企业健康产品推荐：用特征工程优化排序

01 / 业务问题

企业健康团队通过触达渠道向员工推荐可能感兴趣的产品类别，再由用户进入 App 查看和购买。已有模型的识别效果较低，基础用户与订单特征不足以反映用户的购买习惯和类别偏好。

分析需要回答：对同一位用户，哪些产品类别应当排在前面？

02 / 我的工作

主要负责特征工程优化，围绕用户行为、产品属性和用户与产品的交互设计特征。部分特征设计在老师指导下完成，其余特征工程由本人独立完成。

• 用户行为：历史购买次数、最近购买时间、购买频率与购买类别多样性，刻画需求强度、近期行为和偏好广度。
• 产品属性：产品热度，刻画类别整体受欢迎程度。
• 交互偏好：某类产品在用户全部购买中的占比，比较同一用户对不同类别的相对偏好。

03 / 分析方法

采用 LightGBM LambdaRank 学习用户与产品类别之间的排序关系，将特征优化应用于 Top-K 推荐。模型重点在于类别排序，而非只判断是否购买。

04 / 结果与业务价值

改进后的排序结果用于支持产品类别推荐，为更有针对性的用户触达提供数据依据。

以上为已有材料记录的模型评估结果；“提升约 30%”为相对提升口径，不代表提升 30 个百分点，也不等同于线上购买转化率。