本文来自微信公众号：人人都是产品经理（ID：woshipm），作者：Conlin，原文标题：《推荐算法，为什么不更智能一些？》，头图来自：视觉中国
不知道你可否有这样的经历：打开一个电商软件，进行购物后，在购买成功的页面下，仍然收到很多类似的、甚至一模一样的商品推荐。
明明不久前才购买了一个商品，在日后的一段期间内，仍然在电商首页，“被迫”浏览一样的商品。
你一边无奈地快速划过这些“无用”的商品推荐，一边吐槽电商推荐机制的笨拙，认为这是推荐算法史上的大BUG。不知道相关业务的产品经理是怎么想的，这么久还不优化，都2022年了，推荐竟然还不知道哪些商品是自己已经买过不会再买的。
上述经历大概是很多人经历过的，那么为什么推荐效率如此之低，以至于已经导致用户不满，降低了体验的情况下，电商平台还反复把用户已购的相似商品推荐给用户呢？
一、电商平台推荐策略
了解一个现象的原因，我们不妨从这个现象背后涉及的本质出发，理解清楚是什么，再去想为什么就简单许多了。
首先给大家介绍一下目前主流的电商推荐策略，主要分为基于物品的推荐体系、基于用户的推荐体系、基于群体的推荐体系。
基于物品的推荐体系，主要是按照物品出发，从用户曾经购买/收藏过的物品，去计算其它物品与这个商品的相关性，从而进行再推荐，优先展示相关性高的商品。
这也是在网站获取用户信息较少时，采用的一种常规推荐策略，毕竟在用户画像不全面时，基于用户感兴趣的商品进行推荐，出错的概率会小很多。
这样的推荐策略在各电商平台很常见，用户在购买/搜索了一个类别的商品后，往往会在首页看到很多类似商品的推荐。
但这个策略也有弊端：容易形成信息茧房，难以去撬动用户其它的潜在兴趣项。
基于用户的推荐体系，主要是以人为出发点，根据用户的行为，去计算其它用户与用户的相似度，再根据相似用户对于商品的喜爱度，去向目标用户推荐这些商品。
这样的推荐机制，推荐商品类别的覆盖面会进一步扩大，摆脱局限于某几个类别的现象。这个模式按照用户的行为，去向用户展示与之高相关度的人感兴趣的商品，通过“兴趣圈”的模式，促进用户进行购买。
基于群体的推荐体系，主要是从群体的特征出发，提炼群体的共性，给用户进行打标与归类，再向群体用户推荐在这个群体内，大多数用户感兴趣的商品，同时适当加入相似群体感兴趣的商品，进行推荐。
常见的基于群体的推荐，大概就是每次注册新账号时，平台都会让用户选择感兴趣的圈子，然后再基于所选择的圈子，向用户推荐群体感兴趣的内容和商品。
不管是基于用户、群体、物品的推荐，都是提炼人物的共性，再根据相似性，去进行推荐。从这一层进行考虑，也就不难理解为什么推荐体系，总是会推荐十分相似的商品了，因为这些商品都存在高相关性，在推荐体系眼中，都是用户高感兴趣的商品。
那么也许你会发问：为什么电商推荐体系那么傻，连最基本的去重都不做？难道我买了一个求婚戒指，还会想要再买一个求婚戒指吗？
二、重复推荐的原因
诚然，反复推荐同样的商品，不仅让用户厌烦，降低体验感，于销售额而言，也没有改善。毕竟很少有人会在上一秒买了一个商品，下一秒再购买一个“一模一样”的商品。
但是，当一个问题长期存在，且没有很大变化的时候，我们不妨停下来，再多细想一点，这背后的原因到底是为什么。
商品的购买高频性是重复推荐的第一个原因。
当用户买了一件毛衣后，他/她可能因为换季的原因，还会选择再多购买几件毛衣；
当用户购买了婴儿纸尿裤后，在不久的时间后，他/她会选择再次购买纸尿裤，甚至会出于比较心理，再下单另外一个品牌的纸尿裤；
当用户购买了一个香薰后，他/她可能目前对于香薰兴趣度较高，还会继续下单其它品牌的香薰。
从上可以看出，用户重复购买一个类别的商品的原因千奇百怪，可能出于特定的场景、出于使用商品的频率、出于自身兴趣的原因，但是这些商品对于用户而言，都具有购买高频性，用户愿意重复购买。
高复购一直是电商平台追求的东西，如果有一个商品用户有反复购买倾向，那么也不难理解平台愿意损失一部分用户体验，换取更多潜在可触发的商机的现象了。
平台的商业化诉求是重复推荐的第二个原因。
广告业务一直是电商平台的主要营收模块，而这个模块又和点击率、曝光率高度相关。
人都有比较心理，即使这个商品用户已经很明确短期内不会购买，但出于好奇和比较心理，总有人愿意去点击近期已购商品的页面，查看其它相似产品的详细信息，进行一番比较。而用户点击得越多、停留的时间越长，给电商平台带来的广告效益就越高。
哪怕这样的行为对于短期的销量没有提升，但是平台可以利用这种行为，给用户推荐更多同类商品的优质商家，既赚取了广告费，又帮助商家吸引了一批目标人群，此外，变相中还能因为这种推荐机制，加剧商家的竞争，让他们提高更好的服务与产品，何乐而不为呢？
算法的局限性是第三个原因。
哪怕最熟悉自己的人，也无法知道一个人的全部喜好，也会猜错最亲近的人的心思，更何况是算法。推荐系统只能从用户的历史行为（购买、收藏、点赞等）和相关性去猜测用户喜欢什么样的东西，无法做到精确度100%。
而且它也很难完全地去选择合适的颗粒度，进行商品去重。举个例子，如果一个商品分为三个层级，比如篮球在“运动-球类-篮球”这个类目下，那在用户购买了篮球后，相关的推荐页面不应该出现篮球了，按照这个逻辑，应该在第三类目标签里面去进行去重处理。
但是，如果换个品类呢，如果用户购买的是耳环呢，类目变成了“饰品-耳饰-耳环”，按照这个逻辑，在去除了耳环后，用户可能还是会收到耳夹、耳钉的商品推荐，如果对于不想再购买类似商品的用户而言，这样的去重也是无效去重。
而且类目之间并不是完全的不重合关系，有的类目会相交（比如乳酪既属于乳制品，又属于烘焙原料），那么进行了一个类目的去重后，也无法保证商品还属于其它有交集的类目，能被完全过滤掉。
换而言之，算法难以做到完全有效地去重。而且用户是千人千面且动态的，他们的心思难以预测，无法按照一个统一的标准去进行去重和推荐，也无法根据静态的历史数据，去完美预测用户以后的行为。
在这个用户看来已买不会再买的东西（如耳饰），在另一个用户那里可能会重复购买。也许可以加入一些用户行为去进行考虑（如这个人是否经常购物、经常买什么类别的产品），但因为人是动态变化的，推荐机制难以完美区分什么商品在用户眼里是重复，什么商品在用户眼里是高频购买类。
用户行为的不可控，是平台重复推荐的第四个原因。
常规看来，一个用户在购买了一件商品后，不可能在当天内，再购买一件高相似的商品，难道要用户退款再下单吗？
但是“七天无理由”退换让这成为了可能。因为新型的售后服务，让很多用户习惯购买多件同类商品，进行比较后，再选取最合适自己的一个商品留下。这个行为让用户短期内购买大量同类商品形成了可能，而基于用户的这个习惯，电商平台也乐于推荐相似商品，毕竟销售额看着高一点，展示数据也会好看。
而且正如第三点所言，人是动态变化的，人的行为和目的千奇百怪，今天不打算再购买的东西，明天很可能因为好友的推荐就再次下单相似商品，这些不可控，让重复推荐有了存在的空间。
三、如何提高重复推荐的效率
这么一看，商品重复推荐，既有技术层面难以解决的问题，在商业、用户层面，也确实有这种购买已购商品的需求。
那么，如何在用户体验以及商业化之间达到平衡，提高推荐效率？
用户端上，需要考虑更多用户的行为因素，按照复购概率为维度进行展开，对用户进行区分。
比如用户是否是一个热衷购物，且有反复退货倾向的人；用户是否喜欢收藏很多相似的商品；用户是否喜欢加购很多类似商品等。对于有短时间内购买多个相似商品的用户，可以适当减弱去重效应；而对于那种从搜索/推荐到快速下单，且购买频率低的用户，就可以加大去重的效果。
同时，给予用户一定的选择权，基于算法无法精准猜测用户的喜好的现状，可以加入“不喜欢”功能，让用户对于商品有点击“不喜欢”的权力，电商平台可根据反馈，不断去优化推荐的商品矩阵。
商品端上，考虑商品的类别和购买频率，再对不同类别的商品进行不同的重复推荐逻辑。
比如女装类、日用品类、零食类，用户购买的频率高，且有同时间购买多件的可能性，就可以加入再推荐机制，投入更多的广告展示模块，促进用户进行购买，提升转化率。
如果是用户使用频率低，且单件就可以满足需求的商品，就减弱复推频率，比如眼镜、手机、充电宝等，一般用户购买后，很长时间不会再进行购买，这个时候可以推荐更多的互补类产品，促进用户进行下单。
此外，在商业化因素上，也需要考虑一个合适的广告模式。
毕竟广告如果仅仅只是投放了，实际没效果，不能促进销量和销售额，对于平台而言，也难以长期盈利。
在投放广告时，可以捞一下原来用户点击重复推荐商品的数据，分析一下用户在哪个模块更有可能点击类似商品，是首页的信息流广告里面，还是在交易成功的推荐页面里，或者是电商平台的分享模块里面？
对症下药，在用户兴趣度更高的页面和节点进行再推荐，提升商品的点击率，也降低用户因为重复刷到同样商品降低的体验感。
四、总结一下
电商平台的重复推荐策略，在用户看来又傻又难以忍受，但我们从技术、商业化因素、用户的行为上，不难看出这样的机制还是有存在的必要性的，不能一刀切去砍掉它，也难以做到不推荐相似已购商品。
不过我们可以从重复推荐的流程、逻辑出发，进行优化，从而做到更加高效的推荐，让电商平台看着更聪明一点。
本文来自微信公众号：人人都是产品经理（ID：woshipm），作者：Conlin