随着互联网以及4G网络的迅猛发展,企业的访问流量开始大量从电脑端涌向移动端,企业积累了大量数据。如何利用积累的消费者行为信息以及地理信息为用户提供个性化推荐,提高用户满意度,同时使企业实现利润上的增长,以达到双赢的目的,是目前亟需解决的问题。本系统由推荐算法引擎和后台可视化两大模块组成。推荐引擎面向用户,通过分析用户的消费行为并且结合用户的地理信息为用户推荐商品。针对不同用户群体和行为,引擎将会启动更具有针对性的子引擎为用户生成候选集。为了使开发人员可以根据业务场景自由组合子引擎并赋予权重,我们设置子引擎装配器,开发人员根据需要灵活的选择子引擎。运营等人员可以从产品运营角度出发更新子引擎。同时为了提升算法引擎的性能,我们在三个地方做了处理,第一、为了提高最终的准确度和推荐结果产生的效率,我们对用户商铺评分矩阵使用威尔逊区间算法进行处理。第二、为了节省内存加快SVD算法的迭代速率,我们引入了CSR对评分矩阵进行存储。第三、为了提高协同过滤时,对用户间以及物品间的相似性计算检索的效率,我们引入ball tree。在系统实现中,我们对用户的地理信息做了初步的挖掘分析,在推荐引擎中引入地理信息,使最终推荐更加个性化。网站在运营过程中积累了大量来自用户和店铺的数据,为了方便算法工程师、运营、产品经理等人更好的理解数据以及网站的运营状况,系统通过设置数据分析引擎,对用户行为数据、店铺消费情况、地区人流量等做了统计分析。