随着电商领域的发展和消费者购物方式的改变,人们在线上购买快速消费品的需求越来越强烈。快速消费品,简称快消品,是指那些寿命较短、产品消耗速度较快的消费品。相对于耐用消费品等行业来说,快消品是一个独具特色的领域,它在采购、营销、存储上都表现出不一样的特色。受疫情影响,线下的快消品商家在销售商品时遭到了一定的冲击。越来越多的消费者更倾向于线上购买商品,通过物流快递的方式配送到家。在市场竞争激烈的情况下,快消品商家如何打通线上线下经营渠道十分关键。本文设计并实现了一款基于多维度推荐算法的快消品平台。平台为快消品商家做生意提供线上线下采购、销售、存储等功能,帮助商家管理货品、日常进销货、管理仓库、管理资金以及推广营销。在快消品平台中,商家可以适配不同的快消品行业,实现商品的精细化管理。平台支持使用多种设备在线上商城或线下店铺快速开单,实时查看商品、调整价格、管理库存、制定促销活动、发送物流,互通线上线下数据,实现商品的零售和批发管理。平台支持商家随时制定采购订单,帮助商家满足日常进货和采购的需要。同时,平台支持商家多渠道同步卖货,为商家提供多种营销玩法,实现多平台协同销售,帮助商家提升销量。除此之外,平台支持商家随时随地查看商品、库存、销售数据,实时推送业务往来账单,帮助商家经营和管理店铺。本人主要参与并实现了快消品平台的新手引导、基础信息管理、采购管理、零售管理和批发管理模块。开发快消品平台前端使用React框架并结合低代码平台以及Node.js进行页面开发,后端采用微服务架构,数据存储上使用My SQL数据库存储数据以及使用Redis存储缓存数据。当今市场商品种类、数量繁多,更新频率飞快,客户个性化需求愈加独特。面对海量的商品种类和数量,如何精准找出消费者想要购买的商品、销售时加大力度推广哪些商品可以获得更大的收益,是商家要考虑解决的问题。针对上述问题,本文在快消品平台的基础上加入了多维度推荐算法,推荐算法的结果将应用在零售管理模块的零售商城中。推荐算法将从用户、商品、评分等多维度出发,为消费者智能化推荐商品,帮助商家精准营销。本文使用的推荐算法包含显式反馈和隐式反馈两方面。（1）在显式反馈中,本文提出了基于改进轻量级图卷积网络的推荐算法。为了解决数据稀疏性的问题,改进的轻量级图卷积网络在创建邻接矩阵后加入了经过SVD矩阵分解后的评分矩阵进行特征融合。同时,改进的轻量级图卷积网络将使用效果更好的Sentence-BERT模型对文本字段做嵌入处理,获取商品的文本信息嵌入向量,然后将其与经过图卷积操作得到的商品嵌入矩阵进行特征融合,丰富商品的嵌入矩阵。（2）在隐式反馈中,本文提出了基于改进自编码器网络的推荐算法。改进的自编码器算法加入了两次特征融合并进行了两次训练,第一次是将自编码器训练后的预测评分矩阵与经过基于评分的协同过滤算法得到的预测评分矩阵做特征融合,再将融合后的矩阵与经过Sentence-BERT模型训练后的文本信息嵌入矩阵做特征融合,最后将融合后的矩阵再次送入自编码器算法中训练。经过系统测试后,快消品平台如期上线。经过快消品商家验证,快消品平台可以解决商家开单慢、出店无法开单、库存管理混乱等问题,提升了商家的开单效率和库存管理能力。同时,本文提出的改进算法在MSE以及准确率、召回率等指标上取得了更好的效果,有助于提升商品的营销效果。