从零开始：用Python搭推荐系统，你需要准备什么？

很多人一听到“推荐系统”就觉得高深，其实没那么复杂。就像你去超市，导购员根据你拿的东西推荐“这个洗衣液和你手上的洗衣粉是同品牌，现在有组合优惠”——推荐系统本质上就是“AI导购员”，只不过是用代码实现的。要搭这个“AI导购员”，你得先准备好三样东西，我一个个给你说清楚。

先搞懂：推荐系统的“粮食”——数据，你从哪里找？

推荐系统的核心是“猜你喜欢”，而“猜”的依据就是数据。你得先知道用户喜欢什么，商品有什么特点。我朋友当时卡在第一步，总问“我没那么多数据怎么办？”其实中小电商起步，数据不用多，但得“对路”。

你至少需要两类数据：

用户行为数据

：这是用户“用脚投票”的证据，比如用户点击了哪个商品（反映兴趣）、收藏了什么（潜在购买意向）、有没有下单（强需求信号）、买了之后有没有评价（满意度反馈）。我 你重点记这几个字段：用户ID、商品ID、行为类型（点击/收藏/购买）、发生时间。 商品数据：商品自己的“身份证”，比如分类（连衣裙/运动鞋）、价格（99元/299元）、标签（韩版/复古/百搭）、甚至是商品描述里的关键词（比如“显瘦”“透气”）。之前帮朋友整理数据时，他们商品标签很乱，同一个“连衣裙”有的标“裙子”，有的标“女装-裙装”，后来统一标签后，推荐准确率立刻提升了20%。

如果你的电商平台还没积累数据，别慌！可以先从基础功能埋点开始，比如用百度统计或自己写简单的日志记录，每天花10分钟导出数据存成CSV文件，攒上1-2个月就够用了。

工具不用多，这3个Python库就够你入门

很多人一听说要写代码就头大，但其实Python有现成的“工具箱”，不用自己造轮子。我帮朋友搭系统时，全程只用了3个核心库，新手也能快速上手：

Python库	核心用途	为什么推荐它？	适合场景
Pandas	数据处理	表格操作像Excel，清洗数据超方便	数据清洗、特征提取
Scikit-learn	机器学习	内置推荐算法，一行代码调用	基础模型训练、评估
Surprise	推荐系统专用	专为协同过滤设计，代码量少	用户-商品交互推荐

你可能会问：“要不要学TensorFlow或者PyTorch？”我的 是：先别急。中小电商数据量有限，用上面3个库搭传统推荐模型，效果足够好，还容易维护。等你用户量过10万，再考虑上深度学习也不迟。

实战！3步搭出你的第一个推荐模型，附可复用代码

准备好数据和工具，接下来就是动手搭模型了。我把朋友当时的流程拆成3步，每一步都配了代码，你直接复制过去改改参数就能用。

第一步：数据预处理——把“原材料”变成“可用料”

数据刚拿到手时，就像一堆没洗的菜，得先挑拣、清洗。比如用户行为数据里可能有重复记录（同一个用户点了同一商品两次），或者异常值（比如一个用户一天买了1000件同款商品，可能是爬虫或误操作）。

我当时帮朋友清洗数据时，写了一段基础代码，你可以参考：

import pandas as pd
读取数据（假设你的数据是CSV格式）
user_data = pd.read_csv('user_behavior.csv')
product_data = pd.read_csv('product_info.csv')
去重：删除重复的用户行为记录
user_data = user_data.drop_duplicates(subset=['user_id', 'product_id', 'behavior_type'])
过滤异常值：比如排除一天购买超过10件同一商品的记录
abnormal_users = user_data.groupby(['user_id', 'product_id'])['behavior_type'].count()
normal_users = abnormal_users[abnormal_users <= 10].index
user_data = user_data[user_data.set_index(['user_id', 'product_id']).index.isin(normal_users)]
特征提取：给不同行为打分（点击1分，收藏3分，购买5分，反映用户偏好程度）
behavior_score = {'click':1, 'favorite':3, 'purchase':5}
user_data['score'] = user_data['behavior_type'].map(behavior_score)

这段代码做了三件事：去重、删异常值、给用户行为打分。最后那个“打分”很重要——用户买了商品，肯定比只是点击一下更喜欢，给高分能让模型更懂用户的真实偏好。

第二步：选对模型——中小电商优先这两种，落地快效果好

推荐模型有很多种，但对中小电商来说，最实用的是“协同过滤”和“基于内容的推荐”。我分别给你讲讲怎么用，你可以根据自己的场景选。

协同过滤：“物以类聚，人以群分”

简单说就是：“跟你相似的人喜欢的东西，你可能也喜欢”。比如用户A和用户B都买过商品X和Y，那A喜欢的Z，B可能也喜欢。这种方法适合用户行为数据多的情况。

用Surprise库实现协同过滤，代码超简单：

from surprise import Dataset, Reader, SVD
from surprise.model_selection import train_test_split
准备数据（Surprise需要特定格式：user_id, product_id, score）
reader = Reader(rating_scale=(1, 5)) # 评分范围1-5分
data = Dataset.load_from_df(user_data[['user_id', 'product_id', 'score']], reader)
拆分训练集和测试集
trainset, testset = train_test_split(data, test_size=0.25)
训练模型（SVD是协同过滤里常用的算法，效果稳定）
algo = SVD()
algo.fit(trainset)
给用户ID=123推荐5个商品
user_id = 123
all_product_ids = product_data['product_id'].unique() # 所有商品ID
rated_products = user_data[user_data['user_id']==user_id]['product_id'].unique() # 用户已交互过的商品
to_predict_products = [p for p in all_product_ids if p not in rated_products] # 未交互过的商品
预测评分并排序
predictions = [algo.predict(user_id, p) for p in to_predict_products]
predictions.sort(key=lambda x: x.est, reverse=True) # 按预测评分从高到低排序
top5_products = [p.iid for p in predictions[:5]] # 取前5个商品ID
print(f"给用户{user_id}推荐的商品ID：{top5_products}")

基于内容的推荐：“看商品本身像不像”

如果你的商品有很多文本信息（比如描述、标签），可以用这种方法：“跟你之前喜欢的商品相似的，你可能也喜欢”。比如用户买过“韩版宽松卫衣”，就给TA推荐“日系宽松毛衣”。

用TF-IDF提取商品特征，再算相似度：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity
假设商品数据里有'tags'字段，存商品标签，比如"韩版,宽松,卫衣"
product_tags = product_data['tags'].fillna('') # 处理空值
提取文本特征
tfidf = TfidfVectorizer(stop_words='english') # 中文可以用jieba分词后再处理
tfidf_matrix = tfidf.fit_transform(product_tags)
计算商品相似度矩阵（两两商品之间的相似度）
cosine_sim = cosine_similarity(tfidf_matrix, tfidf_matrix)
给商品ID=456推荐5个相似商品
product_id = 456
product_index = product_data[product_data['product_id']==product_id].index[0] # 商品在数据集中的索引
similar_products = list(enumerate(cosine_sim[product_index])) # 相似商品及相似度
similar_products = sorted(similar_products, key=lambda x: x[1], reverse=True)[1:6] # 排除自身，取前5
top5_similar_product_ids = [product_data.iloc[i[0]]['product_id'] for i in similar_products]
print(f"跟商品{product_id}相似的推荐商品ID：{top5_similar_product_ids}")

第三步：上线前测试——怎么知道你的推荐效果好不好？

模型搭好了，不能直接上线，得先看看效果。最简单的指标是“准确率”和“召回率”，但对业务来说，更直观的是“点击率”和“转化率”。

我当时教朋友一个笨办法：选100个活跃用户，随机分成两组，A组用新推荐系统，B组还用原来的人工推荐，对比一周的数据。如果A组的点击率比B组高20%以上，说明模型有效。

记得处理“冷启动”问题——新用户没行为数据怎么办？可以先按商品 popularity 推荐（卖得最好的前10个），等用户有了1-2次点击后，再切换到协同过滤或基于内容的推荐。我朋友刚开始就忽略了这个，新用户推荐栏全是空的，后来加上 popularity 推荐，新用户留存率立刻提升了30%。

最后再叮嘱一句：推荐系统不是搭完就万事大吉的。你得每周看数据，比如推荐点击率有没有下降，用户有没有投诉“推荐的都不喜欢”。如果有，可能是数据分布变了（比如换季了，用户喜欢的商品类型变了），这时候重新训练一下模型就行。

你按这些步骤搭的时候，如果遇到代码报错或者数据处理卡壳，随时在评论区告诉我具体问题，我看到都会回。等你搭完跑起来，记得回来分享效果呀！

---

其实你还可以试试“混合推荐”，就像做菜时两种调料搭配着放，味道反而更丰富。单一的推荐方法总有些短板——比如协同过滤遇到新用户没行为数据时就“抓瞎”，基于内容的推荐又容易局限在同类商品里，用户可能会觉得“怎么总给我推一样的东西”。混合推荐就是把这两种方法揉在一起，比如按70%相似用户喜欢的商品，加上30%和用户之前买过的商品相似的款，这样既能抓住用户的整体偏好，又能保证推荐的多样性。我朋友的服饰店之前只用协同过滤，冬天总给用户推夏天的裙子（因为历史数据里夏天购买多），后来改成混合推荐，把当季新品的“相似商品”权重提到30%，推荐栏的季节相关性一下子就上来了，点击率直接涨了25%。

如果你的团队技术资源有限，“规则式推荐”绝对是性价比最高的选择。这种方法不用写复杂的算法，就根据你做电商的经验直接定规则，简单粗暴但特别管用。比如你卖母婴用品，就可以设定“用户买了婴儿奶粉后，自动推荐同品牌的辅食”；用户在某个商品页面停留超过5分钟但没下单，就把这个商品放进“猜你喜欢”的第一位；甚至可以根据价格带推荐，比如用户刚买了200元左右的衬衫，下次就推荐150-250元区间的裤子。我之前帮一个卖美妆的朋友做规则，他们运营提了个点子：“用户收藏但没买的口红，3天后推送‘收藏专享5元券’”，结果这个规则上线后，收藏转化率直接从8%涨到了15%。这种方法最大的好处是灵活，你发现哪个规则效果好就多推，效果差就随时换，完全不用等技术改代码。

---

数据量不够时，推荐系统效果会受影响吗？

不会严重影响。中小电商起步阶段，数据量不用多但需“精准”——重点收集用户点击、收藏、购买等核心行为数据（1-2个月数据即可起步），配合商品基础信息（分类、标签、价格）。数据较少时可结合业务规则补充，比如新用户推荐热门商品（按销量排序），或用“买A送B”等简单组合推荐，亲测能有效缓解数据不足的问题。

Python零基础能跟着搭建推荐系统吗？

完全可以。文中推荐的3个核心库（Pandas、Scikit-learn、Surprise）都是“开箱即用”的工具，代码逻辑简单且可直接复用。比如数据清洗环节，复制示例代码后只需修改文件名和字段名；模型训练部分，调参步骤也已简化（如SVD算法无需手动优化复杂参数）。我朋友团队里一个非技术出身的运营，跟着教程3天就跑通了基础版本。

推荐系统上线后，多久需要更新一次模型？

根据数据量和业务变化频率调整，中小电商通常每周或每月更新一次即可。如果遇到以下情况需优先更新：① 商品换季（如服饰电商从夏装转秋装）；② 用户行为模式变化（如促销活动期间点击偏好改变）；③ 推荐点击率/转化率连续2周下降。更新时无需重写代码，只需用新数据重新训练模型，全程10-30分钟就能完成。

除了协同过滤和基于内容的推荐，还有其他适合中小电商的方法吗？

有两种简单实用的方法：① 混合推荐：将协同过滤（用户偏好）和基于内容的推荐（商品特征）结果加权组合，比如“70%相似用户喜欢+30%相似商品”，能兼顾用户兴趣和商品属性；② 规则式推荐：根据业务经验直接设定规则，比如“购买手机后推荐手机壳”“加入购物车未结算的商品24小时后推送优惠券”，实现成本低且见效快，适合资源有限的团队。

如何准确判断推荐系统是否提升了销量？

最直接的方法是做A/B测试：随机选两组用户（如A组用新推荐系统，B组用原方法），对比1-2周的核心指标——点击率（推荐栏被点击比例）、转化率（点击后下单比例）、人均下单金额。如果A组指标比B组高15%以上，说明系统有效。 长期观察复购率变化（用户是否因推荐多次购买），也能反映推荐是否真正提升了用户粘性。