系统|基于LBS信息推荐系统

编辑导语：LBS是利用各类型的定位技术来获取所定位设备目前的位置。随着互联网技术的成熟，大家开始将这项技术应用到电商购物中，但也对线下商家带来了很大影响。因此，作者分享了如何将LBS应用到线下商家中，设计一款信息推荐系统，为线下商家带来用户。

文章插图
一、什么是LBS？LBS是利用各类型的定位技术来获取定位设备当前的所在位置，通过移动互联网向定位设备提供信息资源和基础服务。可利用定位技术确定用户空间位置，随后用户可通过移动互联网来获取与位置相关资源和信息。
为什么要做推荐？
随着技术发展，线上销售发展规模越来越大，人们工作节奏越来越快，用户越来越愿意花更多的时间进行网上购入，网上购物从早期对用户的新鲜度到目前的成熟运营，严重影响了线下商城的销售，有必要为线下商城设计用户推荐，留存客户，增加GMV，同时能够大大提高ROI，实现线下商家营收。
【系统|基于LBS信息推荐系统】中国2014年~2019年网上零售额及增速，大型商家线下推荐有必要通过OTO模型升级线下零售，线上线下场景结合，增加销售额。

文章插图

文章插图
二、介绍推荐系统的分类推荐系统一般根据实时性分为三类：实时推荐，在线推荐，离线推荐。
实时推荐一般会采用实时计算引擎进行实时计算并及时推送到用户手机端。
在线推荐是指直接使用日志系统中数据进行伪实时的推荐，一般场景用在在商场中时间大于1小时，在这个时间内进行推荐。
离线推荐根据用户的历史数据，对一定距离内的用户进行信息推荐。
基于LBS推荐一般可以分为三类，近距离，中距离，远距离。当然一般中远距离的用户都是有历史线索或者留资在商场数据库中。
三、用户旅程消费者在逛商城过程中，通过推荐能够让消费者选择商家，进而产生消费行为，并通过消费者的信息反馈准备下次推荐。
四、基于LBS数据指标搭建
文章插图
数据指标完善能够更好的将合适的商店推荐给用户，同时增加商户整体GMV，所以一般推荐系统都是在用户画像系统的基础上进行推荐。
需要重点强调的是，基于LBS的推荐最重要的就是用户的经纬度信息和商铺经纬度信息之间的差值，
距离计算方法可自行百度。所以最重要的指标就是距离指标，合理的距离指标会使推荐系统的效率大大提高。
五、推荐方法1. 冷启动任何推荐都存在冷启动问题。因为推荐系统需要根据用户的历史行为和兴趣预测用户未来的行为和兴趣，如果是消费者首次进入商圈，没有任何该用户的任何信息情况下，进行冷启动处理：
基于当前时间，将评分高的商店推荐给用户。当前时间在冷启动阶段最能反应消费者情况，早晨一般商品尚未营业，那么用户很有可能是要买早餐或者闲逛，中午或者下午6点左右用户很可能也是要找饭店吃饭。
如果非以上情况，用户很有可能就是为了买衣服或者参加培训等情况。基于以上情况对用户进行基于热度的推荐。
2. 有历史数据的推荐即使有历史数据，时间维度也是重要考虑的对象。这里使用三种推荐算法，最后进行多路召回，求出最优推荐列表：
基于物品（店铺）的协同过滤：

文章插图
图片来源csdn网站