去商城購物，導購可以感知客戶的訴求推薦商品來達成交易，那么商城網(wǎng)站要如何揣摩用戶的心思來達成商品交易呢?在網(wǎng)上商城系統(tǒng)里只能通過數(shù)據(jù)分析與用戶瀏覽規(guī)劃來推薦商品達成效果，所有不著調的推薦都是耍流氓，不著調的推薦不如不推薦。

　　推薦算法主要有基于內容的推薦算法、協(xié)同過濾算法和基于人口的統(tǒng)計學推薦。先來移動云商城小編為大科普下這幾種推薦算法，分析用戶需求，做精準推薦

　　1、內容的推薦算法(CB)：為每個item提取特征建模

　　CB基于商品相關性構建商品模型推薦。商品相關性包括商品類目、屬性、參數(shù)、關鍵詞、組合商品等。

　　舉個簡單栗子，你去買手機，導購員看見你進來就知道你買手機，這是商品類目;你說，看看粉色的蘋果，內存要大點，導購拿來128G的紅色iPhone7，粉色是屬性，內存是參數(shù)，導購拿來的不是水果，因為蘋果是iPhone的關鍵詞。等你決定買粉色128G iPhone7時，導購和你說，今天買手機再加10元可以買一個手機殼，這個是商品組合推薦。電商系統(tǒng)也是如此，一步步猜中用戶心思，用戶才會信賴網(wǎng)站。目前電商中純粹使用CB算法的不多了，對于初建網(wǎng)站，沒有用戶數(shù)據(jù)的前提下，主要依賴于CB算法推薦商品。

　　2、協(xié)同過濾算法(CF)

　　(1)基于用戶的CF

　　基于用戶對物品的偏好找到相鄰鄰居用戶，將鄰居用戶喜歡的推薦給當前用戶。大學時期和你經(jīng)常一起看電影的閨蜜和你說，最近上映的《摔跤吧，爸爸》很好看，會讓你更想去看這部電影，因為你知道，她喜歡看的，一般你也喜歡看。“喜歡XX的人也喜歡”就是典型的User CF。

　　(2)基于物品的 CF

　　基于用戶對物品的偏好找到相似的物品，然后根據(jù)用戶的歷史偏好，推薦相似的物品給他。經(jīng)常遇到的就是你買褲子時，導購和你說，這款是我們銷量最好的， 剛還買走一個呢。除了物物關聯(lián)外增加了用戶偏好，根據(jù)大眾偏好預測你還沒有表示偏好的物品，比如大家都在買。

　　3、基于人口的統(tǒng)計學推薦

　　根據(jù)用戶的屬性建模，通過用戶特征計算用戶間的相似度。常見的有用戶注冊時添加感興趣標簽、榜單、熱點等。

　　推薦算法無外乎是商品相關性、用戶行為、大眾行為。最后，推薦不是越多越好，推薦是越準確越好，多而不準確的推薦，在用戶看來是一次次地眼睛被強奸。