淘宝公布商品推荐算法，坚持科技向善

最近看淘宝规则中心发布了两条最新公告，一篇是坚持科技向善，让每一次购物更安心！，另外一篇就是坚持科技向善，让每一位用户更懂推荐算法。

       
文中公布如何衡量两个商品是否相似的算法，就是余弦相似度公式。
       
余弦相似度衡量的是两个向量在方向上的相似性，与向量的长度无关。

1、 如果两个向量方向完全相同，夹角为 0^\circ，余弦相似度为 1。
2、如果两个向量垂直，夹角为 90^\circ，余弦相似度为 0。
3、如果两个向量方向完全相反，夹角为 180^\circ，余弦相似度为 -1。
       
这个公式在电商平台有非常重要和广泛的应用。

1、商品推荐系统，可以对用户行为向量化，计算用户相似度，基于商品特征向量，进行相似商品推荐。这就是为何以前电商是人找货，现在是货找人，平台只要计算跟你相似度比较高的用户购买了什么，平台就会向你推荐什么商品。

       
2、搜索排序优化。将用户搜索词和商品信息都转化为向量，计算搜索词向量与商品标题/描述向量的余弦相似度，相似度越高，在搜索结果中排名越靠前。

用户搜索“轻薄笔记本电脑”：
商品A标题：“超薄便携商务笔记本” → 高相似度。
商品B标题：“游戏台式电脑主机” → 低相似度。
所以推荐谁，大家也就一目了然了。

       
3、用户画像和精准营销。基于用户的浏览、购买历史构建兴趣向量，用余弦相似度将用户分群（科技爱好者、美妆达人、家居用户等），针对不同群体推送个性化营销内容。

       
4、评论分析和商品归类。将商品评论转化为情感向量，通过余弦相似度识别具有相似评价模式的商品，帮助发现“性价比高”、“质量差”等共性特征的商品群。

       
5、价格策略优化。将竞品的功能、规格、品牌定位向量化，计算自家产品与竞品的相似度，针对高度相似的产品制定竞争性价格策略。

       
电商平台正是依靠这样的相似度计算，实现了从“人找货”到“货找人”的转变，大幅提升了转化率和用户体验。

       
所以我们在运营的时候，也要考虑平台的算法机制，想想如何能够让自己的商品能够更多的被推荐到自己的目标客户群体面前，这就要明确知道自己目标人群的画像是什么，他们常用的搜索词是什么，对产品的目标定位是什么，让自己的商品、详情向你的目标客户群体去靠近，相似度越接近，那么被推荐的机会就越大。

       
当然，这个公布的公式应该只是算法中的一个，不过也够大家去进行消化的了。