电商行业中，对于用户的商品推荐，一直是一个非常热门而且重要的话题。目前，应用千人千面推荐最多的领域就是电商行业，数千亿的sku和数亿的用户为个性化推荐系统提供了完美的发挥空间。

在电商网站里进行商品推荐，可以提高整个网站商品销售的有效转化率，增加商品销量。

通过用户已经浏览、收藏、购买的记录，更精准的理解用户需求，对用户进行聚类、打标签，推荐用户感兴趣的商品，帮助用户快速找到需要的商品，适时放大需求，售卖更加多样化的商品。甚至在站外推广时，能够做个性化营销。

商品推荐分为常规推荐、个性化推荐。

常规推荐是指商家选择一些固定商品放在推荐位，或者基于商品之间的关联性，进行相关的商品推荐。例如：在用户买了奶瓶之后推荐奶粉。个性化推荐指基于用户购物习惯，根据商品特性来进行推荐。例如“看过此商品后的顾客还购买的其他商品”推荐项。

电商系统中的商品推荐位一般有：

首页运营Banner最底部的位置(猜你喜欢/为你推荐)、购物车最底部的位置(猜你喜欢/为你推荐)、商品详情页中部(看了又看、买了又买、为你推荐等)、用户签到等位置。还有这两年兴起的内容电商，通过社区做内容来提高转化率。

对于应用的效果，通常推荐系统的核心考核指标可以分为三大类：流量类、转化率类和GMV类。

为了保证这些指标能够符合预期，超正向发展，都会采取不同的策略来进行保障。不同的业务，同一业务的不同发展时期，考核指标不尽相同，与之对应的策略也随之改变。

但是，有一些共性的策略是大多数电商业务场景下在设计推荐系统的时候都需要遵循和采纳的，细分一下大概有9种。

白底图提权策略：

所谓商品白底图就是一张无底色，突出商品全貌的图片，一般都会有大小，格式等限制。

在商家创建商品的时候都需要商家上传一张白底图，通常都是可选项，而且明确告知商家上传白底图的商品在推荐结果中会进行优先展示。这样设计能够使用户更容易识别，同时使得产品界面更加整洁。

同图过滤

同图过滤是指对于推荐召回结果中相同的商品主图进行过滤 。

这个策略主要是从几个方面去考虑：

商品主图相同会干扰用户选择，降低用户对平台的信任度;另一方面，影响商家的正常利益。这个很好理解，一般同图肯定都是盗图。

在设计同图过滤策略的时候，需要注意的是，对于同图的几个商品到底该留哪一个?这就要看我们的推荐策略导向了。

复购过滤：

相信大家都有过这种体验：当你购买了一件商品之后，相关的推荐位会频繁推荐其他型号的该商品，甚至直接推荐已经购买的那个型号，用户体验就很差。

复购过滤策略就是解决这种问题的。针对用户已经购买过的商品在推荐结果中进行过滤。该策略主要是考虑到大多数商品用户在短时间内不会进行复购，重复推荐不仅会影响用户体验，而且也不会带来很高的转化。

一般来说，复购策略的设计可以从品类入手，不同的品类定义不同的复购周期。比如对于快消品(零食，小生活用品...)，复购周期通常比较短;但是对于一些3C电子类产品(电脑，手机，电视...)，通常复购后期比较长。

无货过滤：

无货，谈何下单!推荐系统通常需要对接库存系统，来进行库存判断，对无货sku进行过滤。

下架屏蔽：

这个一般也都是电商推荐策略必备的。

商品下架一般包括自然下架和紧急下架。自然下架一般包括无货，商家主动下架(比如换季等原因)等等;而紧急下架的商品无非有几个原因：商家问题，商品问题，平台问题。这三种问题都会严重伤害用户利益，商家利益，或者平台利益。

SPU去重：

spu去重是指在spu的维度进行商品去重。

电商行业通常有product，sku，spu等概念，他们之间的关系不固定，有一对一关系，有一对多关系，有多对多关系，取决于商品后台体系的设计。对于电商业务来说，推荐结果一般都是sku维度的，那么对于某些业务下，就会出现多个sku同属一个spu。

当然，在基于spu进行去重的时候，如何确定sku的去留，一般来说也是和推荐策略导向挂钩的。

曝光降权：

曝光降权策略全称为“曝光未点击降权策略”，这个可能就比较好理解了。

推荐位一般都是有限的，对于占用推荐位但是未提供较高的点击转化率的单品需要进行降权处理，才能保证其他推荐item的曝光率。

具体的降权策略，一般会基于推荐item线上的ctr或者cvr进行建模，从而最大化保证每一个坑位的价值。

购买力匹配：

购买力匹配策略主要动机是“为合适的用户推荐合适的商品”。

这个也是的电商的一个共性的策略。同一类目下的sku很多，尤其是一些大类目。这些sku品质层次不齐，价格也就多种多样，比如对于笔记本电脑、苹果、联想、华为、惠普，不同品牌的价格不一样，哪怕是相同的配置。

而与之对应的就是一个用户购买力的分层，用户购买力的衡量通常会基于一定时间窗范围内用户在电商平台点击，关注，加购和下单的商品价格进行评定。

按照用户的购买力进行商品的个性化推荐，一方面能够提升用户体验，让用户能够找到适合自己的;另一方面会对平台GMV，转化率等指标起到积极的作用。让用户买的起。

推荐策略是整个推荐逻辑的核心，比如猜你喜欢场景，有用户实时特征做相关性的召回策略，也有用户离线特征的相关性召回策略。个性化推荐所取得的成就是一个“意料之外却情理之中”的结果。个性化用户体验将是大势所趋，从搜索走向发现(推荐)，通过搜索满足用户主动表达的需求。

以上就是电商平台商城推荐系统设计的关键注意点，星欧平台电商提醒，对于电商推荐产品来说是必须要考虑到的，至于具体的应用就需要依据不同的业务模式，应用场景进行个性化设置，总之一切的策略都是为推荐系统的三大核心指标服务和保障的。