1成果简介

随着中国电子商务的迅猛发展，越来越多的消费者开始习惯于在网上购买日常用品、家用电器，甚至旅游产品。电子商务网站的仓库通常在城市周边，因此能够储备较城区实体店更为种类繁多的产品。用户在网站提交产品搜索后，往往有数十，成百，乃至上千的产品可以选择。

电子商务网站不可能把所有这些产品选择都呈现给消费者，原因有二：第一，这会影响网站的搜索响应时间，不但影响用户体验，而且也增加带宽需求和网站运营成本；第二，研究显示信息量过大，对电子商务的转化率（conversion）不但无益，反而有害，因为消费者往往会迷失在海量信息中。在这样的情况下，如何量化消费者对产品各项属性的喜好，然后从成百上千的产品中挑选若干个（如10~20个）既多样化又迎合消费者偏好的精品，展现在消费者面前，是摆在电子商务网站面前的一个亟待解决的问题。

清华大学自主研发的电子商务产品推荐引擎解决方案能够动态的根据网站用户的cookie，历史访问记录，以及当前搜索等信息自动对网站访问者进行类别区分，如经济实惠型、时尚新潮型、城市白领型等，然后根据相应的用户类别进行个性化的产品推荐。

本解决方案的推荐算法基于领先的消费者行为模型，能够自动识别产品的相似性，既能推荐热门产品，又能避免雷同产品在页面大量重复。

2应用范围

本技术成果可广泛应用于各类电子商务网站。

3效益分析

本产品推荐系统可提升网站转化率10~20%。

4合作方式

技术授权、整体外包等多种形式的合作。可以为用户提供现有技术产品，也可以按照用户具体要求，为用户定制。