[发明专利]一种商品推荐算法的有效性评估方法和装置

说明书

本发明公开了一种商品推荐算法的有效性评估方法和装置，所述方法包括：基于用户的基本信息，获取一定时间段内所有用户的历史购买成交记录；基于历史购买成交记录，过滤掉所有的退货记录，选取最终成交的日志，随机抽取一定样本数量的成交记录作为最终的抽样信息表；基于获取的抽样信息表里的数据，进行清洗，对购买率进行加权计算，得出不同商品的真实购买率对照表；基于商品的真实购买率对照表，采用多维度指标对推荐算法的推荐效果进行评估；采用本发明的评估方法，如果评估结果会有负向效果，为是否实际线上测试提供参考，避免上线测试的时间成本和直接经济损失成本。

技术领域

本发明涉及大数据技术领域，具体涉及一种商品推荐算法的有效性评估方法和装置。

背景技术

随着电商的商品数量规模不断扩大，存货单位数量通常在千万到亿的数量级别，商品推荐算法的性能优劣直接关系到平台的销售。有个共识，就是推荐排名越是靠前的位置，点击和购买率就越高。如果可以把用户感兴趣的商品放到靠前的位置，那么用户成交和购买的意愿就高，反之，如果无法推荐出用户感兴趣的商品，用户就无法快速购买，或者放弃购买，转向其他平台，造成受益受损。

如何评价一个推荐算法的好坏，是一个很关键的问题。不能每次都把效果未知的算法上线实际测试，低效的算法直接影响收入，测试的成本攀高，而用户的购买情况又复杂多样。比如不同的年龄阶段，不同性别，不同地域，购买习惯，收入水平都有差距，每个具体的个体，又有很大的差异，无法完全用计算机来模拟真实用户行为和购买倾向，也无法通过部分评价员的人工评价来进行导向，因为样本太大，而评价员的背景和购买习惯也无法代表所有用户。即使公司真的愿意上线验证，时间代表性也是问题，比如早上和晚上，上班和下班时间，周末和平时，节假日之类，用户的购买习惯等都有差别，短时间的上线验证，也无法有效的评估全时段的效果，而过长时间的线上评估，会对营收造成影响，负向的优化会有损收入和利润，使人无法接受。

发明内容

为了解决现有技术中所存在的推荐算法评价方法低效，本发明提供一种商品推荐算法的有效性评估方法，包括：

基于用户的基本信息，获取一定时间段内所有用户的历史购买成交记录；

基于历史购买成交记录，过滤掉所有的退货记录，选取最终成交的日志，随机抽取一定样本数量的成交记录作为最终的抽样信息表；

基于获取的抽样信息表里的数据，进行清洗，对购买率进行加权计算，得出不同商品的真实购买率对照表；

基于商品的真实购买率对照表，采用多维度指标对推荐算法的推荐效果进行评估。

优选的，所述的用户基本信息包括：年龄、性别、地区、购买偏好、浏览商品的时间段、浏览内容。

优选的，所述的历史购买成交记录包括：用户使用的搜索词，用户id，当时返回的sku搜索排名、用户最终购买的商品。

其中所述sku为最小的商品单位。

优选的，所述的最终的抽样信息表，包括：序号、日期、用户ID、搜索词、当时sku排序。

优选的，所述的加权计算包括如下步骤：

S1：比较原始记录和测试排序记录中psku的位置，如果相同，跳过本条记录，继续比较下一条；

S2：如果原始记录的psku位置高于测试记录psku位置，则测试记录位置与原始记录位置差值cr的值小于0，判定效果变差；

S3：如果原始记录的psku位置低于测试记录psku位置，则测试记录位置与原始记录位置差值cr的值大于0，判定效果变好；

S4：如果cr不等于0，则查询本sku的gmv和cp，乘以cr，即得到本条对应的gmv和cp；

S5：如此遍历所有的测试结果，可以获得对于每条样本记录的cr，gmv，cp；