文档介绍了个性化推荐技术及其在电子商务中的应用，包括推荐的定义、主要算法和数据，提供了业界典型应用案例。强调数据、算法和产品设计的重要性，并探讨了推荐引擎的市场需求和前景。最后，文档还包含招聘广告，招聘相关领域的产品经理和实习生。

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