推薦系統 - 商品推薦（新人心得）

起因：

小編近期看了 58沈劍 的架構師之路，在里邊，小編看到了一篇關於商城里邊的推薦系統的理論文章《從0開始做互聯網推薦-以58轉轉為例》，深有感觸，但里邊沒有詳細講解，所以小編就自己琢磨，最近有點研究成果，所以拿來和大家分享，共同學習，一起進步~

 

商品推薦：

為什么我們需要這個商品推薦呢？淘寶里邊的商品成百上千萬，但大部分我們是不需要的，只有很少的一部分，才是我們需要的，如果我們不實現商品推薦，我們就不能推送較為適合客戶的商品，從而會損失一部分客戶資源。所以，我們需要實現商品推薦，來實現客戶的買了再買，看了再看的目的。

 

實現商品推薦

1、收集數據

我們要根據每個不同的客戶，來推薦適合他們的產品，這時候，我們就需要采集用戶的數據，如：商品購買記錄，商品收藏記錄，商品評價記錄等數據（這篇文章我們只以這三個記錄為准）。所以我們需要創建以下三個表：

 

• 用戶商品購買記錄表
• 用戶商品收藏記錄表
• 用戶商品評價記錄表

 

問：為什么需要這些表？我們不能直接從商品訂單表、用戶收藏表、評價表里邊分析嗎？

答：小編認為這樣不好，一是因為后期數據量龐大的時候，讀取數據會很慢，不利於我們分析的實時性。二是訂單有購買、退款等操作，在數據量大的時候不好識別用戶是否退款，不可能每次分析都要去分析全庫的，因為有些數據，我們只需要分析一遍就夠了，比如購買沒退款的。

 

// 用戶購買商品記錄表 CREATE TABLE `user_purchase` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵', `user_id` int(11) NOT NULL COMMENT '用戶ID', `gtype_id` int(11) NOT NULL COMMENT '商品類型ID', `goods_id` int(11) NOT NULL COMMENT '商品ID', `goods_spec_id` int(11) NOT NULL COMMENT '商品規格ID', `price` decimal(11,0) NOT NULL COMMENT '購買單價', `num` int(11) NOT NULL COMMENT '購買數量', PRIMARY KEY (`id`) ) ENGINE=MyISAM DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用戶購買商品記錄表'; // 用戶商品評價記錄表 CREATE TABLE `user_evaluate` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵', `user_id` int(11) NOT NULL COMMENT '用戶ID', `gtype_id` int(11) NOT NULL COMMENT '商品類型ID', `goods_id` int(11) NOT NULL COMMENT '商品ID', `goods_spec_id` int(11) NOT NULL COMMENT '商品規格ID', `score` tinyint(2) NOT NULL DEFAULT '1' COMMENT '分數，默認1差評，2中評，3好評', PRIMARY KEY (`id`) ) ENGINE=MyISAM DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用戶商品評價記錄表'; // 用戶收藏記錄表 CREATE TABLE `user_coll` ( `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵', `user_id` int(11) NOT NULL COMMENT '用戶ID', `gtype_id` int(11) NOT NULL COMMENT '商品類型ID', `goods_id` int(11) NOT NULL COMMENT '商品ID', PRIMARY KEY (`id`) ) ENGINE=MyISAM DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用戶收藏記錄表';

 

2、分析數據

我們已經得到了用戶的這些數據，接下來，我們便要對這些收集到的數據進行分析，統計起來，所以我們需要三個表來保存這些數據。

 

• 商品分值表
• 用戶商品類型購買分值表
• 用戶消費水平表

 

問：為什么需要用戶商品類型購買分值表呢？

答：這是記錄用戶，根據用戶購買某類型下的商品次數，評論數，根據特定的加減算法來得到用戶購買的比較多的，比較滿意的某類型的商品，然后我們可以推薦一部分這類型的商品給用戶。

 

問：為什么需要商品分值表？

答：這個表記錄了所有用戶購買商品以來，對於商品的滿意分值，分值越大，代表商品越受歡迎。

 

問：為什么需要用戶消費水平表？

答：我們推薦的商品需要符合用戶的消費水平，如果不符合，那我們推送也將毫無意義，這個表主要就是記錄每個用戶的平均消費水平和消費價格區間。

/* 商品分值表 */
CREATE TABLE `goods_score` (
  `id` int(11) NOT NULL,
  `gtype_id` int(11) NOT NULL COMMENT '商品類型ID',
  `goods_id` int(11) NOT NULL COMMENT '商品ID',
  `score` int(11) NOT NULL COMMENT '分數值'
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='商品分值表';

/* 用戶商品類型購買分值表 */
CREATE TABLE `user_buy_analysis` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵',
  `user_id` int(11) NOT NULL COMMENT '用戶ID',
  `gtype_id` int(11) NOT NULL COMMENT '商品類型ID',
  `score` int(11) NOT NULL COMMENT '當前分數值（用於排序）',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用戶商品類型購買分值表';

/* 用戶消費水平表 */
CREATE TABLE `user_consumption_analysis` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵',
  `user_id` int(11) NOT NULL COMMENT '用戶ID',
  `min_money` decimal(11,2) NOT NULL COMMENT '消費最低金額',
  `average_money` decimal(11,2) NOT NULL COMMENT '平均消費金額',
  `max_money` decimal(11,2) NOT NULL COMMENT '消費最高金額',
  `price_range` varchar(2000) COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '用戶消費的價格區間（排序完成）',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='用戶消費水平表';

 

接下來我們需要符合我們業務的打分規則：

• 購買 +5
• 退款 -5
• 收藏 +2
• 好評 +5
• 中評 +2
• 差評 -20

有了上面的規則之后，我們就可以對我們采集到的數據，進行一一分析，並對每一個商品、商品類型進行打分了。我們可以根據我們的商品單價（影響我們要不要購買最多的因素就是：單價），對於我們用戶消費水平進行分析了。

 

4、示例

我們來看以下的四個場景：

• 場景一：用戶A（user_id：234）花了53元購買了一件男衣類型（gtype_id：1）的長袖衣服（goods_id：1），並收藏了，收到衣服之后，A非常滿意，於是就給了好評。
• 場景二：A花了65元買了一件女衣類型（gtype_id：2）的長裙（goods_id：2）給了自己女朋友，A的女朋友收到貨之后，穿的好看，質量也好，於是A很開心的給了好評。
• 場景三：用戶A花了24元買了一件男衣類型的短袖（goods_id：3），但是A收到衣服之后，發覺衣服質量存在問題，客服那邊有一直拖延，所以A很憤怒，給了一個差評。
• 場景四：用戶B（user_id：235）花了49元也買了一件男衣類型的短袖（goods_id：3），B收到衣服之后，質量很滿意，所以B很高興的給了好評。

 

接下來我們就有了以下的數據了：

/* user_purchase： */
id：1，user_id：234，gtype_id：1，goods_id：1，price：53
id：2，user_id：234，gtype_id：2，goods_id：2，price：65
id：3，user_id：234，gtype_id：1，goods_id：3，price：24
id：4，user_id：235，gtype_id：1，goods_id：3，price：24
 
/* user_coll： */
id：1，user_id：234，gtype_id：1，goods_id：1

/* user_evaluate： */
id：1，user_id：234，gtype_id：1，goods_id：1，score：3
id：2，user_id：234，gtype_id：2，goods_id：2，score：3
id：3，user_id：234，gtype_id：1，goods_id：3，score：1
id：4，user_id：235，gtype_id：1，goods_id：3，score：3

 

有了上面的數據之后，我們就能通過消息隊列，對上面的數據進行分析，就得到了如下的分值數據：

/* goods_score（商品分數表）： */
id：1，gtype_id：1，goods_id：1，score：5+2+5 = 12
id：2，gtype_id：2，goods_id：2，score：5+5 = 10
id：2，gtype_id：1，goods_id：3，score：5-20+5 = -10

/* user_buy_analysis（用戶商品類型購買分值表）： */
id：1，user_id：234，gtype_id：1，score：5+2+5+5-20 = -3
id：2，user_id：234，gtype_id：2，score：5+5 = 10
id：3，user_id：235，gtype_id：1，score：5+5 = 10

/* user_consumption_analysis（用戶消費水平表）： */
id：1，user_id：234，min_money：24，average_money：（24+65+53）/ 3 = 47.33，max_money：65，price_range：{ '50-100': 2，'0-50': 1}
id：2，user_id：235，min_money：24，average_money：24，max_money：24，price_range：{ '0-50': 1}

 

由上面的數據，我們可以分別分析出比較符合用戶A和用戶B的商品。

/* 符合用戶A的商品 */
[
    {
        'goods_id': 1,
        'goods_name': '長袖',
        'gtype_id': 1（男衣）,
        'price': 53
    },
    {
        'goods_id': 3,
        'goods_name': '短袖',
        'gtype_id': 1（男衣）,
        'price': 23
    },
    {
        'goods_id': 2,
        'goods_name': '長裙',
        'gtype_id': 2（女衣）,
        'price': 65
    }
]

 

結語：

1、此文章是小編自己的心得，由於小編是新手，所以此文章有許多不足之處，請見諒。

2、此文章涉及知識較為淺顯，具體的設計還需要結合你自己的業務需要來設計。

3、希望此文章能帶給大家一些幫助，幫助大家進步。