商品人气分模型

在电商平台中,量化每个商品的静态质量及受欢迎的程度有着重要的意义。我们把这个量化值称之为商品人气分。商品人气分在搜索排序、个性化推荐排序及推荐候选集截断、竞价广告系统中都有着重要的应用。

商品人气分受哪些因素的影响,以及这些因素最终如何共同决定商品人气分值?本文总结了一个实际系统中人气分模型的构建过程,从特征和模型两个角度来回答上述两个问题。

特征

多维度交叉统计特征是一类重要的特征来源,主要有以下4个维度:实体、时间段、行为类型、统计量。

  1. 实体维度:商品、品牌、商家(店铺)、叶子类目、一级类目等。
  2. 时间维度:1天、3天、7天、14天、30天、时间衰减加权等。
  3. 行为维度:曝光、浏览、收藏、加购、购买、评级、商详页停留时间、是否退货等。
  4. 统计维度:数量、人数、频率、排名(百分比)、点击率、转化率、金额等。

具体地,每个特征从以上4个维度中各取一到两个进行组合,再从历史数据中统计该组合特征最终的特征值。比如,商品(实体)最近1天(时间)的曝光(行为)量(统计指标);商品所在店铺(实体)最近30天(时间)的销量(行为类型+统计维度);商品(实体)最近7天(时间)的平均成交(行为)单价(统计)在同一叶子类目下的排名百分比(统计);等等。由以上方法产生的特征数量级相当于4个维度的笛卡尔积。可以看出这些特征覆盖了大家常说的销售额、销售量、转化率、评论数、好评率、差评率、退货率、加购数、收藏关注度、详情页访问深度等方方面面。

另外还有一些不便归类到上述4个维度的特征,比如商品“年龄”(从上架到目前为止的时间间隔),DQC,店铺DSR,ID类特征(如一级类目)等。

样本

最近1天的成交日志留着生成训练目标(该商品当天有成交则为正样本,当天没有成交则为负样本),1天前的一个月的各类日志用来统计特征值,这样便可以生成1天的训练数据。

为了有足够数量的训练样本,我们取7天的训练数据的并集作为最终的训练集,同时留一到两天的数据作为验证集合测试集。流程如下图所示。

模型

选用了GBDT作为待拟合的模型,损失函数为binaryLogLoss函数,最终模型的结果解释为商品未来1天有成交的概率。之所以选择GBDT模型,是因为一方面我们需要足够的非线性拟合能力;另外一方面是因为GBDT算法足够简单,在大多数任务中都表现良好,并且开源的工具也比较成熟。

模型调参基本遵循业界的经验值,同时各个参数在小范围内用GridSearch的方法交叉验证取得。特别值得一提的是设置样本权重对最终效果的提升有很大帮助,具体地,所有负样本的权重设置为1,正样本的权重设置为该商品在当天的成交件数。

效果

在我们公司多个推荐场景的实测结果,与没有人气分的基准桶相比,UV点击率和UV价值都取得了5%~10%左右的提升。

坚持原创技术分享,您的支持将鼓励我继续创作!