电商千人千首页个性化推荐技术方案

可视化演示

动态演示电商千人千首页个性化推荐技术的核心机制，通过输入/处理/存储/输出四种模式展示关键概念与交互流程。

用户画像构建

金牌导购的柜台抽屉里，锁着一摞“顾客档案卡”。卡片上贴满了彩色标签：爱运动、数码控、价格敏感、宝妈、熬夜党。每接待完一位顾客，导购都会在卡片上添一笔：今天摸了三件外套，最后买走一件米色的。这些档案卡就是用户画像的线下版。

放到电商系统里，档案卡变成了一条条行为日志和标签数据。画像构建要解决四个问题：数据从哪来、行为怎么提、标签怎么打、更新怎么快。第一是数据采集埋点，App 前端把曝光、点击、加购、下单等事件上报到日志系统，相当于导购默默观察顾客的每一个动作。第二是行为特征提取，从原始日志里聚合出品类偏好、价格带、活跃时段等特征，相当于把“摸了三件外套”量化成“外套=3次，米色=1次”。

第三是标签体系设计，把特征映射成事实标签（近7天购买3单）、兴趣标签（数码偏好0.8）、预测标签（未来7天购买概率70%）三层。第四是画像实时更新，用带衰减的公式让旧行为随时间弱化，否则三年前的“喜欢童装”会一直统治今天的画像。

有了这套动态档案卡，导购每次见到老顾客，卡片上的标签都会翻新一层。顾客一年没来，旧标签自然褪色；来了三次狂买运动装备，新标签“运动”立刻贴上最显眼的位置。

实时推荐算法

档案卡只是基础，导购真正的本事是“一眼判断该带你去哪”——脑子里瞬间闪过几百个顾客的购买史，找出和你最像的几个，顺着他们的购物车倒推你可能会喜欢什么。这就是推荐算法的日常。

技术上的名字叫协同过滤，核心假设是“和你行为相似的人，喜欢的你也大概率喜欢”。要判断“相似”，最常用的尺子是余弦相似度。系统先构建“用户-物品”评分矩阵，行为越多数值越高；然后计算物品两两之间的相似度，把用户买过的物品的“邻居”召回出来；最终按相似度加权求和得到候选商品得分，取 TopK 进首页。与此同时，近线实时特征接入让“刚刚收藏”这类新信号在几秒内就影响下一次刷新，让推荐永远跟得上用户的当下心情。

余弦相似度把每个物品的用户行为看作一个向量，用向量夹角的余弦值衡量相似度——夹角越小越像，取值范围落在 0 到 1 之间。

导购的“瞬间判断”其实背地里是几千个老顾客在帮忙投票——这一单推荐，不是你一个人的喜好决定的，而是你和千万个“同类人”合谋的结果。

首页模块渲染

导购不只带你逛，还会动手改陈列。她知道李女士常买羊绒衫，就把羊绒区挪到入口最显眼的屏风前；知道王先生只看数码，就把相机展柜摆到过道正中。展示台就是模块，布置就是渲染。

电商首页是一块由多个模块组成的拼图板：顶部 banner、金刚区 icon、秒杀专区、热销榜单、“猜你喜欢”信息流。千人千面的关键，是让每个模块的排序和它内部的商品，都随用户画像动态变化。模块渲染包含两层决策：模块级排序——“猜你喜欢”放第一屏还是第三屏？秒杀要不要置顶？用加权得分公式计算每个模块的优先级；单元级内容——每个模块内部从候选池里取哪些商品，优先取画像匹配度高的。

实际工程上，首页通常由配置化平台下发模板，服务器根据用户画像实时填充每个坑位的商品 ID，客户端拿到数据后按模板渲染，做到不同用户首屏差异肉眼可见。遇到缓存或模块数据缺失时，自动降级为默认排序或热门内容，保证页面永不白屏。

导购每一次搬动柜台，都是“客户最大利益”和“商场经营目标”的博弈。首页渲染也一样——完全顺着用户会造成信息茧房，完全听老板会造成没人买账，加权公式就是那把把两边掂量清楚的天平。

冷启动处理

最难的是接待一位陌生顾客。没有档案卡、没有介绍人，导购只能先笑盈盈地问两句“平时喜欢跑步还是瑜伽？”顺手递上店里卖得最好的三款基础款，再从对方的反应里快速建立新卡片。这个“从陌生到熟悉”的过程，对应推荐系统里的冷启动。

冷启动有两类：新用户冷启动（没有行为数据）和新品冷启动（没有销售记录）。两者的共性都是“没有历史，无法用协同过滤”。解决方案分两路：一是试探，二是兜底。探索方面，给新用户推少量高探测价值的商品——用地域、设备型号、注册渠道等稀疏信号做粗画像，再结合随机探针，观察点击后立刻更新画像；新品则利用内容属性（图文标签、类目）计算与已有热销品的相似度，先混进相似推荐位。

兜底方面，热门榜是永远的最后防线，保证体验不崩。探索与利用的平衡，学术界用 UCB（上置信界）算法做取舍：被试次数少的商品，即使当前点击率不高，也会获得一次“再试试”的额外加分。

新顾客第一次进店，导购不会让他空手而归——先推荐最稳妥的基础款保底，再穿插一两个小众试探款钓鱼，对方多看一眼，档案卡上就多记一笔。冷启动不是没有推荐，而是“边推荐边建档”。

A/B测试方案

导购琢磨出一套新话术，但不敢对所有顾客用——万一惹恼老主顾，得不偿失。于是她决定：这周只对老顾客里的 A 组用新话术，B 组继续用老话术，月底翻台账比一比两组的成交金额。这就是零售界的 A/B 实验。

线上推荐也一样，任何算法改动都不能直接全量上线。A/B 测试把流量按用户 ID 哈希分桶，保证同一用户永远只进一组，避免实验穿透；两组同时在线运行不同策略。核心指标选转化率、客单价、GMV，辅助指标看人均点击、浏览深度；然后计算 Z 统计量并与 1.96 比较，判断差异在 95% 置信水平下是否显著；最后按 10%→30%→50%→100% 灰度放量，随时准备回滚。

导购月底翻台账时，不光看总金额，还要看两组顾客的回头率、投诉率——就像线上实验不能只看转化率，还得盯住用户满意度、客诉这些“长期台账”。数据说话，话术升级才敢全面铺开。

系统架构部署

前台只有一位金牌导购，背后却站着一个商场：仓库管理员每晚盘点库存（离线），理货员每隔几分钟补一次货架（近线），导购本人负责当下问答（在线）。三层各干各的，又紧密衔接——推荐系统的架构也是这个分工。

千人千面要支撑数亿用户、毫秒级响应，不能全在用户请求那一刻临时算。业界标准做法是“离线 + 近线 + 在线”三层架构：能提前算好的绝不现算，能缓存住的绝不回源。离线层用 Spark/Hive 跑批量任务，产出用户画像、物品相似度、热门榜，每天凌晨更新一次；近线层用 Kafka 接实时行为流 + Flink 做流计算，按分钟级刷新“实时热门”“刚刚在看”这类动态信号；在线层用 Redis 缓存画像和推荐结果，配合 RPC 接口在 50ms 内返回首页数据。

性能预算上，缓存命中率是生命线——命中高，响应快，数据库压力小。

导购脱口而出的那句“张先生，新款跑步机到了”，并不是临场翻库存清单，而是仓库夜里备好货、理货员刚摆上架、导购提前背过新款卖点。推荐系统也是如此——你看到首页的每一件商品，都是离线、近线、在线三层提前排练好的结果。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""千人千面首页推荐 - 简化版实时推荐流水线"""import randomfrom collections import defaultdict # 商品-标签矩阵: item -> {tag: 权重}catalog = {    'camera': {'digital': 0.9, 'photo': 0.8},    'shoes':  {'sport': 0.9, 'outdoor': 0.7},    'lipstick': {'beauty': 0.9, 'fashion': 0.6},    'earphone': {'digital': 0.8, 'music': 0.7},    'mat':     {'sport': 0.8, 'health': 0.7},} # 用户画像: user_id -> {tag: score}profiles = defaultdict(lambda: defaultdict(float))  def update_profile(user_id, item_id, alpha=0.2):    """用户点击/购买商品后, 用衰减加权更新画像标签分数"""    for tag, weight in catalog[item_id].items():        old = profiles[user_id][tag]        profiles[user_id][tag] = alpha * weight + (1 - alpha) * old  def recommend(user_id, top_k=3):    """根据用户画像给候选商品打分, 返回首页 TopK 商品列表"""    profile = profiles[user_id]    scores = {}    for item_id, tags in catalog.items():        s = sum(profile.get(tag, 0.0) * w for tag, w in tags.items())        scores[item_id] = s    ranked = sorted(scores.items(), key=lambda kv: kv[1], reverse=True)    return [item for item, _ in ranked[:top_k]]  def simulate_view(user_id, item_ids, click_rate=0.3):    """模拟用户浏览首页并随机点击其中一些商品"""    for item_id in item_ids:        if random.random() < click_rate:            update_profile(user_id, item_id)  if __name__ == '__main__':    # 两个兴趣不同的用户分别有历史行为    update_profile('u_001', 'camera')    update_profile('u_001', 'earphone')    update_profile('u_002', 'shoes')    update_profile('u_002', 'mat')     # 再浏览一轮, 画像继续更新    simulate_view('u_001', ['camera', 'earphone', 'lipstick'])    simulate_view('u_002', ['shoes', 'mat', 'camera'])     home_a = recommend('u_001')    home_b = recommend('u_002')    print('User A home:', home_a)    print('User B home:', home_b)    print('Personalized:', home_a != home_b)

1. catalog = {'camera': {'digital': 0.9, 'photo': 0.8}, 'shoes': {'sport': 0.9, ...}}商品-标签矩阵，相当于商场的商品知识库，每种商品天生携带匹配哪类人群的信号。
2. profiles = defaultdict(lambda: defaultdict(float))用户画像容器，每个用户一个“标签→分数”的嵌套字典，没出现过的标签默认为 0。
3. old = profiles[user_id][tag]取出该标签的旧分数，作为衰减更新的起点。
4. profiles[user_id][tag] = alpha * weight + (1 - alpha) * old画像更新公式：本次行为贡献 α×weight，旧分数按 (1-α) 折损后保留。
5. s = sum(profile.get(tag, 0.0) * w for tag, w in tags.items())商品得分 = 画像各标签分数 × 商品标签权重的累加和。
6. ranked = sorted(scores.items(), key=lambda kv: kv[1], reverse=True)按得分降序排列，取 TopK 作为首页展示。
7. simulate_view(user_id, item_ids, click_rate=0.3)模拟真实浏览：不一定每个商品都点，只以 30% 概率触发画像更新。
8. print('Personalized:', home_a != home_b)一句话验收千人千面：两个用户的首页列表必须不同。

常见误区

面试题