Lazada论文入选国际数据库顶会ICDE2023，推出基于用户行为稀疏性的点击率预估模型HIM，有效提升平台IPV和GMV
适用对象：
◆ Lazada东南亚六国站点
电商平台卖家/算法技术从业者/跨境电商研究者/数据科学家
资讯简介：
Lazada推荐算法技术团队与北京大学联合研究的论文《Hierarchical Interest Modeling of Long-tailed Users for Click-Through Rate Prediction》被国际数据库顶会ICDE2023收录，重点介绍了针对少行为低活用户的实战解决方案——基于用户行为稀疏性的点击率预估模型HIM。
| 价值识别 | 风险识别 |
|---|---|
| HIM模型有效解决新用户行为稀疏问题，提升点击率预测准确度 | ⚠️ 技术门槛较高，普通卖家难以直接应用 |
| 平台IPV（宝贝详情访问量）和GMV（商品交易总额）得到有效提升 | 算法优化效果可能因品类差异而不同 |
| 超过70%消费者最终购买平台推荐产品，推荐系统效果显著 | 新算法可能需要时间验证稳定性 |
| 负反馈行为利用提升模型训练效果，创新解决数据稀疏问题 | 小语种市场模型仍需完善 |
| 用户兴趣聚类技术提高推荐精准度，改善购物体验 | 技术投入成本较高，可能影响平台其他资源分配 |
该研究针对东南亚电商平台面临的新用户行为少、粘性低、流失率高等挑战，通过丰富用户兴趣提取的颗粒度，并利用负反馈行为进行正负反馈对比学习和用户兴趣聚类，缓解用户正反馈信号带噪声和稀疏的问题。数据显示，基于HIM稀疏性建模，Lazada用户获得了更好的购物体验，平台关键指标得到提升。作为东南亚旗舰电商平台，Lazada目前服务1.6亿活跃消费者和每月超过100万的活跃卖家，目标是到2030年实现GMV1000亿美元，服务3亿消费者。
战略解读：
技术驱动战略：Lazada自2012年成立以来一直致力于成为技术驱动型互联网科技企业，此次论文入选国际顶会体现了其在算法技术领域的深度投入。
用户增长痛点解决：东南亚市场新用户不断涌入，但存在行为少、粘性低、流失率高的问题。HIM模型通过以下方式解决：
– 利用负反馈行为（用户看了没点的行为）进行对比学习
– 通过用户兴趣聚类丰富兴趣提取颗粒度
– 解决正反馈信号稀疏和带噪声的问题
业务目标对齐：算法优化直接服务于平台重要的业务目标——拉新促活，与技术研发形成良性循环。
影响分析：
对卖家的直接影响：
– 推荐精准度提升：更准确的点击率预测意味着商品更容易被推荐给潜在买家
– 转化率提高：超过70%的消费者最终购买推荐产品，算法优化将进一步提升这一比例
– 新用户获取成本降低：更好的新用户体验可能降低整体获客成本
– GMV增长：平台整体交易额提升将惠及所有卖家
对平台的技术竞争力：
– 在国际学术界建立技术声誉
– 提升在人才招聘中的吸引力
– 强化与北京大学等顶尖院校的合作关系
– 为未来AI技术应用奠定基础
执行清单：
卖家可采取的行动：
① 优化商品信息
– 完善商品标题、描述和图片质量
– 确保价格竞争力
– 维护良好的用户评价
② 关注数据表现
– 定期查看商品在推荐系统中的表现
– 分析点击率和转化率数据
– 根据数据反馈调整运营策略
③ 理解平台算法方向
– 关注Lazada技术更新动态
– 适应基于用户行为的推荐逻辑
– 针对新用户特点优化商品策略
④ 准备迎接流量变化
– 算法优化可能带来流量分配变化
– 提前准备库存和客服支持
– 监控销售数据及时调整
技术实现细节：
HIM模型核心技术要点：
问题定义：
– 预测用户点击可能性（Click-through rate prediction）
– 特别针对行为稀疏的长尾用户（Long-tailed users）
– 解决正反馈信号噪声和稀疏性问题
核心挑战：
– 用户行为量少且到访频次不稳定
– 缺乏成熟小语种模型支持
– 用户画像冷启动困难
方法论创新：
– 用户行为金字塔（UBP）：分层建模用户行为
– 用户行为聚类（UBC）：基于行为频率和模式聚类用户
– 注意力机制：动态调整不同行为特征的权重
– 端到端学习：整体优化模型效果
AI建议：
这事儿挺有意思的，Lazada和北大合作搞的算法研究上了国际顶会，说明他们在技术上是真下了功夫。不是说每个卖家都要懂技术，但得明白这背后的商业逻辑。
首先，推荐算法优化对卖家最直接的好处就是流量分配更精准。以前可能因为新用户数据少，好商品也不一定能推给对的人，现在模型能更好地理解用户意图，你的优质商品更有机会被展示。
特别是做新品类或者面向新用户群体的卖家，这个技术改进可能是机会。因为HIM模型专门解决的就是行为稀疏用户的问题，正好对应新市场开拓的场景。
我建议卖家重点关注商品数据质量。算法越智能，越依赖准确的数据输入。确保你的商品信息完整、准确，用户行为数据才能被正确解读。特别是负反馈行为（用户看了没买）现在也被用来训练模型，所以即使没直接产生销售，曝光本身也有价值。
长期来看，技术投入是平台竞争力的核心。Lazada明显在走技术驱动路线，这对整个生态是好事。但也要注意，算法优化可能会改变流量分配规则，卖家需要保持敏感，及时调整策略。
简单说就是：做好产品，优化数据，关注平台动态，顺势而为。技术升级最终是为了更好的生意，能跟上变化的卖家才能吃到红利。
新闻关键词：Lazada,东南亚电商,推荐算法,点击率预测,用户行为稀疏性,HIM模型,ICDE2023,算法优化
原文链接：https://www.amazon888.com/blog/32882.html，转载请注明出处和链接。
评论0