paper2skills Playbook

Session-Based Recommendation with SR-GNN

Skill-Session-Based-Recommendation-SR-GNN · 05-推荐系统

causalexperimentforecastingrecommendationpricing推荐与搜索定价与利润WF-D 选品扫描WF-F 动态定价WF-H 复购增长
年化 ROI首年投入约 15 万，预期年增量 GMV 约 1440 万，
实现难度⭐⭐⭐☆☆
业务视角
适用角色运营负责人 / 选品负责人 · 产品经理 · 广告优化师
适用平台Amazon · DTC 独立站 · 邮件/SMS 个性化
什么情况下用老客来了只买一件就走，相关产品没被推出去；Bundle 商品连带销售做不起来；站内推荐位点击率低
成功是什么样的老客连带购买率提升 20-35%，客单价提升，品类交叉销售做起来
业务痛点
老客复购率上不去相关产品没有被看到Bundle 凑单没人用新品没有曝光机会

1. 解决的问题

母婴出海电商中 60%+ 用户以匿名状态浏览（未登录/未注册）

2. 核心算法逻辑

核心思想：将用户匿名浏览 session 中的商品交互序列建模为图结构，用图神经网络（GNN）捕捉商品间的复杂转移关系，取代传统 RNN 只能建模线性顺序的局限。每个 session 被表示为"全局长期偏好"与"当前 session 兴趣"的注意力加权组合，预测用户下一个最可能点击的商品。

3. 业务应用场景

业务问题：母婴出海电商中 60%+ 用户以匿名状态浏览（未登录/未注册）。一位用户在 10 分钟内连续点击了"吸奶器配件→储奶袋→温奶器→吸奶器配件"，传统协同过滤无法识别这是同一个匿名 session，ItemCF 只会推荐"买吸奶器的人也买了..."。实际上这个用户正在准备"背奶装备"，应该在 session 内推荐"母乳保鲜包""便携冰袋"等连带商品。

数据要求： - 匿名 session 日志（timestamp, session_id, item_id） - 商品 metadata（类目、品牌、价格带） - 最近 30 天的 session 数据用于训练

应用流程： 1. 将原始点击流按 session 切分（通常 30 分钟无活动视为 session 结束） 2. 构建 session 图：每个 session 内的点击序列转为有向图 3. 训练 SR-GNN：学习商品 embedding 和 GNN 参数 4. 在线推理：实时接收匿名 session 的当前点击序列，预测 Top-K 下一个商品

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

  • ROI预估:
  • 直接收益: 匿名用户 session 内转化率提升 15-25%。母婴电商匿名流量 60%+，按月均 GMV 1000 万计，转化率提升 20% 对应增量约 120 万/月
  • 综合 ROI: 首年投入约 15 万，预期年增量 GMV 约 1440 万，ROI 约 96 倍
  • 实施难度: ⭐⭐⭐☆☆（3/5）
  • SR-GNN 已有成熟开源实现，主要挑战在 session 切分策略和在线推理延迟
  • 优先级评分: ⭐⭐⭐⭐⭐（5/5）

7. 代码模板

代码块数量：1 · 路径：未检测到

请查看原始 Skill 卡片获取完整代码。

8. 论文来源

  • 1811.00855