ACT 智能推荐系统

**推荐输出示例（综合内容）：**

🎯 推荐商品清单：
1. 【ZARA】秋季基础款黑色针织开衫（￥299）
2. 【COS】极简白色圆领卫衣（￥499）
3. 【优衣库U系列】灰色直筒长裤（￥259）
4. 【MUJI】中性色系宽松T恤（￥189）
5. 【EVERLANE】黑色极简风棉质长袖（￥520）

📌 推荐逻辑与算法路径：
- 用户画像关键词提取：
  - 风格：简约风（权重：0.45）
  - 色系：黑白灰（权重：0.3）
  - 价格段：中高价位（￥200–￥600）
- 采用混合推荐算法：
  - 协同过滤推荐（协同因子0.6）
  - 内容推荐（文本相似度匹配+图像风格标签）
  - 热门商品曝光度适配（基于浏览量/收藏量）

🔍 多维打分机制：
| 商品 | 画像匹配度 | 历史点击概率 | 风格相似度 | 综合推荐分 |
|-------|------------|---------------|--------------|---------------|
| ZARA 针织开衫 | 92%         | 88%            | 95%          | 91.6        |
| COS 卫衣        | 95%         | 79%            | 96%          | 90.2        |

🧠 模型动态参数：
- 实时热度衰减系数：0.93
- 品牌可信度修正因子：+3%（根据用户历史偏好）
- 曝光惩罚因子：对前30天已多次展示商品适当降权

📊 用户典型应用场景：
- 【A用户】进入首页即呈现差异化“猜你喜欢”区域，提升首屏点击率；
- 【B用户】在微信私域触达中收到精选5件新品推荐卡片，配图引导点击转化；
- 【C用户】语音交互问“有没有适合春季上班穿的中性搭配”，通过多轮过滤生成定制推荐清单。

🔁 增强反馈机制：
- 用户点击/购买行为实时回传训练集
- 推荐成功率监控 + 模型策略自动热更新
- 推荐结果与广告转化对比，输出 ROI 数据支持决策