端-端高品質個人化建議服務
智能推薦（Artificial Intelligence Recommendation，簡稱AIRec）基於阿里巴巴領先的巨量資料和人工智慧技術，結合在電商、內容、新聞、ApsaraVideo for Live和社交等多個行業領域的積累，為全球企業及開發人員提供個人化建議服務。
智能推薦能夠協助您快速建立使用者與物品、內容的關聯，通過演算法策略實現高效觸達。
即時推薦體驗
秒級行為捕捉分析能力，推薦介面毫秒級時延，支援超過1000QPS並發，最新推薦內容重新整理即可見
行業定製演算法
提供行業定製的推薦演算法模板，以及針對推薦情境做業務定製的選品、投放策略，行業典型的演算法原子模型
冷啟動效果好
在上線初期無歷史行為資料積累的情況下，智能推薦也可以基於行業模板結合行為正向、負向即時反饋的能力，快速提升使用者在推薦板塊的個人化體驗
智能推薦應用情境
電商平台個人化推薦
個人化推薦已逐漸成為電商平台必備的產品功能與GMV提升的動力引擎。
通常該情境下：不同終端消費者具備差異化的長、短期購物興趣、購物習慣，希望線上“逛商城”的過程中找到心儀的商品集合、發現驚喜的意外收穫，也希望在明確選購商品時得以“貨比三家”。
智能推薦即可應用在典型-“逛起來”的猜你喜歡情境與“貨比三家”的相關推薦情境，提供千人千面的建議服務。
PGC/UGC內容社區個人化推薦
在海量的內容池中，快速而精準地分發終端使用者所期待的內容也是智能推薦的用武之地。
通常該情境下：每天都將生產大量的內容，終端使用者在閱讀內容、擷取知識的同時，以點贊、收藏、轉寄、評論等多種形式表達對內容的喜歡/深層理解的碰撞，以及踩、不喜歡等負向的反饋。
智能推薦系統的應用，將緊密結合使用者興趣大幅提升推薦的分發效率，促進終端使用者的站內活躍度提升。
新聞資訊個人化推薦
隨著互連網的發展，各大新聞資訊平台已開始探索高效的資訊分發、使用者粘性培養的轉型之路。而如何在新聞迅速更替的條件下，精準分發、傳遞資訊是個人化推薦的典型應用情境。
通常該情境下：每天存在大量新聞的上下架，即時更新的熱點變化。這就需要推薦系統具備快速識別、新聞推廣潛力的能力，並精準分發到興趣人群之中，讓終端使用者享受貼心、獨享的資訊服務，大幅提升閱讀效率。
智能推薦優勢
簡單易上手
無需考慮流處理、營運、管控等問題，平台一站式解決。執行個體建立到服務可用僅需小時級。
提供一站式功能服務
提供從資料對接期、測試期、Debug期到效果觀察期、穩定使用期的一系列協助工具功能，無需額外開發。
行業情境深度定製
阿里巴巴集團內多行業和多情境的長期深耕，深度貼合不同行業下使用者業務訴求。根據業務特點提供差異化行業模型與策略。
個人化體驗一步到位
源自淘寶首頁猜你喜歡演算法升級與行業適配，搭建服務即擷取優質使用者體驗，擷取即時推薦能力。
效能效果優異
模型與架構多次經歷阿里巴巴雙十一考驗，在高並發、行為密集條件下依然具備效果與效能雙保障。
初始效果優異
行業模板定期迭代，保證接入的初始效果與使用者體驗。對比自研演算法預計提升20%-100%。
擴充靈活
多年業務經驗積累，配備多樣功能，讓靈活的營運邏輯與推薦演算法高效結合。開放平台能力，可進行快速的業務定製。
安全可靠
使用者級資料隔離，敏感資訊加密；服務效能穩定可靠，請求延遲保證毫秒層級。
智能建議服務架構
結合離線、即時資料訓練模型，根據使用者長期、短期興趣建模並結合業務策略打造使用者個人化體驗。
如何開啟智能推薦
1
準備資料
請您根據行業的資料規範，準備業務資料、物品資料以及行為資料作為啟動模型訓練的基礎。
2
設計推薦頁面
請您根據業務需求設計好推薦頁面，以及頁面中可被推薦的物品規則，使用者體驗規則。
3
搭建推薦情境
請按需開通執行個體，根據推薦頁面設計搭建推薦情境，並進行離線、即時資料上報。
4
小流量測試
請進行小流量測試，從使用者體驗、指標資料等維度初步判斷推薦效果。
5
業務定製與上線
請結合使用者體驗需求，設定營運策略，推廣使用者流量，將建議服務發布至線上。
