京东个性化与排序平台部高级总监邹宇（左）、

京东搜索推荐部总监刘思喆接受钉科技采访

如今，全民网购时代已经到来，尤其是在618、双11的带动下，网购已经成为平常事儿，年轻人不网购简直就OUT了，可以肯定，”剁手党”的大军仍在扩张。在中国电商领域，打上网购物流配送快，正品标签的当属京东，毫无疑问，以京东为代表的电商平台正在快速渗透老百姓的生活。

对于用户而言，购物的方式大致有几种：一种是借助搜索框直接搜索目标产品，这类用户购物目的性非常强，喜欢快速直达，搜索服务非常有效。第二种是逛，典型的女生逛街式的购物，没事喜欢在网上逛来逛去打发时间，碰见合适的就买，没有很强的目的性，对于这类用户来说，广告位推荐比较有效，甚至很多产品的相关性推荐对用户帮助也很大。当然，还有很多早期电商用户，对左侧导航栏依赖较重，导航栏成为重要的入口。

结合用户的实际购物习惯，作为技术人员，如何充分理解数据价值，通过最优的技术和算法模型，为用户提供最优的服务，让用户短时间内从数亿计的产品中快速找到自己满意的产品，并且获得优质的购物体验至关重要。为此，钉科技专门采访了京东个性化与排序平台部高级总监邹宇和京东搜索推荐部总监刘思喆。

●从双十一看搜索和推荐的核心

双11期间剁手党们蜂拥而至，最直接的体现就是流量突然增大，这对技术和平台的考验非常大，京东也不例外。结合用户购物习惯，搜索是用户扫货最重要的入口。双十一来临前，用户一般会提前想好要抢什么东西，大都通过搜索完成“准备工作”。

京东个性化与排序平台部高级总监邹宇分享了一个有意思的数据，搜索流量的高峰期不是双11零点，而是发生在前一天大概晚上十点左右。原因在于，用户会提前规划好要买什么东西，然后等到双11零点完成秒杀。笔者从京东购物，最主要依赖的是搜索，每次都是通过搜索直达产品页面，完成下单，过程简单，目标明确。在邹宇看来，双11的压力主要是系统层面，算法主要是让用户更精准找到商品。

另外，京东搜索推荐部总监刘思喆分享了推荐系统的四大价值：第一，挖掘用户潜在购买需求；第二，尽可能的缩短用户到商品的距离。第三，用户需求不明确时提供比较好的参考。例如，年轻妈妈为两到四岁还在购买儿童类图书的时候，没有太好的参考，这时推荐承担了很好的作用，帮用户在需求不明确的时候提供参考。第四，满足用户的奇心，在双11和618大型促销的时候，用户会在不同的电商之间进行各种挑选，这就是好奇心和比价，在京东网站内部有一个目标，吸引用户来京东，针对用户购买需求比价找促销和低价，满足他们猎奇的需要。

目前，京东推荐产品已经覆盖各个渠道，各个平台，包括PC端，APP端，微信，手Q，以及还有一些DEM等。

●算法专家的使命：数据价值最大化

表面上看，京东是一家电商平台，实际上京东已经是一个大数据公司，背后的产品设计、技术算法、前端表现、用户购物体验等等都是靠数据驱动，通过用户行为习惯数据，优化产品体系。

邹宇提到，做数据分析主要包括几个方面：一是数据的收集，互联网公司采集数据非常方便，后端记录了用户交互行为，包括如何访问网站和使用APP等，这些数据都可以收集下来。第二，学习工具，现在开源社区有很多工具可以挖掘数据的价值。第三，在应用层面，提高产品的使用体验。互联网开放的环境下，无论是大的互联网公司还是创业公司，都能收集很多数据，但是如何提炼数据，针对特定的场景把数据价值能够挖掘出来才是关键。

数据价值体现在产品的设计，甚至一些页面的颜色、按钮的摆放等都可以利用数据做决策，变成数据驱动。再比如，通过数据分析，把用户分成不同群组，为他们展现不同的界面，然后在后端收集用户行为数据，度量哪个界面效果好，做最优的调整，这就是数据的价值，对互联网行业的影响非常大。

刘思喆认为，任何一个企业都应该关注数据的内涵以及数据的外延，数据的内涵是指基于当前的数据怎么描绘现在商业架构下所有的问题。数据的外延是指，有数据之后如何推断新用户和老用户未来即将发生的行为，这是搜索推荐广告部门承担的任务，核心目的是给用户提供更好的服务。

●用户有个性，平台也要跟上个性化

在用户看来，京东这样的大平台通常是固定的，实际上，在个性化方面，京东也在不断的探索，毕竟用户的需求是多样化的。不过，提供个性化的服务也会面临不小的挑战，在刘思喆看来，无法在一个统一的平台上把所有的数据做一个完整的串联，是比较棘手的问题。一旦数据做一个完整串联，很多算法、层次做的比较简单，也可以达到一个比较好的效果。

京东在个性化推荐方面，针对不同的人群推荐不同的产品，达到定向化精准营销的目的。比如当时你看某一种类型的书，推荐系统帮你找到你喜欢那一款。还有一种情况，假如你已经购买了管理的书，假如你还有一个孩子，可能还会给你孩子买其他的书，会有至少两种以上的多种场景。

在搜索层面，京东目前集中在商品搜索到店铺的搜索，随着京东第三方平台的规模越来越大，对同一个商品可能在不同的店都有销售，店铺的信用度、知名度以及品牌都重要，对第三方商品来讲，有时候用户先搜索店铺，然后在店铺里找到想要的商品。也有的用户选择直接搜索商品，从产品搜索上都满足了用户个性化搜索的需求。

刘思喆进一步提到，推荐和场景有关系，推荐的核心在于对人的社会化行为的分析，对消费者个性化需求分析，比如针对衣服这种消费品，个性化需求比较多，对于家电之类的产品相对较少。推荐的策略是实时的，比如通过数据挖掘发现用户最近刚买过洗衣机、冰箱、电视等大家电，其中一个策略是不再做类似产品的推荐。但是，也有用户买完一台洗衣机之后发现配送快，服务到位，然后再给爸爸妈妈买一台，针对这种用户再做一些算法的修正。

●寻找灵感不断迭代，让算法达到最优

互联网公司最大的特点就是产品迭代速度快，对京东技术团队来讲，从业务角度出发，每周都会有四、五组新的实验，针对业务场景做优化。比如，京东上有一个“我的京东”页面，有一个常购的商品列表，虽然是很小的功能，但是有些用户买的东西很多，会重复下单已经买过的产品。于是，针对这个需求设计了一个算法，找到用户所有订单里最常购的商品，单列一个频道，用户点到那个频道就可以找到这个商品，完全是从用户体验出发增加的功能，然后优化后面的算法，然后做各种各样的迭代。

刘思喆表示，算法的优化目标很明确。比如，请求量和订单增加量的体现。优化过程中，有很多线索，要在其中找到最有效的方式，让线上效果最大化。毕竟人的精力是有限的，诸多复杂的线索环境下要找到比较合理的一个线索，有时候需要通过同行交流，或者看前人沉淀的一些东西，灵感来了才可能对效果有最好的帮助。

总之，京东的产品和用户体验已经变成数据驱动，很多算法或者推荐产品都将数据作为一个重要的评判标准，作为京东的技术专家，更好的理解数据，通过不断的进行算法调优，提升用户最终的购物体验，也算是不辱使命了。