京东首页改版： “千人千面”的源动力

2015年4月，京东首页改版，推出基于个性化推荐引擎的“千人千面”，这也意味着，每个用户都会看到不一样的个性推荐。“千人千面”如何实现？背后又有什么有趣的故事？京东商城研发部“推荐搜索部”负责人刘尚堃道破天机。

京东首页改版：“千人千面”成亮点

2015年3月27日，京东商城新首页（WWW.JD.COM）正式亮相。新首页不仅对楼层设计进行了全面优化，更依靠大数据技术实现了千人千面的个性化内容推荐，以更亲切流畅的用户体验、更丰富的购物动线，带给用户全新体验。

值得一提的是，基于大数据平台和个性化推荐算法，京东新首页在“今日推荐”和“猜你喜欢”两个板块上实现了“千人千面”，即针对不同用户提供不同内容展示。看似简单的推荐，在背后依靠贯穿京东在网页版、移动端、微信手Q平台上的海量用户行为数据，建立了用户、商品和店铺之间的关联图谱，为用户提供丰富多样的商品候选集合。同时，精细的用户全貌刻画能准确感知用户的实时和长期兴趣，降低重复品类推荐对用户造成的困扰。据测试数据，新版在点击率、转化率、流量分发等指标上相对旧版有了明显提高。

京东新首页增加了“今日推荐”和“猜你喜欢”两个全新板块

“千人千面”技术揭秘：和“超女”选拔一样？

“千人千面”如何实现，实际上个性化推荐和“超女”选拔没有什么两样。首先是海选，即从海量商品选取到用户感兴趣的候选集合，其次再基于候选进行排序，相当于是总决赛。

在海选层面，选取候选集合会利用“召回模型”，这个模型会基于很多维度，如购买行为、浏览行为、用户偏好、地域属性等进行运算。首先来看看基于购买行为的召回，某个用户购买了Kindle，模型就会推荐一个Kindle的保护套，这是基于购买的搭配；再来看看基于浏览行为的召回，最近股市很火，某用户最近浏览金融类的入门书籍比较多，模型就会推荐一些炒股类的书籍；复次，基于用户偏好的召回，比如某用户喜欢服饰箱包、喜欢GUCCI品牌、喜欢BB霜、该用户是女性、职业为销售经理等，购买力中等偏上，就会根据用户的偏好进行针对性召回；最后，基于用户地域的召回，比如某北京三里屯地区用户感兴趣的商品可能有扑克牌，水等；而北京某小学校的主要数据集中在袜子、晾衣架等等。

基于不同模型下的转化率分析结果

好了，海选部分可能大家都十分清楚了。那么，基于候选进行排序，即“总决赛”阶段，是怎么玩的呢？刘尚堃表示，这就是一个排序的算法问题了。京东有许多算法模型，目前采用的办法是多个模型融合算法，这样效率会最大化。从算法来看，有8-9个模型，如在线相关，在线相似，离线相关，离线相似，近期比较热销的品牌和品类、基于用户实时行为建立的一些模型。京东发现，将所有的模型组合在一起，总体效率是最高。

那么，京东如何支持算法的高速迭代呢？那就是通过“实验竞争”去实现，通过平均每周7至8个算法实验去衡量相关指标的达成率，如转化率、点击率、GMV等等，由此保持优胜劣汰的生态环境。

技术创新：驱动京东业务增效

京东是一个技术驱动的电商企业。那么，京东技术创新是如何驱动业务增长的呢？

仍然以上述推荐引擎为例，在京东多个频道中，就采用这种强大的推荐引擎。技术部门刚开始将用户“近期关注的商品”和“最近点击的商品”作为两个模型加入进去，整体转发率较之原算法提升了100%%左右。后又把用户“放入购物车的商品”作为另外一个模型加入，整体绩效又提升5%%~10%%。当然，这也并不是越多越好，京东也会进行除重过滤，用户已经购买的商品绝不会贸然推荐，京东会引入品类、品牌的周期性模型，比如牙膏、牙刷易耗品可能过一两个月会推荐，电视、冰箱会经过一年或者是半年推荐。除了多模型融合外，京东还进行了排序学习算法的优化，又有一个20%%的提升。

而值得一提的是，京东“用户画像”的技术应用，它不仅可以为用户推荐个性化商品，更促成了精准营销的达成。京东“用户画像”是怎么实现的呢？据悉，京东是通过商品画像推导出用户画像的。因为商品有自身品牌，品类，商品适用的人群，价格指数等等。京东会结合用户的行为，因为用户有一连串对商品的点击、购买、关注和收藏等举动，系统就会推导得出用户的画像。比如说一个爱好数码的人，经常关注数码类的新品，有的人长期喜欢户外，可能长期关注一些冲锋衣等等。

在京东用户画像技术中，也逐步引入场景化映射能力。京东有首页PC端，手机APP，微信、手Q等等，用户在微信、手Q的行为可以体现在APP和PC端。比如说某用户在公司的点击、购买、关注和收藏行为会揭示其兴趣所在，当他回到家中看电视时，他手机推荐的场景就会力求匹配其兴趣。由此，“用户画像”不仅能随时随地以场景化的映射满足用户需求，也为精准营销的实现提供了可能。目前，京东在移动端实现了个性化推荐占比10%%以上，带来的订单贡献占移动端总订单的比例也超过10%%。

京东个性化推荐：未来的优化方向

京东个性化推荐未来将向什么方向优化？刘尚堃表示，除了单品之外，将有可能把推荐对象延伸至类目。“有一些单品在个性化推荐当中，并不太容易产生直接的转化，比如说像手机、情侣睡衣、冰箱、笔记本、手表、平板电视等等。这些东西给了推荐之后，用户并不会直接买，可能会有兴趣，会去点击。用户要买一个手机、男表会经过很多思考才会买。像这些东西怎么办？更多的给推荐一个类目，不会推荐到具体某一个手机，而是会在猜你喜欢的推荐类给你一些品牌、店铺或者是一些活动，从单品引向更宽的入口。”

在推荐产品形态上，也会考虑增加“落地页”的设计。在落地页中，不仅有相似商品，还有相关商品的推荐。在推荐算法上，京东会应用一些新技术，如将DNN技术应用到推荐排序当中去。“我们原来是L2R算法，未来将使用DNN技术，会进一步丰富排序的特征。”

刘尚堃对京东个性化推荐信心满满，“在当前推荐位的情况下，再提升40%%、50%%的效能是能做到的，因为京东个性化首页产品上线还不到一个月。”。而谈及个性化推荐是否会对首页加载速度有影响时，刘给出了否定的答案，“不会，每秒支持10000QBS（每秒查询率）是没有问题的。”

或许，在未来的京东，每个用户都能实现完全个性化的首页和栏目页，这也意味着，京东将更多的变成一个智能化的电商平台，知用户所需，荐用户所想。这一天会提前到来吗？我们拭目以待。