从搜索到发现

0 views
1,031 views

Published on

Published in: Technology
0 Comments
4 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
0
On SlideShare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
83
Comments
0
Likes
4
Embeds 0
No embeds

No notes for slide
  • 11/23/09
  • 从搜索到发现

    1. 1. 从搜索到发现 王洪涛, 2009-11 11/23/09 —— 推荐技术及其在电子商务中的应用
    2. 2. 主要内容 <ul><li>推荐技术简介 </li></ul><ul><li>主要的算法思想和数据介绍 </li></ul><ul><li>在电子商务中的应用实践 </li></ul><ul><li>总结与展望 </li></ul>
    3. 3. Example
    4. 4. 个性化推荐技术简介 <ul><li>搜索与推荐的区别 </li></ul><ul><li>推荐技术可用于…… </li></ul><ul><ul><li>电子商务、呼叫中心、数字电视、新闻媒体、网络视频 </li></ul></ul><ul><ul><li>精准广告、移动互联网、手机增值服务…… </li></ul></ul><ul><li>业界典型应用案例 </li></ul><ul><ul><li>Amazon.com 、 Netflix.com 、 Last.fm 、 Pandora.com </li></ul></ul><ul><ul><li>douban.com 、 DangDang.com 、 taobao.com </li></ul></ul><ul><ul><li>Aggregateknowledge.com 、 clickchoice.com </li></ul></ul>
    5. 5. 数据、算法和产品——概述 <ul><li>数据 </li></ul><ul><ul><li>订单数据、浏览日志、浏览到购买数据 </li></ul></ul><ul><ul><li>收藏夹、购物车、评分数据 </li></ul></ul><ul><li>算法 </li></ul><ul><ul><li>Item to Item </li></ul></ul><ul><ul><ul><li>Item based Personalized Recommendation </li></ul></ul></ul><ul><ul><li>User to User </li></ul></ul><ul><ul><ul><li>User based Personalized Recommendation </li></ul></ul></ul><ul><ul><li>Content to Content </li></ul></ul><ul><ul><ul><li>Content based matching </li></ul></ul></ul><ul><ul><li>Association Rules </li></ul></ul><ul><ul><ul><li>Classical Data Mining algorithm </li></ul></ul></ul><ul><ul><li>Social Recommendation </li></ul></ul><ul><ul><ul><li>Friends based Personalized Recommendation </li></ul></ul></ul>
    6. 6. 电子商务领域的应用实践 <ul><li>典型应用 </li></ul><ul><ul><li>Cross/Up Sale : also buy 、 also view 、打包购买 </li></ul></ul><ul><ul><li>组合推荐:购物车、收藏夹、订单确认信推荐 </li></ul></ul><ul><ul><li>个性化推荐:根据购物历史、浏览历史推荐、个性化邮件 </li></ul></ul><ul><ul><li>社区 / 互动:相似顾客推荐 </li></ul></ul>
    7. 7. 个性化推荐
    8. 8. 交叉 / 向上销售
    9. 9. 购物车推荐
    10. 10. 收藏夹推荐
    11. 11. 个性化邮件
    12. 12. 来自用户的声音 <ul><li>“ 不错。 但是,推荐的范围还可以更大些。比如,我浏览过日语和法语,可以问我是不是喜欢更多的语言。其他的语言品种也可显示部分。” </li></ul><ul><li>“ 请问当当有没有关于商品分类的邮件订阅?” </li></ul><ul><li>“ 可以根据我们的年龄、职业、兴趣来推荐。  如果只按照我们的浏览记录或者曾购买类型来推荐,那么推荐的书只有那么几类,但我们需要全面的去读书。 ” </li></ul><ul><li>“ 基本上还可以。最好把最近上架的相关书籍推荐上” </li></ul><ul><li>“ 有没有新书推荐之类的啊 ~ 每次都想看感兴趣的书有没有新到的” </li></ul>
    13. 13. 来自实践的感受 <ul><li>对消费者的价值——网上购物领域 </li></ul><ul><ul><li>及时 </li></ul></ul><ul><ul><li>扩展 </li></ul></ul><ul><ul><li>引导 </li></ul></ul><ul><li>对商家的价值 </li></ul><ul><ul><li>销售额 </li></ul></ul><ul><ul><li>用户忠诚度 </li></ul></ul><ul><ul><li>物流 </li></ul></ul>
    14. 14. 总结 <ul><li>数据、算法与产品设计 </li></ul><ul><ul><li>数据最重要 </li></ul></ul><ul><ul><li>算法选择要契合实际应用情景 </li></ul></ul><ul><ul><li>产品设计要重视人口统计学因素、即时意图的把握 </li></ul></ul><ul><li>应用前景 </li></ul><ul><ul><li>任何便于捕捉用户行为 & 涉及大量选择的领域 </li></ul></ul><ul><ul><ul><li>电子商务、网络社区、手机、数字媒体等 </li></ul></ul></ul><ul><ul><ul><li>线上最容易实施,那么线下呢? </li></ul></ul></ul>
    15. 15. 谢谢大家! 我们在找人做: Search/Recommendation/Ad/eDM/SEM C++ 工程师、应届实习生 mailto : [email_address] PHP 工程师、应届实习生 mailto : [email_address] 产品经理 mailto: [email_address]

    ×