当当网搜索/推荐技术负责人王洪涛,从产品角度，个性化推荐已经渗透到当当购物流程的各个环节：购物前、购物中、购物后。
1、商品信息页面
买了****也买了****，看了****也看了****——基于一定时间段内的订单和访问日志数据推荐购买组合——基于同一张订单的数据 。
2、购物车、收藏夹
会根据用户当前选中的商品进行实时计算、推荐商品。
3、Email邮件
我们会在订单确认信等回馈信件中附带根据本次包裹商品计算出来的商品推荐但为了避免用户取消订单去选择别的商品，我们是在用户收到商品之后再推荐的。
4、独立的个性化页面
集合所有数据源的推荐大全，但目前该产品数据表现不好，我们准备跟购物流程更深度结合。我们也有对人的推荐，即挖掘潜在与之兴趣相投的人群，便于follow其最近的购物行为，扩展推荐。从技术算法角度，我们主要用到基于内容的(当当商品搜索也是我们team在负责)、协同过滤、关联规则等方法。在实际开发中，我们也遇到了cold start的问题，特别是我们希望促进百货类商品的销售(而百货又是弱势品类)， 我们会基于商品的一些类别等属性进行推荐，这时的粒度不是基于product而是基于class。
我们的经验表明，个性化推荐技术是电子商务网站(特别是大型电子商务)的重要手段(当然地位还不能跟搜索比) 。粗略估算，对销售贡献10%~15%是没有任何问题的,这里面最重要的几个应用：
1、商品信息页面上的买了***也买了。
2、商品信息页面上的打包购买推荐。
3、购物车推荐。
