我正在尝试将购买历史作为产品推荐的信号，想了解我遗漏了什么。

Source: Dev.to

我正在探索的问题

我接触或研究的大多数推荐系统都严重依赖以下两类因素之一：

• 浏览行为（点击、浏览、停留时间）
• 相似度信号（类别、视觉相似度、嵌入向量）

我在思考，历史购买行为是否比单独使用上述任一因素更能成为相关性的强锚点，尤其是当它与实时浏览上下文结合时。

为什么这看起来既有趣又有风险

购买数据：

• 稀疏
• 有延迟
• 在不同零售商之间杂乱无章

但它也是我们拥有的最明确的意图表达。

我想要了解的

• 将推荐锚定在购买历史上，是否能显著提升相关性？
• 在小规模时，这种方法会在哪些方面失效？
• 在什么情况下，最近的行为比历史更重要？
• 如何避免把用户固定在“过去的他们”而不是“正在成为的他们”上？

我没有做的事

• 我没有在卖任何东西。
• 我没有声称这就是正确的做法。
• 我还没有为增长进行优化。

这仍然是对信号质量和系统设计的探索，而不是一个打磨好的产品。

我希望得到的反馈

如果你曾从事推荐系统、个性化或电商工具的工作：

• 哪些信号的价值超出了你的预期？
• 哪些信号看起来很有前景，却在实际中失败了？
• 你是如何在长期行为与会话意图之间进行平衡的？
• 是否有明显的陷阱需要我提前进行压力测试？

欢迎任何走过这条路的朋友提供意见。即使是强烈的怀疑也很有价值。

感谢阅读。