在日前举行的“2022亿邦DTC品牌出海用户增长峰会”上，火山引擎推荐解决方案架构师张书玮发表了题为《智慧出海，火山“荐”行》的演讲。他指出，好的推荐算法可以帮助出海企业促进用户活跃度，提升用户留存率，从而实现收入增长。火山引擎智能推荐平台覆盖出海的多个场景，通过推荐为企业优化信息分发效率，提升业务指标。
张书玮指出，不管是海外不同地区用户偏好差异大，通过人工打标的低效，还是由于无法给用户推荐他想要的产品而导致新老客留存低，抑或是中长尾商品得不到合理的曝光等问题，实际上都可以通过好的推荐算法来解决。
据悉，火山引擎智能推荐平台来源于字节跳动推荐中台，支撑了包括今日头条、抖音、飞书等产品，所以，当它对外输出给B端客户时，也可以达到很好的效果。为此，张书玮还通过案例展示了火山引擎智能推荐平台如何帮助跨境电商客户显著提高人均GMV、次日留存，以及复购率等业绩效果。
据悉，2022亿邦DTC品牌出海用户增长峰会于8月26日在中国·深圳举办。这是一场专为传统品牌、DTC品牌、精品跨境电商卖家举办的出海知识盛宴，以“有效创新”为主题，探讨跨境电商进入新周期后，企业如何通过有效创新找到自己独特的竞争优势，实现可持续增长。本次峰会首次引入的“EBRUN全球好物”评选品牌产品秀和品牌晚宴，也将为出海同行提供更立体的思想碰撞、实战交流以及资源对接的沟通场景。
（温馨提示：本文为速记初审稿，保证现场嘉宾原意，未经删节，或存纰漏，敬请谅解。）
以下为演讲实录：
张书玮：
大家好！今天借这个机会给大家介绍一下火山引擎智能推荐平台这种数字化技术如何帮助出海客户。
一个好的推荐算法能够提升出海业务的用户体验，从而提高留存，提升商业化水平。具体来看有这几个场景：
一、用户偏好差异很大。我们知道，出海企业都要做本地化运营，不同地区、不同国家的用户偏好、品味差异非常大。同样一个充电宝，卖给欧美用户可能更注重品牌，卖给中东用户可能更注重外观设计，卖给东南亚用户可能更注重性价比。如果你通过人工或打标签的方式，效率是比较低的，但是算法能很好地解决精细化运营的问题。
二、新客老客留存的问题。现在，海外买量、拉新的成本是非常高的。如果一个客户到了你的网站、APP，没有一个好的推荐算法及时推送给他搭配的相关产品，那么他买完一件就走掉了，长此以往，对留存、复购是很不利的。
不管是做内容还是做电商，都会遇到“二八效应”。评价越好的商品展现越靠前，用户越能看见、越可能去购买，它的排名又继续靠前。这样的循环其实对于平台上的中长尾商品或者一些冷门商品是不太好的。而且，不管对于产品丰富度以及用户“惊喜感”，都是非常不利的。同样，算法也可以解决这个问题。
最后，是运营效率的问题。如果一个卖家有成千上万的SKU，通过人工去做上架、推送，效率会非常低下。这也可以靠推荐算法来解决。
在座的各位可能关心的是，算法到底能不能解决最终的业务目标？我们的答案是可以的。用火山引擎的推荐算法，不管你是电商还是游戏社区，或者内容APP，接入到各个场景里，包括“猜你喜欢”、“购物车”等，都可以提升业务指标，包括人均GMV、点击下载ECPM等。我们是直接对业务指标负责的算法提供商。
可能朋友可能没有听过火山引擎。我快速介绍一下。火山引擎是字节跳动旗下的云服务平台，把字节跳动快速发展过程中积累的增长方法、技术能力和工具，开放给外部企业，提供云基础、视频与内容分发、大数据、人工智能、开发与运维等服务，帮助企业在数字化升级中实现持续增长。
我们的智能推荐平台，来源于字节跳动推荐中台。字节跳动推荐中台有成百上千算法工程师专门做推荐这个事情。一方面，这个推荐中台能力支撑着字节跳动，包括今日头条、抖音、飞书都有推荐算法的应用；另外一方面，通过火山引擎对外输出给B端客户时，用的是跟抖音、今日头条、同一套引擎、同一套架构。
接下来我们看看案例。火山引擎智能推荐平台在跨境电商领域的应用，列几家给大家参考：
第一家，是一个服饰类的跨境电商，我们接入它的场景是非常多的，猜你喜欢、详情页相关推荐、购物车等。可以直接看到业务指标的效果非常明显：它南美站接入之后，跟其他同类产品对比，人均GMV高出了108%；印度站，人均GMV高出了48.32%。
请大家想一下，为什么要分两个站接入呢？其实就是刚才说到的要做本地化运营。南美站跟印度站，用户偏好、用户的行为是不一样的，而且这个商家是卖服装的，季节性的因素都会反映在算法里，所以我们是单独对它两个站分别进行建模，最大化平台的收益。
另外，这个案例里面，我们还做了一件事情——新商品的冷启动。比如，我们新上了一个商品之后专门给它一些曝光量，而以往是随机分配流量，看它的表现。我们在新商品的冷启动阶段，通过引入用户行为偏好的一些特征，按照算法给它分配流量，这样就可以最大化它的流量价值。
另外一个商家案例，火山引擎智能推荐平台接的也是猜你喜欢、详情页相关推荐、购物车等场景。从效果来看，相对于用户的基线，人均GMV提升了80%。而且我们会发现，它在接入算法之后，次日留存也有了比较好的提升。这是因为如果推荐算法给用户推的东西是用户想买的，用户体验提升后，留存也会提升，从而复购也会上升。这也是算一个额外的价值。
第三案例是面向中东的母婴电商。接入的同样是猜你喜欢、详情页推荐等场景，人均GMV跟次留都有不错的提升。
最后一个案例是一家面向欧美用户，卖丝绸制品、床上用品的公司。这个客户之前用的是第三方插件，但是比较简单，改用我们的算法之后人均GMV相对原来的第三方服务提升了50%。因为效果特别好，现在他们的流量已经百分之百切到了这边。
总结一下，为什么我们推荐平台能够在相同成本甚至更低成本下做到更好的效果？我归纳为这五点：
端到端。我们平台提供了从数据接入到做特征、做模型、最后AB测试的全流程端到端的解决方案，不像有的平台数据接入或者AB测试需要依赖第三方平台。
实时性。这在推荐里非常重要。举一个电商的例子，一个用户在第一次刷网页的时候刷到一双鞋，没有买，在下一刷的时候如果没有给他推荐到他想要的同款式或者不同款式的鞋，他可能就走掉了。算法实时捕捉到用户行为、用户兴趣偏好、用户兴趣变化，是非常重要的。而我们的实时性，在业界也非常领先。
大规模。我们整个系统支持了抖音等月活过亿的用户体量，这样一个大规模分布式机器学习系统支持跨境电商的体量是足够的。
行业定制。这因为我们做推荐算法to B业务时是从项目式开始的，最早是跟手机厂商合作，慢慢开始做电商、做广告、做内容。在电商里又会做二手电商、奢侈品电商、直播电商等不同的客户类型，他们的业务会有一些差异。我们也将这种业务的差异性，以及对于行业的“know-how”通过工具的方式沉淀到平台上，提供给我们的行业客户。
深度开放。我们整个平台是非常开放的，提供了黑白盒两套功能。如果你的团队没有算法工程师、没有技术人员，直接用黑盒版本从0到1的点选式的就可以一键搭建一个推荐平台。如果你的团队有算法工程师或者你计划去建立自己的算法团队，我们可以提供白盒版，你可以在我们的平台上，由算法工程师自己做模型、做特征、自己不断迭代。
简单带大家串一下我们的架构：
首先会有数据接入，用户数据、行为数据等。到了特征，因为模型不能直接用数据训练，而要用特征、样本训练，所以会有一个数据到特征样本生成的过程；特征包括了用户侧的特征、用户的ID、用户的性别、年龄等，商品侧的特征包括商品的分类、品牌、折扣前后的价格以及上下文的特征，如用户在什么时间点、什么位置、用什么设备访问了你的网站；这些特征进入到模型里就可以做模型的训练，同时你也可以在上面自定义模型。模型开发完就可以发布到线上做推荐的在线服务，不管是召回还是排序的策略配置。最后是到AB试验，去看不同算法的效果差异。
整个提供了从数据的“进”到最后推荐结果的“出”，端到端的解决方案。
再给大家分享三个我们平台的特性：
第一是开放性。我刚刚说过，如果你没有技术团队、没有算法团队，直接使用我们自动化特征处理、自动化模型训练，很快就可以搭建起来一个推荐系统。如果你有自己的算法团队，我们不管是在特征的开放上，不管特征的实时性、丰富度，还是操作性，或者在模型训练上，我们的解决方案的成本和速度在业界都是非常领先的。
第二是行业的定制。我们提供了多种行业模板，比如电商、内容、大屏。其实大屏上面推的也是电影、电视剧的内容，但是因为行业特性而单独拎出来做一个模板。包括广告，我们也有不同行业的模板。不管你在哪个行业，选择相应的行业模板就可以快速搭建起你的推荐系统，包括接入的场景以及你要提升的业务指标。
最后，针对出海的客户，大家都关心数据安全和隐私的问题，所以我们针对不同的国家也提供了不同的部署方式，比如公有云的部署——部署在火山引擎的云，或者私有云部署——部署在你的机房，专属AZ部署使用的是你独享的物理资源，还有VPC部署方式。
欢迎大家针对智能推荐算法怎样赋能出海业务来跟我们交流、沟通。我的分享就到这里，谢谢大家！
文章来源：亿邦动力
