现如今,人们已经处在一个数据泛滥的时代,不管是数据制造者,还是数据收集者都遇到了前所未有的挑战。对于数据制造者来说,如何让自己曝光的信息快速被外界关注,是一件艰难的事情;对于数据收集者来说,如何从海量的数据中获得自己感兴趣的数据也是一件非常困难的事情。在如今的互联网大背景下,物品上架成本很低,电商平台发布商品将是一件很容易的事情;以未来的眼光看,电子商务平台会售卖出比普通零售业更多的物品;显然数据已成爆发式增长,需要通过结合用户行为数据分析,给每个用户推荐个性化的商品,从而提升商品交易总额(GMV)是未来的发展趋势,做到推荐系统智能化、个性化,提供千人千面的个性化服务。推荐系统的本质是聚焦用户和信息之间的联系,通过推荐系统找到有用的信息以及让数据展现到它喜欢的用户眼前,从而实现两者共赢。本文围绕着个性化推荐在电商平台的应用,主要展开了以下研究工作:首先,采用了分布式平台获取用户行为大数据,结合用户基础数据、画像数据、物品销量数据,物品流量等关键指标,进行个性化推荐。然后,介绍了一种持续可调的个性化参数模型,推荐系统后台支持按品类调节因子,调节商品排序;支持黑白名单参与配件排序等。最后,提出了用户在三种状态下的个性化推荐规则,即已登录系统用户、游客用户、首次登录用户;在线用户采用大数据平台推荐数据;游客用户采用默认排序数据,首次登录用户采用当前热销数据默认排序。本文依托电子商务平台,对基于大数据平台的个性化推荐系统进行了验证,研究结果证明了以分布式数据分析平台、个性化推荐系统相结合的方式能让转化率和GMV有显著的提升。