淘宝正在重做“猜你喜欢”:未来企业竞争,不是推荐商品,而是读懂客户
从\x26quot;猜你喜欢商品\x26quot;到\x26quot;理解用户需求并主动完成购物决策\x26quot;淘宝基于 LLM......

从"猜你喜欢商品"到"理解用户需求并主动完成购物决策"
淘宝基于 LLM(Large Language Model,大语言模型)的电商推荐系统,本质上是一次从"猜你喜欢商品"到"理解用户需求并主动完成购物决策"的升级。
传统淘宝推荐系统主要依赖机器学习 + 深度学习排序模型,而 LLM 的加入,让推荐系统从"预测你会点什么",变成"理解你为什么需要"。
可以从几个层面理解。
· · ·01传统淘宝推荐:预测行为,而不是理解需求
过去的推荐逻辑大致是:
传统推荐链路
用户行为数据
↓
特征提取
↓
推荐模型
↓
商品排序
↓
展示商品
例如:
用户
搜索跑鞋
浏览 Nike、阿迪
点击轻量运动鞋
收藏几个商品
最近购买运动袜
系统判断
"这个用户大概率喜欢跑步装备。"
于是推荐:
跑鞋
运动服
跑步耳机
运动手表
这套系统非常强,但它有一个天然限制:
它知道用户做了什么,不一定知道用户真正想解决什么问题。
比如:
用户搜索:
"适合每天通勤5公里,不累脚的鞋"
传统推荐可能理解成:
关键词匹配
通勤
鞋
5公里
然后匹配类似商品。
但它不知道:
用户是男性还是女性?
城市还是乡村?
是否需要商务一点?
是否经常下雨?
是否脚容易疲劳?
预算是多少?
是买自己还是送人?
· · ·02LLM 推荐系统的核心变化:从商品匹配到需求理解
LLM 加入后,推荐链路变成:
LLM 推荐链路
用户自然语言需求
↓
大模型理解意图
↓
结合用户画像
↓
调用商品知识库
↓
生成个性化推荐理由
↓
完成购买决策
例如:
用户:
"我35岁,经常出差,每天走路比较多,想买一双舒服一点但是不要太运动的鞋。"
LLM 可以拆解:
用户身份
35岁
商务人士
场景
高频出差
长时间步行
隐含需求
舒适
轻便
不像跑鞋
可以商务穿搭
然后推荐:
"根据你的出差场景,更推荐轻量缓震型皮质休闲鞋,而不是纯运动跑鞋。因为你需要兼顾机场步行和商务会议。"
这就是传统推荐没有的能力:
理解人的真实目的。
· · ·03淘宝 LLM 推荐系统可能包含的技术架构
一个完整的 LLM 电商推荐系统通常不是"大模型直接推荐商品"。
而是:
用户输入
↙ ↘
行为数据对话需求↘ ↙
用户画像系统 LLM语义理解
↘ ↙
用户兴趣模型
↓
商品知识库 / 商品 Embedding
↓
推荐召回系统
↓
排序模型 Ranker
↓
LLM 生成解释
↓
推荐结果
第一层:用户理解 Agent
LLM 首先理解:
用户是谁?
年龄
性别
城市
消费能力
品牌偏好
用户现在为什么买?
不是:"买羽绒服"
↓
而是:"北方冬天上班穿,不想太臃肿。"
真实需求
保暖
通勤
轻便
好搭配
第二层:商品知识增强(RAG)
淘宝拥有:
亿级商品
商品评价
参数
店铺信息
用户反馈
售后数据
LLM 不可能直接读取全部商品。
所以需要:
RAG(Retrieval-Augmented Generation)
即:
大模型 + 商品数据库
例如:
用户问:
"有没有适合油皮男生的防晒?"
系统先检索:
商品标签
男士
油皮
清爽
不泛白
用户评价
"夏天不油"
"军训适用"
然后交给 LLM 生成回答。
· · ·04淘宝未来可能出现的推荐形态
① 对话式购物助手
过去:
过去
用户搜索:"电脑"
得到:10000个结果。
未来
用户:"我预算6000,做设计,需要PS和剪辑,不玩游戏。"
↓
AI 分析:CPU需求、显卡需求、内存需求、屏幕需求
↓
推荐3台。甚至帮你比较优劣。
② AI 购物导购
未来淘宝可能不是:
被动推荐
"你可能喜欢这些商品"
而是:
AI 主动服务
"发现你最近经常购买咖啡豆,而且办公室人数增加,推荐适合企业采购的咖啡设备。"
从被动推荐变主动服务。
③ AI 销售员
对于商家:
过去
客服等待用户咨询。
未来:AI Agent
理解客户 → 推荐商品
解答疑问 → 处理优惠
促进成交
一个优秀店铺可能拥有:
一个24小时在线的 AI 销售团队。
· · ·05淘宝为什么必须做 LLM 推荐?
因为传统推荐系统已经接近瓶颈。
原因一:信息越来越丰富
以前
名称
价格
图片
现在
视频
评论
用户晒单
使用场景
内容社区
需要 AI 理解非结构化信息。
原因二:用户需求越来越复杂
今天用户不是
"我要买手机。"
而是
"我要一个拍孩子清楚、电池够用、不要太贵、老人也能用的手机。"
这不是关键词搜索问题。
这是:需求理解问题。
· · ·06对企业老板最大的启发
淘宝做 LLM 推荐,本质不是增加一个聊天机器人。
真正变化是:
过去
数据告诉企业客户喜欢什么。
未来
AI 理解客户为什么购买。
这会影响所有行业:
汽车销售
传统:客户浏览车型。
↓
未来:AI 理解家庭结构、收入、使用场景,主动推荐车型。
企业软件
传统:客户提出需求。
↓
未来:AI 理解企业经营状态,主动提醒:"你的现金流可能在45天后出现风险。"
所以淘宝 LLM 推荐系统的核心,不是"大模型替代推荐算法"。
而是:
用大模型理解人的意图
+
用传统推荐系统保证效率
+
用企业数据形成长期记忆
未来电商竞争的关键,不是谁拥有更多商品,而是谁拥有一个更懂用户的 AI 销售团队。
— END —
字竞未来|企业AI研发与应用落地



