Your SlideShare is downloading. ×
0
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
当当网:从搜索到发现
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

当当网:从搜索到发现

1,613

Published on

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,613
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
27
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. 从搜索到发现 ——推荐技术及其在电子商务中的应用 王洪涛,2009-09 1 2010-7-19
  • 2. 主要内容 • 推荐技术简介 • 主要的算法思想和数据介绍 • 在电子商务中的应用实践 • 总结与招聘广告
  • 3. Example
  • 4. 个性化推荐技术简介 • 什么是推荐 • 搜索与推荐的区别 • 推荐技术可用于…… • 电子商务、呼叫中心、数字电视、新闻媒体、网络视频 • 精准广告、移动互联网、手机增值服务…… • 业界典型应用案例 • Amazon.com、Netflix.com、Last.fm、Pandora.com • douban.com、DangDang.com、taobao.com • Aggregateknowledge.com、clickchoice.com
  • 5. 数据、算法和产品——概述 • 数据 • 订单数据、浏览日志、浏览到购买数据 • 收藏夹、购物车、评分数据 • 算法 • Item to Item • Item based Personalized Recommendation • User to User • User based Personalized Recommendation • Content to Content • Content based matching • Association Rules • Classical Data Mining algorithm • Social Recommendation • Friends based Personalized Recommendation • 产品 • Also Buy、Also View、打包购买、相似顾客…… • 浏览推荐、购物推荐(Item Based)、购物推荐(User based)…… • 购物车推荐、收藏夹推荐、个性化邮件……
  • 6. 电子商务领域的应用实践 • 典型应用 • Cross/Up Sale:also buy、also view、打包购买 • 组合推荐:购物车、收藏夹、订单确认信推荐 • 个性化推荐:根据购物历史、浏览历史推荐、个性化邮件 • 互动:相似顾客推荐
  • 7. 个性化推荐
  • 8. 交叉/向上销售
  • 9. 购物车推荐
  • 10. 收藏夹推荐
  • 11. 个性化邮件
  • 12. 总结 • 数据、算法与产品设计 • 数据最重要 • 利用 User Feedback改进算法 • 重视人口统计学因素、即时意图的把握 • 产品的位置与交互非常关键 • 应用前景 • 任何涉及大量选择&大量用户交互的场所 • 电子商务、网络社区、手机、数字媒体等 • 线上最容易实施,那么线下呢? • 推荐引擎? • 既然有搜索引擎,是否可以有一个独立的推荐引擎? • 现有的推荐绝大多数都是依托于其他平台的附属应用 • 推荐引擎是否有独立存在的空间和市场需求?
  • 13. 招聘广告 • 产品经理/高级产品经理(非实习)——关键词/行为定向广告系统 • 需要有相关领域2~3年工作经验,特别是面向广告客户的商业产品经验 • 投递:wanght05+PM@gmail.com • 实习生(明年毕业的硕士最佳)——搜索/数据挖掘/个性化推荐 • 偏算法方向的需要有相关领域的研究、开发经验 • 偏工程方向的则希望工程实战经验多一些 • 对C/C++ coding能力均有一定要求 • 投递:wanght05+engineer@gmail.com • 实习生(明年毕业,本/硕)——PHP(移动互联网/广告平台/购物频道) • 需要完整的PHP开发项目经验 • 对前端JS/CSS/XHTML较为熟悉,可手写代码 • 或者对后端的MySQL/Apache/Nginx配置较为熟悉 • 投递:wanght05+PHP@gmail.com

×