直达***实践：【https://bp.aliyun.com/detail/30】
观看视频：【https://yqh.aliyun.com/live/detail/22188】
阿里云***实践目前已覆盖23类常用场景，有200多篇***实践，这其中涉及110款以上阿里云产品的***使用场景。目前，***实践已成功帮助大量客户实现自助上云。
分享人：

• 弦望- 阿里云解决方案架构师
• 栀露 – 智能产品推荐经理

本篇内容将从3个部分为大家介绍电商网站智能推荐***实践，希望可以让大家对其有更深入的了解，并可以将其应用到项目中，达到降本提效的目的。本文主要内容分为以下三个方面：
 ***实践原理讲解
 核心产品智能推荐讲解
 ***实践系统搭建

一、 ***实践方案讲解
1）场景描述和适用场景
本实践的核心场景是电商行业，需要向用户推荐的物品。这些物品带有商品或其他的一些内容属性，比如物流信息、售卖信息等等，可以引导用户直接交易，提升购买率和转化率。适合首页推荐，物流页面（信息流）等相关场景推荐。像淘宝和天猫这样的电商的商品推荐，方案同样适用于内容、新闻资讯、视频直播和社交等多个（行业）领域。为企业以及开发者提供个性化推荐服务。以下这几个场景非常适合使用本方案。
 电商行业的猜你喜欢，个性化内容瀑布流展示
 在商品页提供其他产品的相关推荐
 电商网站的首页提供道德焦点图推荐或者热门推荐等等
 也可扩展到新闻资讯、视频直播、社交等领域进行相关内容推荐

2）本案的系统架构
下图右边是一个模拟的电商网站最简单的架构，业务在ECS上进行多可用区部署，前端使用负载均衡进行流量分发，后端数据库使用云数据RDS MySQL版，前端埋点可以使用友盟SDK或者SLS日志服务SDK.用户的行为、商品和用户数据推送到MaxCompute.通过MaxCompute给智能推荐系统提供原始数据进行初始化，也可以直接使用智能推荐提供的默认数据（进行初始化）。增量数据可以通过智能推荐提供的SDK或者API进行推送。通过阿里巴巴多年推荐算法积累，给用户提供个性化的推荐服务，比如猜你喜欢、相关推荐、首页热点推荐等等。

3）本案架构的优势：
 阿里巴巴集团多行业和多场景的长期深耕，使得智能推荐结果深度贴合不同用户业务需求成为一种可能。
 用户无需考虑处理、算法、运维、监控等问题，平台一站式解决所有问题，降低用户的运维以及使用成本。
 智能推荐产品针对用户数据进行隔离，敏感信息进行加密，保障信息安全。
 通过领先的算法技术，多模态融合，高效冷启动方案，实时调整策略和模型训练，完全无需人工干预。
 阿里云的多产品直接做到了无缝对接，实现数据的秒级同步，实时增量同步。以及精确的智能推荐结果。

4）智能推荐产品的架构
用户数据、内容数据和行为数据等数据通过数据接入模块：离线数据通过MaxCompute接入，实时在线的增量数据可以通过API或SDK接入。接入到智能推荐系统后，系统对数据进行清洗，通过AI系统的特征工程、召回模块和排序模块推荐相关的结果。这里面的AI算法对用户完全透明的。即使没有算法工程师的公司也可以轻松获得优秀的推荐效果。最后通过业务逻辑处理，用户可以直接展示相关推荐效果，增加商品的购买率、转化率以及内容的精准推荐能力。

二、 核心产品智能推荐讲解
1）推荐场景的设计
首先我们先介绍一下在电商场景下网站这里面常见的推荐位，分别是首页的猜你喜欢、TAB页的猜你喜欢、商品详情页和购物车页的相关推荐，包括一些可能内容电商的场景，我们去做一些种草买家秀的内容推荐。智能推荐这个产品，按照行业去做了模板的区分，可以基于电商行业模板，进行多种推荐场景的搭建，比如说大促，购物车、榜单等等。大家可以先根据网站的一些用户心智，设计好我们的推荐场景。

2）链路逻辑
在完成了推荐场景的设计之后，接下来我们介绍下推荐的整体链路逻辑。我们是如何做到给终端用户进行千人千面的个性化推荐。我们将推荐的流程梳理成了四大部分，分别是选品、召回，排序和策略层。其中选品和策略层主要是面向我们的业务人员，比如产品、运营的同学，这些同学可以根据业务的所处阶段、产品的心智去设计好推荐的流量入口，比如搭建一个大促的落地场景页，搭建品类推荐页等等。
 选品
我们要设计好推荐场景的入围条件，这个入围条件指的就是选品。举个例子，在大促场景我们一般会选择首先是参与大促，有折扣支持，然后是优质商家的这些商品去做入围。比如说在一些新人会场，我们会选择这个平台的畅销品入围，那这块就对应着不同的选品的条件。
 策略
策略其实是为了提升用户的体验、平台的公平性，而去进行的一些干预。比如针对于合作商家流量的均衡啊，合作商家的一些平衡，一些这种流量的扶持，包括类目多样性的配置去避免用户的兴趣过度集中等等。在智能推荐产品的控制台，产品和运营同学是可以根据业务的经验进行上游的选品，以及下游的干预策略配置。
 召回和排序
在完成场景的定义之后，我们可以拿到场景下的全部商品。拿到商品之后，我们就要进行召回和排序，找到这个当前用户最感兴趣最优有可能购买的商品，这里我们将根据动态的行为以及静态的特征进行分析，自动的选举出来召回的候选集，然后再把这个候选集推入到我们排序阶段，去找到TOP50个最适合推荐给当前用户的商品。这里智能推荐产品也提供了电商行业默认的召回排序模型，能够帮助我们快速的去启动场景，快速的去上线推荐业务。那在业务上线了之后，我们也可以进行召回排序模型的定制，并且通过我们的实验平台进行策略优化的绑定，还有效果的观察，去快速迭代推荐的效果。

3）实时反馈
默认的行业模板将给大家提供实时反馈的能力。实时反馈的能力即是随着用户兴趣的变化，我们可以对用户进行一个秒级的兴趣关怀，打造一个实时推荐的优质体验。比如说用户点击了睫毛膏，进入商详页再回来，可能这次我们又请求了一次推荐结果，那么睫毛膏后续会再出现。他再请求也会根据他最新的行为去进行一些反馈。

同样的，也可以根据用户负向不喜欢的那些行为，我们去串通一个负反馈的机制，提升用户深度的去定制推荐效果的体验，主要从比如禁推即拉黑，还有降权质量多维度去进行提升。

4）算法配置的优化
在我们业务上线之后是可以通过配置化的一些页面（左边页面），即左边这个页面去进行一些算法配置的优化，并且通过我们的实验平台（右边页面）去进行一个持续的效果观察、快速迭代，做效果的一个升级。从而让我们推荐系统为电商平台去引导、促成更高的转化和GMV，奉献更多的这样一个入口的能力。

三、***实践系统搭建
本实践以电商网站为例，使用日志服务采集日志，RDS 作为后端数据存储服务，Maxcompute作为数据仓库并使用 dataworks 进行数据同步和处理，使用智能推荐产品搭建电商网站智能推荐系统。电商行业，需要向用户推荐的物品带有商品属性（物流信息，售卖信息等），可以引导直接交易，提升购买率和转化率，适合首页推荐、信息流等相关场景。关于本实践的完整系统搭建，大家可以通过https://bp.aliyun.com/detail/30这个链接来访问, 里面包含***实践的场景描述以及完整的搭建过程。下面简单演示下电商网站Demo搭建的过程。
（说明：部署云上资源可以采用 CADT 和 Terraform 两种方式创建，选择其一即可。）
 使用 CADT 创建资源
步骤 1 登录 CADT 控制台（https://bpstudio.console.aliyun.com/）使用官方模板库新建。

步骤 2 选择电商网站智能推荐模板，基于方案新建。

步骤 3 注意设置 ECS 和 RDS 账号密码后（RDS 账号密码在 ECS 和 RDS的连线上设置），保存应用。

步骤 4 部署应用。

步骤 5 创建完成进入 RDS 控制台。

步骤 6 单击设置白名单。

步骤 7 把安全组添加为白名单（允许 VPC 内可访问，单台 ECS 的白名单已通过 CADT 自动添加）。

步骤 8 记录内网访问地址备用（在电商网站配置时填写数据库地址时使用）。

步骤 9 创建数据库。

 使用Terraform 创建云资源
说明：对于云上资源部署熟悉的用户，可采用 Terraform 部署（选择 terraform 可快速部署云资源，并进行多云管理）。
步骤 1 登录 terraform 官网下载页面
（https://www.terraform.io/downloads.html）。现在系统对应的安装程序（本方案以 Mac 为例，考虑兼容性问题，版本统一使用 terraformV0.11.1）。

步骤 2 选择和自己操作系统对应的版本下载。

步骤 3 解压文件，并直接拷贝二进制文件到/usr/local/bin/目录下。
步骤 4 执行命令 terraform，如果看到如下输出，证明 Terraform 已经安装成功。

步骤 5 下载附件提供的 terraform 脚本，找到 EC001 目录下的 variables.tf 文件，使用文本编辑器打开，设置自己的 access_key 和 secret_key 信息（从控制台个人中心获取）。数据库的账号密码可以根据需求修改。

步骤 6 打开命令行工具，使用 CD 命令进入 EC001 目录。

步骤 7 使用 terraform init 命令进行初始化（初始化目的是进行基础环境配置，安装terraform 需要的阿里云插件）。

步骤 8 使用 terraform plan 命令查看规划的资源信息。

步骤 9 使用 terraform apply 命令创建资源（等待完成即可）。