电商专题：推荐系统练习章
推荐系统离营收很近，但也最容易被做成“看起来聪明，实际上不稳定”的功能。AI 产品经理在推荐场景里，最重要的不是让系统更像人，而是让推荐更可验证。
推荐系统最小闭环
graph LR
A["用户行为"] --> B["用户意图推断"]
B --> C["候选商品集合"]
C --> D["排序/推荐理由"]
D --> E["点击/加购/购买反馈"]
这个专题要训练什么
- 推荐系统的结果定义
- 候选集、排序与解释的产品视角
- 推荐错误的业务代价
- 第一版先做“推荐建议”还是“自动推荐”
课堂案例
一家服饰电商想在商品详情页增加 AI 推荐，希望提升加购率。
你作为 PM，至少要问：
- 当前用户为什么没有加购，是没兴趣还是没找到合适替代品
- 推荐目标是提升点击、加购还是客单价
- 当前商品标签和行为数据是否足以支撑推荐
- 推荐是否需要解释理由，以提升信任
练习任务
请为这个推荐项目写出：
- 一个成功指标组合
- 一个第一版推荐入口
- 两个你认为必须观察的负向指标
标准答案提示
- 成功指标不要只写 CTR，要连同加购率或转化率一起看
- 第一版可从详情页相似商品推荐切入，而不是首页全站智能流
- 负向指标可考虑误推率、跳出率、库存错配
推荐系统 checklist
- 我是否明确了推荐目标而不是只做“猜你喜欢”
- 我是否确认数据质量足以支撑推荐
- 我是否定义了推荐错误的容忍边界
- 我是否把转化结果和负向结果一起看
本章小结
- 推荐系统最怕目标模糊和数据不稳
- 第一版应优先选择高意图页面和可解释推荐
下一页：电商专题：搜索系统练习章