在圣诞节期间，我们中的许多人都在努力为我们所爱的人选择最合适的礼物。为圣诞节寻找礼物可能需要数天，有时甚至数周的计划。除了一定的乐趣和快乐之外，圣诞节购物可能是一种耗时且压力很大的体验。

幸运的是，在先进技术时代，有免费的工具可以使购物过程更加高效和多产。在这篇文章中，我将向您展示世界上最大的零售商网站之一 Amazon.com 如何借助其智能推荐引擎帮助您在合理的时间内为您的朋友和家人找到最好的礼物。

个性化用户体验

亚马逊、Facebook 和 Youtube 等世界上最成功的网站之所以如此受欢迎，是因为它们为每个人提供了个性化的用户体验。

个性化用户体验基本上意味着公司在用户浏览其网站并对其执行不同操作时观察他们的用户。他们将数据收集到整洁的数据库中，然后进行分析。

这不是对隐私有害吗？从某种角度来看，是的；这些公司可能比我们最亲密的朋友甚至我们自己更了解我们。另一方面，他们为我们提供的服务可以让我们的生活更轻松，让我们的决策更明智。

如果我们从交易的角度来看，我们“支付”了增强的用户体验和舒适度，以及我们的部分隐私。

当然，在线内容提供商和当局之间的法律斗争是不断的，想想不太受欢迎的欧盟 cookie 法，但对于想要享受 21 世纪生活方式的人来说，选择退出越来越不现实，它可能是有助于了解个性化推荐在幕后的工作原理。

亚马逊推荐背后的技术

在浏览亚马逊网站时，我们可以在“New For You”、“Recommendations For You in Kindle Store”、“Featured Recommendations”、“Customers Who Bought This Item Also Bought”等标题下找到个性化推荐。

从产品查找到结帐，推荐已集成到购买过程的每个部分。定制推荐由智能推荐引擎提供支持，该引擎在用户使用网站时越来越了解他们。

为了更好地理解推荐系统，最好将它们视为搜索引擎的高级版本。当我们在亚马逊上查找商品时，它不仅会返回结果，还会对我们可能需要的商品做出预测，并为我们展示它的推荐。

推荐系统使用不同种类的机器学习算法，随着大数据技术的发展，它们已经在商业上实现了。推荐引擎是数据驱动的产品，需要在浩瀚的大数据海洋中找到最相关的小数据集。

推荐系统需要解决的计算任务是预测分析和过滤的结合

他们使用以下方法之一：

(1) Collaborative Filtering，寻找协作数据之间的相似性，例如购买、评级、喜欢、赞成票、反对票：

• 用户-用户矩阵，其中根据喜欢、购买、评价等类似产品的其他客户的选择生成推荐，
• 或产品-产品矩阵，其中推荐引擎返回与当前用户之前购买、评分、喜欢、赞过的产品在购买、喜欢、评分等方面相似的产品

亚马逊使用后者，因为它更先进（详见下一节）。

(2) Content-Based Filtering，根据产品客观特征的相似性，如细节、描述、作者，以及用户之前的偏好（这里不与其他用户的偏好进行比较）进行预测.

(3)混合过滤，使用协作过滤和基于内容的过滤的某种组合。

产品-产品矩阵

传统的协同过滤方式利用用户-用户矩阵，在一定数据量以上存在严重的性能问题。

为了匹配所有用户的偏好、评分、购买，并找到最接近活跃用户的用户，推荐引擎必须分析数据库中的每个用户，并将他们与当前用户进行匹配。

如果我们考虑亚马逊的规模，很明显这种过滤对他们来说是行不通的，所以亚马逊的工程师开发了前一种方法的升级版本，并将其称为 item-to-item collaborative filtering。

Item-to-item 协同过滤将协同成功作为基准而不是产品的客观质量（参见上面的基于内容的过滤），但在产品-产品矩阵中运行查询，这意味着它不比较用户，而是它比较产品。

推荐引擎查看我们到目前为止购买、评分、放入愿望清单、评论等的产品，然后在数据库中查找具有相似价格和购买的其他项目，汇总它们，然后返回最佳匹配作为推荐。

如何获得更好的推荐

回到圣诞购物，有可能训练亚马逊的推荐引擎以获得更好的结果。如果您对给所爱的人买什么只有一个模糊的想法，除了在浏览时在网站上留下痕迹外，您无需做任何其他事情。

为了这篇文章，我自己尝试了这个。

我的出发点是想找一些更小的办公家具，但又不知道具体是什么。于是我在搜索栏里输入了一些相关的关键词，开始浏览结果。我将我喜欢的物品放入我的愿望清单，将一些评论评为“有用”，将一些办公家具放入我的购物篮。

如果我曾经在亚马逊上购买过类似的商品，写评论会非常有用，但实际上我做不到（您只能对已经购买的产品写评论）。

大约 10-15 分钟后，我停下来，点击我的推荐页面（可以在“[你的名字]’s Amazon”菜单点下找到）。在实验之前，我只有这一页上的书，因为这是我通常在亚马逊上购买的书。在我广泛查找之后，这些书不见了，取而代之的是很酷的办公家具，如下图所示。

调整引擎

可以进一步训练推荐引擎，因为每个推荐下面都有一个“为什么推荐？” 链接。在我的推荐中，您可以看到垃圾箱衬垫（最后一项），它不是办公家具产品，我不想在圣诞节购买。

那么让我们看看为什么它在这里。

点击链接后，亚马逊告诉我这是推荐的，因为我把某款办公电脑椅放入了我的购物篮。嗯，这是一个有趣的联系，但我仍然不需要它。

我在这里有两个选择，我可以勾选垃圾箱旁边的“不感兴趣”复选框，或者勾选办公椅旁边的“不要用于推荐”。我勾选“不感兴趣”复选框。

而此时垃圾桶已经不见了，取而代之的是另一种推荐的产品，这意味着我离完美的礼物又近了一步。

太糟糕了，如果我将来需要那个精确的垃圾箱衬垫。等一下。我已经找到了解决方案。在“改进您的推荐”菜单点下，我可以编辑我标有“不感兴趣”标签的项目

当我找到我想象中的礼物搜索时，我可以简单地在我的推荐中取消选中我可能想在未来看到的产品。