IS/Recommendation即时推荐系统

IS/Recommendation即时推荐系统是在线交易系统和用户体验很重要一块，也是用户浏览商品的重要途径，能帮助用户发现类似并感兴趣的产品，增加商品的访问量，将访问者转化为购买者，引导用户购买。最终产生的价值是提升用户购物体验和用户粘度，提高订单量。相比于精准营销广告，推荐系统产生的信息更为自然，同样能起到推销商品的目的。
　　英孚斯迈特经过长期的积累和改进，已拥有一套完善的智能推荐系统，英孚斯迈特综合利用以下几种方法，为用户推荐其喜欢的商品或内容。
1）将电子商务网站的浏览者转变为购买者：电子商务系统的访问者在浏览过程中经常并没有购买欲望，个性化推荐系统能够向用户推荐他们感兴趣的商品，从而促成购买过程。
2）提高电子商务网站的交叉销售能力：个性化推荐系统在用户购买过程中向用户提供其他有价值的商品推荐，用户能够从系统提供的推荐列表中购买自己确实需要但在购买过程中没有想到的商品，从而有效提高电子商务系统的交叉销售。
3）提高客户对电子商务网站的忠诚度：与传统的商务模式相比，电子商务系统使得用户拥有越来越多的选择，用户更换商家极其方便，只需要点击一两次鼠标就可以在不同的电子商务系统之间跳转。个性化推荐系统分析用户的购买习惯，根据用户需求向用户提供有价值的商品推荐。如果推荐系统的推荐质量很高，那么用户会对该推荐系统产生依赖。因此，个性化推荐系统不仅能够为用户提供个性化的推荐服务，而且能与用户建立长期稳定的关系，从而有效保留客户，提高客户的忠诚度，防止客户流失。
l 导购的培养-mahout机器学习
　　一个导购人员水平的高低，会直接影响网站的销量，我们使用mahout的机器学习库中的-《基于item的协同过滤》算法来培养我们的导购。
　　导购的学习过程是根据顾客以往的购买和浏览行为进行总结，比如说一般看了这个商品的顾客，都还喜欢那些商品，他们还最有可能购买那些商品，这就是导购所必须学会的经验。
l 帮助顾客-找到他们想要的
　　根据顾客的访问历史，结合导购的经验，确定顾客的喜好，帮助他们更快的找到想要的商品。
　　对于新顾客，通过不断的引导,观察，协助其找到想要的商品。
　　对于老顾客，我们要记住他们的喜好，再次光顾的时候，直接推荐他们感兴趣的。
l 推荐引擎整体架构 

l 架构阐述 

1、 后台管理系统 

u 管理我们的推荐-自定义 

u 控制那些商品不应该被展示 

u 利润较高的商品更容易沈阳软件开发

2、 推荐规则库 

u 存放商品推荐权重 

u 存放屏蔽商品 

3、 商品推荐库 

u Mahout计算出来的商品推荐结果 

u 自定义推荐商品 

l 我们的优势 

1、运行在hadoop分布式集群之上，我们有如下优势。 

PB级别数据的存储能力（1PB=1024TB，1TB=1024GB） 

单次10TB级别的计算能力，如果按常规1亿的日志量占用100G的存储来估计，我们可以支撑每天100亿规模的网站的推荐计算。 

强大的容错能力：不因个别机器硬件的损坏而影响服务，集群的扩容都不会影响服务。 

2、基于开源mahout之上实现的算法 

背后有yahoo,facebook,lucene等开源社区作为支撑，大师级的作品。 

算法的实现灵活方便，可拓展性强，更适合不同的产品根据自身业务状况进行相关调整。 

基于item的协同过滤推荐，在鼻祖亚马逊，国内的当当，豆瓣这些知名网站都有非常成功的先例。