天貓，為什么總能“猜”到我想買什么?搜索和推薦，是電商平臺(tái)里用戶和商品信息交互的兩種主要方式，也是電商平臺(tái)內(nèi)的兩大自然流量入口。前者為用戶主動(dòng)觸發(fā)，系統(tǒng)提供智能召回和排序;后者為用戶在特定場(chǎng)景下，被動(dòng)接收千人千面的個(gè)性化推薦的商品。

天貓作為國(guó)內(nèi)頂級(jí)的B2C電商平臺(tái)，產(chǎn)品打磨時(shí)間之久、用戶量級(jí)之大有目共睹。本文第一部分依個(gè)人愚見(jiàn)，從場(chǎng)景解讀天貓的智能搜索和個(gè)性化推薦，第二部分簡(jiǎn)要介紹搜索和推薦的中后臺(tái)支撐。

PS：產(chǎn)品體驗(yàn)基于iOS版天貓客戶端 V7.12.10

一、場(chǎng)景解讀 (一)智能搜索

找商品是用戶的基本訴求，搜索欄便是滿足搜索訴求的載體：在搜索欄內(nèi)輸入關(guān)鍵字點(diǎn)擊搜索、搜索列表頁(yè)找到合適商品，點(diǎn)擊進(jìn)入詳情頁(yè)購(gòu)買，這是一個(gè)簡(jiǎn)單直接的轉(zhuǎn)化路徑。

有幾個(gè)業(yè)務(wù)問(wèn)題需要考慮：

如何理解及預(yù)測(cè)用戶找什么?

如何根據(jù)搜索關(guān)鍵詞匹配正確商品?

龐大的搜索結(jié)果列表如何排序展示?

天貓的智能搜索解決方案如下：

1. 搜索詳情頁(yè)

(1)搜索欄內(nèi)關(guān)鍵詞智能預(yù)測(cè)

比如搜索關(guān)鍵詞“彼得兔”，結(jié)果列表頁(yè)未發(fā)生點(diǎn)擊，每次返回首頁(yè)時(shí)，搜索欄內(nèi)均提供了預(yù)測(cè)關(guān)鍵詞，依次是：彼得兔公仔、動(dòng)物毛絨玩具、毛絨玩具小、兔子毛絨玩具、毛絨玩具、生日禮物女生等關(guān)鍵詞。天貓?jiān)谕ㄟ^(guò)不斷的修正關(guān)鍵詞，預(yù)測(cè)、挖掘用戶意圖。

(2)最近搜索

可記錄最近幾條搜索關(guān)鍵詞，點(diǎn)擊可直接再次發(fā)起搜索行為，提高輸入效率。

(3)猜你想找

搜索欄下還提供了猜你想找，提供了5條推薦關(guān)鍵詞，其中有搜索關(guān)鍵字相關(guān)的個(gè)性化推薦，也有不相關(guān)的挖潛關(guān)鍵詞，是搜索和推薦結(jié)合的產(chǎn)物。

(4)圖片搜索

AR buy+、拍照識(shí)別，基于圖像識(shí)別技術(shù)，識(shí)別圖片場(chǎng)景中的主體，并搜索庫(kù)中的商品。圖片搜索非常適合于不能用語(yǔ)言準(zhǔn)確描述主體，又能快速搜索到相關(guān)商品的場(chǎng)景。

(5)語(yǔ)音搜索

基于語(yǔ)音識(shí)別技術(shù)，將輸入語(yǔ)音轉(zhuǎn)化成文本，搜索相關(guān)商品。方便快捷的特性，使語(yǔ)音搜索已經(jīng)成為搜索引擎的標(biāo)配。

2. 搜索結(jié)果列表頁(yè)

傳統(tǒng)的搜索引擎是根據(jù)輸入關(guān)鍵詞，返回固定檢索結(jié)果，而天貓會(huì)根據(jù)用戶行為和畫像，并結(jié)合賣家的流量投放訴求，實(shí)時(shí)調(diào)整搜索結(jié)果，以保證搜索結(jié)果的召回率、準(zhǔn)確率，及個(gè)性化的排序。

召回率(Recall Rate)=檢索到的相關(guān)商品 / 所有相關(guān)的商品總數(shù)，也叫查全率。召回率不足會(huì)導(dǎo)致明明有此商品卻沒(méi)有搜出來(lái)。

準(zhǔn)確率(Precision Rate)=檢索到的相關(guān)商品 / 所有檢索到的商品總數(shù)。

排序會(huì)根據(jù)用戶的歷史行為、品牌偏好、價(jià)格偏好、商品銷量、商品評(píng)論等，將最優(yōu)結(jié)果排在前面，達(dá)到個(gè)性化的排序，以提高用戶和商品的匹配效率。

(二)智能推薦

同搜索一樣，推薦也是天貓重要的自然流量入口。推薦解決了用戶在逛、找、比、等、湊、買等全鏈路購(gòu)物場(chǎng)景下，用戶與商品高效的個(gè)性化匹配。

天貓的智能化推薦解決方案如下：

1. 首頁(yè)

首頁(yè)是天貓的第一流量入口，承載著用戶流量分發(fā)、用戶興趣探索等作用。

(1)輪播圖

位于首頁(yè)最顯眼的位置，9張banner圖自動(dòng)切換，位置的優(yōu)越性足以體現(xiàn)其帶來(lái)的流量轉(zhuǎn)化價(jià)值。

首頁(yè)輪播圖欄位一般是強(qiáng)人工運(yùn)營(yíng)的活動(dòng)欄位，輪播圖內(nèi)容是針對(duì)所有用戶的白名單。但是由于天貓用戶的廣泛性，消費(fèi)能力各異、興趣各異，因此活動(dòng)的定向投放可以防止流量資源浪費(fèi)，提高運(yùn)營(yíng)效率。

定向投放的規(guī)則基于用戶歷史行為、興趣偏好、消費(fèi)能力、促銷敏感度等用戶行為和用戶畫像，如男性用戶看到的秋冬服裝活動(dòng)推廣是“男士羽絨服”;瀏覽過(guò)某款橄欖油的用戶看到“天貓食品頻道買一送一”活動(dòng)。海報(bào)上的橄欖油圖片設(shè)計(jì)可能出自設(shè)計(jì)師，也可能出自AI設(shè)計(jì)平臺(tái)“鹿班”。

總之，強(qiáng)人工運(yùn)營(yíng)規(guī)則加部分個(gè)性化介入的banner，使用戶體驗(yàn)和流量?jī)r(jià)值大化。

(2)限時(shí)搶購(gòu)

提供性價(jià)比很高的商品，搶購(gòu)活動(dòng)倒計(jì)時(shí)暗示用戶不要錯(cuò)過(guò)。提供的商品列表里有基于用戶長(zhǎng)期和近期興趣的商品，也提供了熱門爆款商品，主打性價(jià)比，“消費(fèi)降級(jí)”模式。

(3)天貓好物

同樣是基于用戶歷史行為，個(gè)性化推薦的商品列表。與其他欄位不同的是，此欄位的商品海報(bào)很大很精致，每頁(yè)僅展示一個(gè)商品——圖片同價(jià)格。

推薦業(yè)界公認(rèn)的法則：推薦場(chǎng)景>UI>算法。鹿班千萬(wàn)級(jí)的白底圖庫(kù)提供的白底和素雅海報(bào)搭配顯得很精致，讓人聯(lián)想起無(wú)印良品和網(wǎng)易的“嚴(yán)選”模式。

(4)聚劃算

提供高性價(jià)比商品，但已經(jīng)是阿里旗下另一大平臺(tái)，有單獨(dú)app。此處為聚劃算引流，不再展開(kāi)解讀。

(5)發(fā)現(xiàn)品牌

是天貓第五層欄位。不同于其他欄位的商品緯度，發(fā)現(xiàn)品牌是以品牌緯度為切入點(diǎn)，完成品牌新品、資訊的推薦分發(fā)。

(6)限量潮流尖貨品牌&個(gè)性化關(guān)注品牌

發(fā)現(xiàn)品牌頂層和底層分別是3個(gè)每日更新的限量潮流尖貨品牌和4個(gè)隨下拉刷新的個(gè)性化關(guān)注品牌，均是基于用戶歷史行為計(jì)算出的品牌偏好。

點(diǎn)開(kāi)分別展示單品頁(yè)和品牌詳情頁(yè)，前者的單品頁(yè)以品牌某款新品為主，提供該單品的大幅海報(bào)及品牌其他新品推薦;后者品牌詳情頁(yè)提供了品牌簡(jiǎn)介、新品上市、限時(shí)特價(jià)、品牌資訊等內(nèi)容，還提供了相似品牌推薦，如根據(jù)蘇泊爾品牌推薦九陽(yáng)、美的等品牌。

(7)天貓小黑盒

中層左側(cè)是天貓小黑盒。天貓小黑盒定位于提供全球新品營(yíng)銷一站式解決方案。天貓官方會(huì)從世界各地搜索最近30天新鮮上市的全球新品提供給用戶。天貓小黑盒結(jié)合熱賣、熱搜、好評(píng)等多重標(biāo)準(zhǔn)，提供基于個(gè)人興趣的新品榜單，品類劃分很細(xì)。

結(jié)合下方的“新品精選”、“最新上架”、“人氣新品”，可大程度解決基于商品的協(xié)同過(guò)濾算法遇到的商品冷啟動(dòng)問(wèn)題，為新上市商品提供流量曝光和打造爆品的機(jī)會(huì)。

(8)品牌頭條

中層右側(cè)是品牌頭條，實(shí)為粉絲福利社，首頁(yè)主搜下同樣有入口，提供品牌權(quán)益相關(guān)。

為什么品牌這個(gè)維度也會(huì)如此重要?

原因可能有很多。對(duì)用戶來(lái)講，用戶喜歡高質(zhì)量的商品，而品牌是高質(zhì)量的保證，因此在點(diǎn)擊、購(gòu)買商品時(shí)會(huì)越來(lái)越重視品牌的選擇，有強(qiáng)烈的品牌認(rèn)同感;另外，用戶還可能是某品牌代言人的忠實(shí)粉絲而對(duì)該品牌有特殊偏好。

(9)推薦榜單

推薦榜單提供了5個(gè)人氣榜單和5個(gè)趨勢(shì)榜單，均是細(xì)分品類，跟用戶的興趣強(qiáng)相關(guān)。榜單每日更新，根據(jù)銷量、搜索量、好評(píng)等通過(guò)熱榜算法計(jì)算得出，排序是非個(gè)性化的。推薦榜單給用戶推薦關(guān)注細(xì)分類目下的熱門商品，進(jìn)一步豐富購(gòu)物場(chǎng)景，促進(jìn)用戶點(diǎn)擊并達(dá)成交易。

此外，還可在一定程度解決用戶冷啟動(dòng)的問(wèn)題。榜單是基于用戶興趣的，而不是統(tǒng)一的榜單，是因?yàn)椋禾熵埰奉惙倍啵幌駡D書類電商或音樂(lè)應(yīng)用可以提供標(biāo)準(zhǔn)化的熱銷榜或Top10;天貓的用戶體量已經(jīng)足夠大，現(xiàn)階段可淡化用戶冷啟動(dòng)問(wèn)題，直接提供基于用戶行為的細(xì)分類目榜單也未嘗不可。

(10)猜你喜歡

作為最經(jīng)典的推薦場(chǎng)景，猜你喜歡欄位位于首頁(yè)末尾，第三屏即可劃到，以瀑布流的方式展示近200條個(gè)性化推薦的商品。之前的版本，200條推薦結(jié)果是分類目展示，比如服裝、電器、食品等，而且類目tab順序還會(huì)個(gè)性化調(diào)整。最近版本去掉類目tab，直接切換為瀑布流的方式。個(gè)人感覺(jué)不如之前的好。

對(duì)用戶，猜你喜歡的推薦場(chǎng)景可大限度的滿足用戶無(wú)限刷屏、閑逛的場(chǎng)景。對(duì)平臺(tái)，可以提供用戶個(gè)性化體驗(yàn)，探索用戶購(gòu)物興趣，刺激用戶消費(fèi)，促進(jìn)交叉銷售。

一般地，猜你喜歡欄位應(yīng)用基于物品的協(xié)同過(guò)濾算法，輸入用戶搜索、瀏覽、加購(gòu)等行為的商品，也可能會(huì)加上用戶的年齡、消費(fèi)能力、價(jià)格敏感度等標(biāo)簽元素，輸出的直接是推薦結(jié)果，很難提供推薦理由。但前兩條推薦結(jié)果有推薦理由。進(jìn)入商品詳情頁(yè)不難發(fā)現(xiàn)，推薦理由其實(shí)是來(lái)自于商品評(píng)論中高頻的兩個(gè)關(guān)鍵詞。

此外，每條推薦結(jié)果都提供了“看相似”功能，可以針對(duì)當(dāng)前推薦結(jié)果進(jìn)行下鉆，查看相似商品、相似品牌、相似榜單、相似搭配，進(jìn)一步挖掘用戶意圖，引導(dǎo)用戶達(dá)成交易。

推薦結(jié)果的點(diǎn)擊行為可作為正反饋，曝光未點(diǎn)擊、長(zhǎng)按刪除行為可作為負(fù)反饋，以此為依據(jù)持續(xù)對(duì)推薦模型進(jìn)行調(diào)優(yōu)，使推薦結(jié)果更加精準(zhǔn)。

首頁(yè)下拉刷新后會(huì)切換排序方式，可能是基于兩種不同的排序算法，如點(diǎn)擊率預(yù)估CTR/轉(zhuǎn)化率預(yù)估CVR。

2. 商品詳情頁(yè)

(1)商品詳情頁(yè)

是用戶完成加購(gòu)、提交訂單行為的重要頁(yè)面。用戶看完商品的圖文詳情，如果不感興趣就會(huì)跳出該頁(yè)面。因此，圖文詳情的最下方，適時(shí)地提供了“看了又看”和“精選好貨”推薦欄位。

(2)看了又看

欄位的輸入是當(dāng)前瀏覽的商品ID，通過(guò)關(guān)聯(lián)挖掘規(guī)則輸出相關(guān)商品，僅展示當(dāng)前品牌、當(dāng)前店鋪的商品，該場(chǎng)景的業(yè)務(wù)價(jià)值在于引導(dǎo)用戶路徑轉(zhuǎn)化，防止用戶流失，并提供其他相關(guān)商品，引導(dǎo)用戶進(jìn)入詳情頁(yè)完成交易。

(3)精選好貨

欄位的輸入是用戶歷史搜索、瀏覽、加購(gòu)等行為的商品ID列表，通過(guò)關(guān)聯(lián)挖掘規(guī)則提供的推薦商品列表。該欄位適用于閑逛過(guò)程中中斷當(dāng)前商品的購(gòu)物鏈路，轉(zhuǎn)向其他感興趣的商品的場(chǎng)景。但探索用戶的興趣路徑略深，個(gè)人感覺(jué)，如果改為推薦其他品牌或其他店鋪的相關(guān)商品會(huì)更閉環(huán)、更合理一些。

對(duì)于天貓超市的商品詳情頁(yè)，推薦場(chǎng)景則有所不同。

商品詳情頁(yè)的首頁(yè)下方直接展示推薦欄位，分別是猜你喜歡、看了又看、買了又買?？紤]到天貓超市大部分都是快消品，精選SKU，用戶的選擇成本已經(jīng)變得很低，比貨、選貨環(huán)節(jié)變?nèi)?，交易效率更高，因此推薦欄位從圖文詳情后面的較深位置直接提前到了首個(gè)tab第二屏位置。

看了又看

欄位根據(jù)瀏覽當(dāng)前商品的人協(xié)同過(guò)濾計(jì)算出還看了哪些商品，品類與當(dāng)前商品一致，提供的是相似商品列表，擴(kuò)大用戶的挑選范圍。

買了又買

欄位運(yùn)用購(gòu)物籃關(guān)聯(lián)挖掘，根據(jù)購(gòu)買當(dāng)前商品的人計(jì)算出還買了哪些商品，提供的是互補(bǔ)商品列表，深度挖掘用戶購(gòu)物意圖，以達(dá)到交叉銷售的目的。典型場(chǎng)景如某款嬰幼兒奶粉，看了又看推薦的是其他品牌的奶粉，而買了又買推薦的是母嬰人群關(guān)注的日常易耗品洗衣液。

看了又看和買了又買提供的是8條推薦結(jié)果，交互為左右滑動(dòng)加載全部。個(gè)人感覺(jué)如果將每屏最后的結(jié)果只顯示一半，暗示用戶可左右滑動(dòng)，交互會(huì)更合理。當(dāng)然，是不是天貓的產(chǎn)品經(jīng)理有意而為之就不好猜測(cè)了。

猜你喜歡

欄位更像是兩種推薦策略的結(jié)合，即相似商品、互補(bǔ)商品的推薦結(jié)果合集。

3. 購(gòu)物車頁(yè)

購(gòu)物車同樣是非常重要的功能頁(yè)，承載著收藏、提交訂單等功能。購(gòu)物車頁(yè)內(nèi)每個(gè)加購(gòu)的商品左滑有“點(diǎn)擊發(fā)現(xiàn)”，與刪除功能并列，設(shè)計(jì)也是別有心意，起到一定引導(dǎo)作用。點(diǎn)擊發(fā)現(xiàn)，則根據(jù)當(dāng)前加購(gòu)商品ID，推薦的相似商品、相似榜單、相似品牌，類似于上述推薦結(jié)果列表的“看相似”功能，下鉆推薦，進(jìn)一步幫助用戶找到目標(biāo)商品并達(dá)成交易。

加購(gòu)的天貓超市商品有“去湊單”功能，根據(jù)天貓超市內(nèi)加購(gòu)的商品ID，獲取關(guān)聯(lián)推薦的商品列表，以價(jià)格緯度展示，完成用戶的“滿88元包郵”的個(gè)性化湊單場(chǎng)景。

加購(gòu)的失效商品，推薦相似的商品列表，推薦策略類似于商品詳情頁(yè)的猜你喜歡。

最下方是猜你喜歡欄位，根據(jù)加購(gòu)的所有商品列表，推薦相關(guān)商品，可以幫助用戶完成貨比三家的場(chǎng)景。

4. 支付完成頁(yè)

商品支付完成，意味著完整的購(gòu)物鏈路已經(jīng)完成。支付完成后，下方依然有推薦商品欄位，沒(méi)有名字，暫且叫猜你還想買欄位，推薦場(chǎng)景是根據(jù)用戶購(gòu)買及瀏覽足跡，繼續(xù)推薦相關(guān)商品，引導(dǎo)用戶點(diǎn)擊并完成下一個(gè)購(gòu)物鏈路，良性循環(huán)。

(三)總結(jié)

總體來(lái)說(shuō)，天貓的推薦場(chǎng)景覆蓋了首頁(yè)、商品詳情頁(yè)、購(gòu)物車頁(yè)、支付成功頁(yè)等主要購(gòu)物鏈路的每個(gè)環(huán)節(jié)。

圍繞電商領(lǐng)域幾個(gè)核心KPI：CTR點(diǎn)擊率、CVR轉(zhuǎn)化率、GMV商品交易總額，天貓推薦系統(tǒng)通過(guò)復(fù)雜、適時(shí)的推薦算法和推薦策略，架起了海量用戶和海量商品的橋梁，為用戶千人千面的推薦個(gè)性化商品，其核心目標(biāo)無(wú)外乎是：引導(dǎo)用戶點(diǎn)擊、引導(dǎo)用戶轉(zhuǎn)化、增加用戶粘性。相信隨著推薦場(chǎng)景及算法的不斷迭代，推薦系統(tǒng)會(huì)為天貓?zhí)峁└叩匿N售轉(zhuǎn)化。

二、中后臺(tái)支撐

早在2015年，阿里就提出了“大中臺(tái)、小前臺(tái)”的發(fā)展戰(zhàn)略。其中中臺(tái)將集合整個(gè)集團(tuán)的數(shù)字運(yùn)營(yíng)能力、產(chǎn)品技術(shù)能力，對(duì)業(yè)務(wù)前臺(tái)形成強(qiáng)力支撐。本文的下篇就簡(jiǎn)要介紹幾個(gè)搜索和推薦相關(guān)的中后臺(tái)。

(一)HA3搜索召回引擎

檢索系統(tǒng)的流程如下：用戶→匹配&推薦→預(yù)估模型→排序展示。匹配(match)和排序(rank)是兩個(gè)重要環(huán)節(jié)，召回結(jié)果的質(zhì)量主要決定了搜索結(jié)果的質(zhì)量。

HA3是阿里巴巴搜索團(tuán)隊(duì)開(kāi)發(fā)的搜索召回引擎平臺(tái)，經(jīng)過(guò)多年迭代，已經(jīng)形成一套高效的在線數(shù)據(jù)存儲(chǔ)和管理框架，離線產(chǎn)出索引，在線響應(yīng)用query。

(二)在線機(jī)器學(xué)習(xí)系統(tǒng)

面對(duì)10億級(jí)的商品，全庫(kù)檢索是不可能的，將10億商品轉(zhuǎn)化為30層的二叉樹(shù)，機(jī)器學(xué)習(xí)層每層掃描，尋找最優(yōu)，從而將10億次衡量轉(zhuǎn)換為30次從上到下的衡量。后面的預(yù)估模型對(duì)給定的商品做興趣度的預(yù)估，點(diǎn)擊率預(yù)估、轉(zhuǎn)化率預(yù)估，通過(guò)預(yù)估后面有一些排序展示。

阿里搜索技術(shù)體系目前有offline、nearline、online三層體系，既能保證日常流量下穩(wěn)定有效的搜索，也能滿足雙11場(chǎng)景下的短時(shí)高并發(fā)。通過(guò)批量日志下的offline離線建模，到nearline下針對(duì)增量數(shù)據(jù)的實(shí)時(shí)建模在線預(yù)測(cè)，然后到在線機(jī)器學(xué)習(xí)和決策。

傳統(tǒng)的LTR(learning to rank)是根據(jù)歷史的數(shù)據(jù)構(gòu)造樣本，回歸出排序權(quán)重。這種方法解釋了過(guò)去的現(xiàn)象，但未必是全局最優(yōu)的。經(jīng)常給用戶反復(fù)展示歷史行為的檢索結(jié)果，缺少有效的探索能力。而通過(guò)在線強(qiáng)化學(xué)習(xí)(Reinforcement Learning，RL)，可對(duì)商品排序進(jìn)行實(shí)時(shí)調(diào)控優(yōu)化。

強(qiáng)化學(xué)習(xí)的過(guò)程很像是條件反射。如果把搜索引擎看成智能體(Agent)，用戶看成環(huán)境(Environment)。Agent每一次排序策略的選擇可以看成一次試錯(cuò)(Trial-and-Error)，把用戶的反饋，點(diǎn)擊成交等作為從環(huán)境獲得的獎(jiǎng)賞。在這種反復(fù)不斷地試錯(cuò)過(guò)程中，Agent將逐步學(xué)習(xí)到大化累計(jì)獎(jiǎng)賞，從而得到最優(yōu)的排序策略。

(三)品牌個(gè)性化排序系統(tǒng)

前面文章提到過(guò)品牌的重要性，除了在首頁(yè)的“發(fā)現(xiàn)品牌”欄位，搜索結(jié)果排序中，品牌因素也至關(guān)重要，將不同品牌的商品混雜在一起無(wú)疑增加了選擇成本。

跟品牌強(qiáng)相關(guān)的特征即價(jià)格，因此將商品價(jià)格劃分為7個(gè)區(qū)間，并結(jié)合8個(gè)電商指標(biāo)：CTR點(diǎn)擊率、CVR轉(zhuǎn)化率、GMV商品成交總額、ATIP客單價(jià)、搜索次數(shù)、點(diǎn)擊次數(shù)、加購(gòu)次數(shù)、交易次數(shù)，形成56維向量。

用戶行為類型特征也跟品牌強(qiáng)相關(guān)，購(gòu)買的權(quán)重會(huì)大于瀏覽和加購(gòu)的權(quán)重。然后基于此訓(xùn)練一個(gè)分類器。針對(duì)給定的用戶id，使用分類器預(yù)測(cè)喜歡不同品牌的概率，基于概率對(duì)品牌排序。最終的搜索結(jié)果排序中，融入品牌的特征，滿足了有品牌偏好用戶的需求。

(四)電商知識(shí)圖譜

阿里擁有全國(guó)大的電商領(lǐng)域關(guān)系圖譜，約幾十億實(shí)體、千億邊和幾十種關(guān)系類型。其中包括：

用戶社交圈：新浪微博關(guān)注、支付、淘寶天貓關(guān)注、通訊錄、家人、好友等;

用戶生活圈：家庭住址、工作地點(diǎn)、小區(qū)、城市、學(xué)校、商圈等;

用戶行為：商品的瀏覽、加購(gòu)、收藏、購(gòu)買、評(píng)價(jià)等;

用戶標(biāo)簽：偏好類目、偏好品牌、偏好店鋪等;

商品關(guān)系：商品相似、同款、搭配、一起買、湊單等。

知識(shí)圖譜將數(shù)據(jù)和知識(shí)高度結(jié)構(gòu)化，可應(yīng)用在搜索次歸一、搜索推理聯(lián)想、智能問(wèn)答、智能審核商品發(fā)布等領(lǐng)域。

(五)ABFS統(tǒng)一特征服務(wù)平臺(tái)

ABFS(AliBasic Feature Sever)，統(tǒng)一特征服務(wù)平臺(tái)，主要負(fù)責(zé)用戶實(shí)時(shí)數(shù)據(jù)的處理及特征統(tǒng)計(jì)，如用戶的基礎(chǔ)行為特征(瀏覽、加購(gòu)、收藏、購(gòu)買)、統(tǒng)計(jì)特征(點(diǎn)擊次數(shù)、轉(zhuǎn)化率)。用戶的實(shí)時(shí)數(shù)據(jù)在ABFS上，傳遞到TPP平臺(tái)供BE調(diào)用。

(六)TPP推薦平臺(tái)

TPP(ThePersonalization Platform)平臺(tái)，也稱阿里推薦平臺(tái)，承接了阿里集團(tuán)300+重要的個(gè)性化推薦場(chǎng)景，包括首頁(yè)猜你喜歡、購(gòu)物鏈路等。TPP平臺(tái)集成了RTP、iGragh、BE等常用服務(wù)，方便數(shù)據(jù)的流動(dòng)調(diào)用，降低開(kāi)發(fā)成本，幫助業(yè)務(wù)和算法快速上線迭代。

(七)BE向量化召回引擎

BE(BasicEngine)，向量化召回引擎，是DII中的推薦召回引擎，負(fù)責(zé)從多種類型的索引表中召回商品，并對(duì)候選商品集合進(jìn)行過(guò)濾和粗排序。線上召回效率極高，可以在幾毫秒內(nèi)對(duì)全庫(kù)商品進(jìn)行召回。

(八)RTP實(shí)時(shí)打分預(yù)測(cè)引擎

RTP(RealTime Prediction)，實(shí)時(shí)打分預(yù)測(cè)引擎，收到TPP推薦系統(tǒng)的前端請(qǐng)求后，RTP平臺(tái)實(shí)時(shí)產(chǎn)出特征，運(yùn)行CTR、CVR等各種預(yù)估模型，并對(duì)請(qǐng)求列表中的每個(gè)商品計(jì)算分值，得出精排序結(jié)果列表。

(九)iGragh圖查詢引擎

超大規(guī)模分布式在線圖存儲(chǔ)和檢索。數(shù)據(jù)流程中的用戶特征、用戶偏好類目、熱門商品召回等信息，不需要頻繁更新，存到iGragh上方便存儲(chǔ)和調(diào)用。

(十一)Porsche在線學(xué)習(xí)平臺(tái)

Porsche是基于Blink的分布式流式計(jì)算框架，提供了日志處理、特征計(jì)算和實(shí)時(shí)建模的插件接口。算法人員通過(guò)在Porsche平臺(tái)上離線調(diào)試模型，調(diào)到最優(yōu)結(jié)果再發(fā)布到線上。如：用戶商品復(fù)購(gòu)率模型、用戶商品喜好歸因分析模型等。

(十二)智能設(shè)計(jì)平臺(tái)

智能設(shè)計(jì)平臺(tái)，包括智能生成、創(chuàng)作助手、智能排版、設(shè)計(jì)拓展等功能模塊，可幫助企業(yè)快速、批量、自動(dòng)化的進(jìn)行圖片設(shè)計(jì)。

一鍵生成：將商品相關(guān)素材、文字輸入，選擇自己需要的海報(bào)尺寸、風(fēng)格等，可自動(dòng)生成符合要求的海報(bào)作品。

智能排版：將拍攝好的照片和需要的文字輸入，選擇尺寸，可自動(dòng)生成帶有隨機(jī)風(fēng)格的海報(bào)作品或產(chǎn)品展示。

設(shè)計(jì)拓展：將設(shè)計(jì)完成稿輸入，選擇需要拓展的尺寸，可自動(dòng)生成相應(yīng)拓展尺寸的結(jié)果。

智能創(chuàng)作：擁有自己獨(dú)特風(fēng)格的設(shè)計(jì)師將自己創(chuàng)作好的系列作品輸入，可以訓(xùn)練機(jī)器，并成為系統(tǒng)新的效果風(fēng)格。