顾昊：美丽说高级架构师，负责个性化、广告变现相关技术工作。中科院软件所研究生毕业，加入美丽说之前，在百度负责搜索广告后台核心技术研发。
移动场景下用户时间不断碎片化，如何在有限的关注时间和展示空间内，为用户提供最具吸引力的内容，成为一个巨大挑战。作为国内最大的快时尚发现平台，美丽说在个性化技术上进行了持续探索，帮助用户在美丽说发现喜欢、找到喜欢，着力 提升用户使用粘性和超预期的用户体验。本主题将围绕美丽说在个性化 推荐上的应用 展开，和大家探讨其中的关键技术问题和探索方案。
从导购到电商的转型
2009年， 美丽说在成立之初就开创了社会化电商导购模式，几年间吸引了超过数千万年轻时尚爱美的女性用户，成为中国年轻女性最青睐的时尚风向标。
2013年11月 ，美丽说开始建立电子商务交易平台，精选优质卖家供应商，为用户提供女装、女鞋、女包、配饰、美妆等品类的优质时尚商品，成功转型为女性垂直品类电商。
截至目前，已有 1.5万家 时尚优质商家入驻，每日新上架时尚商品 超过十万件 。2014年全年商品.。
成交总额 56亿元， 2015年目标商品成交总额 150亿元。
国内最大时尚发现平台 。
美丽说是国内最大的女性快时尚垂直电商，并已成为中国最大的时尚发现平台， 旨在为用户创造最好的时尚发现体验，去拥抱一切时尚爱好者，在移动和社交时代，用互联网技术从新定义时尚行业。
用户价值
图1
种草 - 发现喜欢——[给你]呈现流⾏行时尚。
长草 - 遇见喜欢——[帮你]挑选专属风格。
拔草 - 获得喜欢——[为你]提供决策依据。
图2美丽传说理念
千万用户@千万商品，复用给定的信息传递带宽，尊重有限的关注时间，提升用户粘性和体验。
产品场景
图3映射场景示意图
信息：商品,店铺,活动。
时刻：消息推送,推荐页,搜索页；商品详情页,购物车,etc。
产品场景：为用户在对的时刻，提供对的信息；为用户交互提供相对应的反馈。
技术挑战
数据的采集、监控、处理；
统一用户表示/实时数据反馈/分布式处理框架；
理解和表示用户；
个性化 - Make Special；
候选；
排序；
交互；
评估和优化。
商品信息
图5示例商品
类目：女装-裙子-连衣裙
标签：
颜色
裙型: A字裙,
元素: 拼接 纯色,
材质: 聚酯纤维,
腰型: 松紧腰
裙长: 长裙
袖长: 无袖
厚度: 薄款
用户行为和表示
图6用户在连衣裙上的风格偏好
图7用户在连衣裙上的颜色偏好
短期偏好： 类目，店铺，风格。
长期偏好：消费能力和潜力，颜色，尺码。
个性化
图8 Make special
商品聚类 场景适配 Pos/Neg
用户聚类 Time Decay Implicit/Explicit
CF/MF pValue预估 Realtime Feedback
属性扩展 目标融合 UI/UE
Recall Precision Engagement
提升喜欢的浓度 第一屏触动⽤用户 成为用户的伙伴
图9 消息个性推送
让推送不仅仅是刷存在感：趋利: 促进用户打开App；避害: 降低用户厌倦感。
个性化推送：selected push-msg；selected push-time；selected landing page；弹性推送频率。
评价：UV、GMV。
我们要给用户提供好的搭配，什么是好的搭配？元素呼应，颜色适量，款式协调，风格一致。
好的搭配还需要人工运营+领域知识+数据建模：人工搭配：少量优质；算法搭配：海量分散
替代性 v.s. 互补性——互信息。
搭配要有亮点，突出表达1~2个突出吸睛的点，基本款搭配流行款，要考虑身材缺陷和倾向；数据建设是基础：风格：风格即概括，概括宜鲜明；元素：元素是点，点点不同；颜色：行业积累，完善规则。挖掘搭配候选，然后筛选和评分，再进行个性化处理。
图10瀑布流推荐点击量变化趋势
让用户成为瀑布流的主人，整合用户关注、喜欢、购买、点击的信息，适度的进行全站精选和个性化扩展，实时更新，推荐理由的有效呈现。
图11个性化实践典型架构
解决问题前，先定义问题。个性化，是一个系统工程，帮助用户感知，而不强迫TA思考，KPI和评估指标之外，还要让用户感受到被尊重。
PPT下载地址：http://club.alibabatech.org/resource_detail.htm?topicId=187
