Или, например, новостной фид в вк. О, ваш друг лайкнул запись в гей сообществе! Попробуйте-ка и вы! Хотя они, вроде как, не начинающие в этих областях.

[nkorolko]

Еще интересным подходом к генерации рекомендаций является комбинирование алгоритмов с последующим процессом голосования. Это интересная задача — когда есть несколько мнений, как их учитывать целостно и как их транслировать в финальное действие?

[Kwent]

Все как всегда, определяете метрику «успешности рекомендации», и на основе нее любым известным методом оптимизации (от «на глазок» до градиентного спуска) подбираете параметры объединения, а методов объединения много: голосование, взвешенное голосование, стэкинг и т.д. Главное здесь решить что такое «правильная рекомендация» :)