数据中台推荐系统入门：推荐系统的评测指标

Posted 2021-05-19 文宇肃然

前言

本文介绍一下推荐系统的相关评测指标。推荐系统的数据指标分为两种。

（1）商业指标，即推荐系统的与最终交易额相关的指标。我们做推荐系统的目的是为了代替人工给用户推荐商品，提高效率，实现千人千面的用户体验，从而带来更多的交易额。商业指标包括曝光次数、商品的PV、商品的UV、商品支付人数、支付金额、支付件数，以及点击率（商品PV与曝光次数之比）、支付转化率（商品支付人数与商品UV之比）。

 

指标计算

接下来我们看看这些指标该怎么计算。

曝光次数

首先是曝光次数。统计推荐模块曝光次数的方式有两种：其一是通过前端页面埋点的方式，当用户在推荐模块浏览商品时，由前端工程师异步上传数据到埋点日志服务器，再通过解析埋点日志的方式统计曝光次数；其二是通过后端埋点的方式，当用户在推荐模块浏览商品时，推荐模块调用的是获取推荐商品的接口，由后端工程师记录当时的推荐场景、算法、用户、商品ID的集合等关键信息，将之保存到日志文件，再通过解析日志文件的方式统计曝光次数。由于前端页面埋点有5%的丢失率，而应计算的一些指标（比如交易额）需要比较准确的数据。如果采用后端埋点的方式统计，曝光量会更加准确一些。

 

推荐商品的PV、UV可以通过对推荐位进行常规埋点的方式计算，由前端工程师开发。每当用户点击一次推荐位的商品，平台就会通过埋点的方式记录当前的推荐场景、算法ID、商品ID等主要信息。

 

与交易额相关的指标（比如支付人数、支付金额、支付件数等），也需要通过后端埋点的方式采集。前文讲过，在电商产品的交易流程中有一个断层——用户一般都是先加购再下单，这就会增加前端