淘宝千人千面算法原理是什么？

淘宝的千人千面很多人都在使用，因为使用后可以让别人根据自己的兴趣来获取商品，这样淘宝商家根据淘宝买家的搜索，综合分析店铺商品选品方向，进而制定淘宝店铺运营方向，有经验的淘宝卖家、淘宝代运营工作人员就是这样去做的。

千人千面的规则原理：

淘宝如何判断这个商品是买家喜欢的商品？其实就是商品标签作为媒介来反映淘宝买家与卖家的行为。

什么是标签？简单通俗一点就是我们给淘宝留下了什么印象。然后分为买家标签和卖家标签。淘宝需要将买家标签与卖家标签匹配，匹配上就展示，匹配不上就不展示。权重是一件非常简单的事情。由于初始标签(发布宝贝填写信息)，买家浏览，买家收藏加购，买家购买，老客户回购这五个阶段的标签是有深浅区别的。老客户回购的标签最深。这就是为什么我们所说的老客户回购权重高。由于我们的标签痕迹越深，我们的展示就越高，因为我们的匹配度很高。

也许会有掌柜在想，自己的新商品，没有访客。那是不是就完了？不是这样的。因为新商品会有平台的扶持。但抛开这个不说。回头看，初始标签(发布宝贝填写信息)，首先要做好这一步。这个时候怎么做，就要把店铺的标签集中起来。

如何巧用千人千面：

相关性1:

发生过营销关系的人群(个性化强关系)对于和店铺或商品有过营销关系的人，比如产生购买、购加购、收藏店铺和商品，淘宝会默认为相关性强的人，尤其是一些回购率高的类别，会优先在千人渠道推给你，比如猜你喜欢什么，搜索优先排序，会场千人排序。这里特别明显的是搜索端的推荐，个性化关系非常明显。之前会显示购买的店铺、收藏的店铺等标志。现在这个标志取消了，但是逻辑没变。

相关性2:

根据你的营销关系路径推荐类似的商品和店铺。有时候我们会发现，在搜索过什么样的宝贝，浏览过什么样的商品，收藏过什么样的商品，购买过什么样的商品之后，你会在手淘首页看到类似的类别进行展示。这是淘宝记录你的浏览痕迹，有针对性的推荐，向你推荐类似的优质宝贝。

相关性3：

根据消费者的访客画像，有针对性地推荐消费者的历史购物记录。一段时间后，每个访客都会形成一个人群画像，中等收入、处女座、喜欢旅行等...淘宝系统会通过分析你的人群标签画像，然后分析淘宝上这些商品和人群的标签画像，哪些店铺标签符合这些特点，然后优先向同类消费者推荐最匹配的店铺商品。假如店内人群画像足够精确，那么推荐的访客转换也就比较高，否则匹配的人群不够精确，千人千面带来的转换就会比较低。

相关性4：

根据大概率的相关性判断和匹配，我们每个访客在浏览、购买、收藏、购买一段时间后都会形成自己的标签画像，但如果是新注册用户，人群标签画像相对空洞，此时该怎么办？由于这位买家除了具备一些基本的人群属性外，购物行为和购物偏好都是空缺的，此时搜索引擎会根据概率进行匹配。该系统将根据您的搜索意图向您推荐同类商品中最有可能购买的类型商品。