冠军方案的实战套路，贴合业务场景的推荐策略，用得好直接拿来应对公司项目都没问题。这份分享来自天池-安泰杯跨境电商智能算法大赛，核心任务就是预测用户在 AliExpress 上接下来会买啥，提交的商品越准、排名越靠前分越高。

赛题的设计挺有意思，数据按“人货场”逻辑组织，用户的点击、浏览、加购、购买行为都有记录。常见字段像user_id、item_id、event_time、buy_flag这些，基本能拼出用户全链路的购物旅程。

方案核心分成召回+排序两步，比较聪明的一点是——先把用户按“是否历史交互”分群，针对性做召回策略。比如历史交互用户，你就可以大胆把交互过的商品全量召回来。冷启动用户的话，可以上点流行榜、相似用户什么的做个基础召回。

排序部分用的也不复杂，常见的LightGBM、XGBoost都在用，有的选手甚至直接上Embedding + MLP。特征设计嘛，不要瞎凑，一些交叉行为特征比如“最近三天点击数”其实蛮有效。

比赛评价指标是MRR（Mean Reciprocal Rank），简单说就是你推荐得越靠前越吃香。别光堆精度，有时候要想办法提升前几名的命中率。

哦对了，想了解更多用户行为的思路，可以看看这些文章：

如果你正好做推荐系统、想搞点个性化推荐，或者在优化排序算法，这个方案真的挺值得一看，拿来做 benchmark 也蛮方便的。