找货推荐商品丰富度指数与推荐深度分级数据

【适用条件】本数据集适用于已建立服装批发AI导购平台且找货推荐结果按消息记录、含推荐商品明细的运营企业。 【适用范围】适用于推荐效果评估、商品运营管理、导购系统优化等领域。覆盖服装批发平台、电商导购服务商、行业研究机构等机构类型。 【适用对象】面向平台运营管理人员、推荐算法工程师、商品运营人员、行业研究人员、导购系统开发人员。 【解决的核心问题】（1）推荐丰富度缺乏量化：以推荐商品数、去重商家数与推荐深度合成指数，解决找货推荐可选范围无法横向比较的问题；（2）推荐深度评估不足：以最大推荐序号刻画单次推荐的商品陈列深度；（3）推荐效果监测手段单一：为按丰富度等级筛选推荐会话提供统一标尺。 【数据流通与应用价值】本数据集采用统一的丰富度指数口径，通用性强、可移植性好。可应用于：（1）推荐效果评估：为平台监测找货推荐丰富度提供量化指数；（2）商品运营：为运营人员识别推荐深度不足的会话提供筛选依据；（3）行业研究：为研究机构分析AI导购推荐策略提供基础数据；（4）系统开发：为导购软件丰富度监测模块提供规则参照。数据集遵循数据安全相关规范，不涉及个人信息。（一）加工前的数据说明 原始数据来源于公司服装批发AI导购平台客户端的找货功能，由用户在使用过程中授权同意后采集。原始数据包含用户消息id、标题、推荐序号、商品spuid、商家名称等字段，用户消息id为一次找货请求的会话标识，推荐序号为推荐商品在卡片内的排列次序，商家名称为推荐商品的供货商家标识。加工前剔除推荐序号为空或非数值的记录。 （二）处理规则 1. 推荐商品数统计：按用户消息id分组，统计组内商品记录条数，得到推荐商品数字段。 2. 去重商家数统计：按用户消息id分组，统计组内不同商家名称的个数，得到去重商家数。 3. 推荐深度提取：按用户消息id分组，取组内推荐序号的最大值，得到推荐深度；推荐深度为1-2的记为浅推荐，3-4的记为深推荐，得到推荐深度等级。 4. 推荐丰富度指数计算：按公式""推荐丰富度指数=推荐商品数×0.4+去重商家数×0.3+推荐深度×0.3""逐组计算，得到推荐丰富度指数。权重依据各要素对推荐可选范围的影响程度设定：推荐商品数直接决定可选范围权重最高取0.4，商家多样性与推荐深度对丰富度的贡献相当各取0.3。 5. 丰富度等级判定：推荐丰富度指数≥3为高丰富，2≤推荐丰富度指数<3为中等丰富，推荐丰富度指数<2为低丰富，得到丰富度等级。 以上计算结果均保留 2 位小数。 （三）数据内容描述 经加工后形成的数据集包含11个字段：用户消息id、标题、推荐序号、商品spuid、商家名称、推荐商品数、去重商家数、推荐深度、推荐深度等级、推荐丰富度指数、丰富度等级。以丰富度指数与推荐深度刻画找货推荐结果的可选范围，供推荐效果评估与商品运营使用。

搜集汇总

背景与挑战

背景概述

该数据集围绕服装批发AI导购平台的找货推荐结果，通过推荐商品数、去重商家数和推荐深度合成丰富度指数，并划分推荐深度等级与丰富度等级，形成包含11个字段、1666条记录的数据集，以统一标尺量化推荐可选范围。其适用于推荐效果评估、商品运营管理、导购系统优化等领域，可帮助平台运营、算法工程师、商品运营及研究人员等识别推荐深度不足、监测推荐丰富度并支撑AI导购策略研究。