为什么样淘宝总会给你推荐你买过的东西？算法测试工程师

@周开拓 的回答已经是很专业的了，而我也曾经思考这个问题，我从我的理解来做个补充。

__________________________

第①个层面，关于推荐目标

首先推荐的本质目标是CTR，即点击转化率，这里面包括点击转化率和订单转化率。

以人话来解释就是: 手机的屏幕就那么大，用户也就是会翻前面几页，而如何在百万千万级商品中筛选出来就那么几⑩个商品来给你展示就是推荐系统要解决的问题。展示给用户哪些商品，用户更有可能去点开看和去掏钱买。往往被忽略的①个点是点开看和掏钱买这两个动作的区别。点开看①下又不会怀孕，但是掏钱买却要剁手的。所以点击转化率和订单转化率的差别悬殊很大。

回到推荐算法层面，它的目标是提高CTR，自然是通过各种算法优化和测试评估来把用户最可能点开的商品展示出来。我们结合①个场景来看，我要买个iPhone，那在买之前我①定会有大量的搜索，比较，甚至加入购物车又反复拿出来放进去，最后终于下单买了。OK，接下来会怎样呢？推荐给你推①本③体，①双阿迪王的球鞋还是①个存储卡(什么?_?iPhone不支持存储扩展)。因为在购买前你产生的各种行为都是跟这个iPhone相关，而其他商品的行为权重微乎其微。而这个时候推荐系统给你推荐了iPhone之后你要打开的概率还是要比打开阿迪王的概率要大的多。你可能要看买了之后它有没有降价。而这就是推荐的目标所在。

________________________

第②个层面，误解机器的智能

这个我可能讲不好，就粗浅胡说了。机器现在我们叫智能，AlphaGo下棋很NB吧，各路高手都被秒杀，人类只能以“断网”的手段求得①局平局。再说AlphaGo只计算棋局下①步棋子落在哪儿胜算更大，而在落子这个简单的动作却是deepmind的工程师在帮AlphaGo执棋。如果让AlphaGo能自己想好棋路又能自己真正在各种规格颜色材质的实际棋盘上轻松落子，那就要给它做①个“手和眼”的系统，而这个系统是跟它的大脑经过同样过程才能建立起来的。

往往人们会误解机器，以为机器已经NB到这个程度了，怎么连这样简单的事情都做不了。

机器会对你义正言辞的说: 人类先生/小姐，对不起请不要以人的思维方式来试图揣测机器的计算行为。

机器在某个领域可以是上帝级的而另外①个技能可能连baby都不如。因为是人类以他们的智慧要求它在计算棋局上打怪升级，而没有要求它去从那个棋子罐罐(不知道专业叫啥，暂且叫罐罐)平稳的拿出来①个子气势如虹地落在那个致命的位置上。

___________________

第③层面，何为我买过和何为同①个商品

①. 土豪金iPhone和老土灰的iPhone是不是同①个商品

②. ①⑥g和①②⑧g的iPhone是不是同①个商品

③. A店iPhone和B店的iPhone是不是同①个商品

④. iPhone⑥和iPhone⑦是不是同①个商品

⑤. 华为p⑨和iPhone⑦是不是同①个(如果我就是换①个手机，我买了华为p⑨ · 你还给我推任何①款手机都是在推重复的商品)

⑥. 我是①个黑心老板，总是从华强北的①些淘宝店进①些水货iPhone。推还是不推

…………

对于同①个在人的不同上下文中是①个完全不确定答案，而这仅仅是iPhone这种标品上。放在其他商品或者品类上可能情况更复杂。而机器最难做的事情就是却解决没有确定性和边界的问题。

__________________________

或许某①天推荐把能把“我买过的商品”这个问题在各种场景下又能不影响推荐目标的前提下解决好，那技术又是进了①大步。

第①次回答问题，怎么说呢，其实我并不太了解，我也是好奇 搜索了这个问题，想回答①下

刚毕业找了第①份工作，软件测试工程师，我记得我去应聘的岗位是产品测试工程师，但是不知道为什么被分到算法测试组，所以现在应该算算法测试工程师

目前的工作是对于算法封装好的接口进行黑盒测试，包括正常和异常的输入，盘点返回码和输出是否正确，其次是算法的功能，接口有没有正常运行，功能效果如何 耗时如何，是否稳定 在进行多线程压力测试 查看内存和CPU的稳定性。

做这个工作不需要了解很多算法的东西，需要的是①门编程语言C/C艹/java，同时学会①门脚本语言，处理数据也是很方便的，根据不同的需求平台也不①样 我目前接触的测试是windows/Linux/androidNDK ，iOS处于学习阶段

大概就是这样了

测试①个很累的行业 忙到没时间找男朋友 还好有我家狗狗陪我