为什么会有千人千面？

广告展示方式的多样性随着淘宝的发展，流量的与日俱增，为了充分消化这些流量，淘宝推出了各种广告位。

广告位的丰富，必须要对用户人群作出划分，也不可能给每一个用户都展示同样的广告。

原先那种粗暴的一刀切广告投放就要作出改变，变得更加精细化。

产品同质化严重。特别是在女装类目，今年哪个款爆了，必然会在短时间内出现大量仿品，甚至连主图都做得一样。当搜索一个关键词，首页整屏都是同一款商品，这种体验非常不好，淘宝不会允许这种情况出现。

所以，千人千面这样的算法，必须出现。

真正的千人千面到底是什么？

千人千面是在2013年前后淘宝首先推出的一种算法。即基于每个用户在淘宝上的购物、点击、收藏和浏览等行为的数据进行分析，给每一个用户打上标签。

用户在站内的行为越多，标签越多，数据分析就越精准。当淘宝对用户掌握了这一套标签之后，千人千面的好处就体现出来了。

比如，两个人同时搜索自己之前没搜索也没买过的商品，呈现出来的结果截然不同。这中间的算法，就是基于这两人之前的购买或搜索数据导致的标签不同。

这些数据的获取，会精细化到这两个人的年龄、性别和消费能力。

多次购买、但购买的都是该类目最低价的用户，在购买另一个类目时，得到的搜索结果，也大概率会是低价的推荐比较多。

这就是千人千面的逻辑。精准的商品匹配，才能实现最大效率的转化。

所以，千人千面才不会是你买了微波炉、还给你推荐第二个微波炉那么简单。

除了对用户的标签进行细分，用户与店铺之间的联系，比如浏览、收藏、曾经购买过或是加入过购物车的店铺，都会优先展示在前面。

这一套精准匹配的逻辑，给每天千万的流量和店铺之间架设了一座座精准的桥梁，极大降低了流量成本的浪费。

不仅用户和商品画像，购物行为也是需要经过标准化才能被机器理解。

算法试图在看上去没有逻辑的用户行为中揪出逻辑。这是个令人头大的任务，无数次看到用户在淘宝上杂乱无章的行为轨迹：搜索裙子——中途跑去家电板块看手机——然后再回来看裙子——最后买了罐奶粉走了。

这说明两个相继的行为之间未必存在必然的联系，它们是割裂而碎片化的。相当比例的用户打开手淘时并没有非常明确的目标，或者说持续有一系列明确的目标。

这就像逛大街一样，人们什么都想去试试、看看，购买行为可能是被突然出现的眼缘激发的。

而电商们的转化机会，就存在于准确预测眼缘并推荐。

商家如何利用千人千面？

深度理解千人千面，尽可能让消费者和店铺之间产生关系。

电商搜索推荐技术在不断演进，淘宝希望做得再细一点——从分析一个群体，到分析个人。

原因是消费者对推荐的要求越来越高。“过去的消费者要求如果他的孩子1岁，系统不会给他推3岁的玩具。

但今天，他需要你告诉他1岁的孩子要买什么，去挖掘他的潜在需求。更高级的，有的消费者希望机器预测出哪一天婴儿奶粉喝完，尿不湿用完，然后提醒他去买。”如今淘宝的深度学习、强化学习的算法模型已经越来越复杂。

而在实际运营中，电商推荐还存在很多需要优化的地方。

未来好的算法，不仅需要知道人们想买什么，需要买什么，它还要了解人们使用商品的那些场景究竟是什么样子，甚至需要理解消费者所处的人生阶段和生活状态，就像一面上帝视角的镜子。