Как устроена рекомендательная система? Лекция Антона Малькова "Потроха рекомендательных систем" в рамках курса "СПЕЦИАЛИСТ ПО БОЛЬШИМ ДАННЫМ", проходящего в Digital October
Персональные рекомендации в email рассылках: типы, способы реализацииIntelligent Emails
Презентация доклада, представленного на Mailing Day-2014. О возможностях персонализации предложений в email рассылках, типах рекомендаций, источниках данных для рекомендаций и типах писем, куда можно добавить персональные продуктовые предложения.
Сергей Денисенко и Юрий Кудлик. Как интегрировать большой оффлайн-бизнес в он...DariaShalahinova
"1. Сложности процесса интеграции и их решение.
2. Интеграции с внутренними системами.
3. Формирование команды: симбиоз внутреннего и внешнего персонала. "
Что нужно вашим клиентам? Персональные товарные рекомендации как инструмент п...awgua
25.09.2015 Семинар 1С-Битрикс и AWG.ua в Одессе. Формула сайта; как увеличить прибыль интернет-магазина.
— Использование больших данных в электронной коммерции
— Что такое Cross sell и Up Sell и как с их помощью повысить прибыль
— Как персональные товарные рекомендации помогают увеличить количество заказов в 2 раза
Персональные рекомендации в email рассылках: типы, способы реализацииIntelligent Emails
Презентация доклада, представленного на Mailing Day-2014. О возможностях персонализации предложений в email рассылках, типах рекомендаций, источниках данных для рекомендаций и типах писем, куда можно добавить персональные продуктовые предложения.
Сергей Денисенко и Юрий Кудлик. Как интегрировать большой оффлайн-бизнес в он...DariaShalahinova
"1. Сложности процесса интеграции и их решение.
2. Интеграции с внутренними системами.
3. Формирование команды: симбиоз внутреннего и внешнего персонала. "
Что нужно вашим клиентам? Персональные товарные рекомендации как инструмент п...awgua
25.09.2015 Семинар 1С-Битрикс и AWG.ua в Одессе. Формула сайта; как увеличить прибыль интернет-магазина.
— Использование больших данных в электронной коммерции
— Что такое Cross sell и Up Sell и как с их помощью повысить прибыль
— Как персональные товарные рекомендации помогают увеличить количество заказов в 2 раза
Стратегия — это не страшно, страшно без стратегии! Несколько слайдов о том, какие вопросы нужно осветить в стратегии, чтобы вывести ваш email-маркетинг на новый уровень!
Услуги InspiRational по анализу базы клиентовDataMonsters
Сегментирование клиентской базы и внедрение умных алгоритмов анализа данных позволяет значительно повысить конверсию рассылок и повысить повторные продажи
ИТМО Machine Learning. Рекомендательные системы — часть 1Andrey Danilchenko
Лекция-введение в рекомендательные системы в рамках курса по машинному обучению для студентов четвертого курса на кафедре КТ ИТМО. Часть 1 — kNN, SVD, iALS.
"Построение рекомендательной системы на Python" Василий Лексин (Avito)AvitoTech
В своём докладе ведущий аналитик Avito Василий Лексин поделится опытом построения рекомендательной системы для всех general категорий. Из рассказа вы узнаете, как создать такую систему с нуля, в том числе: как подготовить данные, обучить модель и сгенерировать рекомендации.
Python Data Science meetup @ Avito 13.08.2016
Стратегия — это не страшно, страшно без стратегии! Несколько слайдов о том, какие вопросы нужно осветить в стратегии, чтобы вывести ваш email-маркетинг на новый уровень!
Услуги InspiRational по анализу базы клиентовDataMonsters
Сегментирование клиентской базы и внедрение умных алгоритмов анализа данных позволяет значительно повысить конверсию рассылок и повысить повторные продажи
ИТМО Machine Learning. Рекомендательные системы — часть 1Andrey Danilchenko
Лекция-введение в рекомендательные системы в рамках курса по машинному обучению для студентов четвертого курса на кафедре КТ ИТМО. Часть 1 — kNN, SVD, iALS.
"Построение рекомендательной системы на Python" Василий Лексин (Avito)AvitoTech
В своём докладе ведущий аналитик Avito Василий Лексин поделится опытом построения рекомендательной системы для всех general категорий. Из рассказа вы узнаете, как создать такую систему с нуля, в том числе: как подготовить данные, обучить модель и сгенерировать рекомендации.
Python Data Science meetup @ Avito 13.08.2016
ИТМО Machine Learning. Рекомендательные системы — часть 2Andrey Danilchenko
Лекция-введение в рекомендательные системы в рамках курса по машинному обучению для студентов четвертого курса на кафедре КТ ИТМО. Часть 2 — explanations, RBM, evaluation metrics, BPR
Рассказ про рекомендательные системы в целом, о том, какие они бываю и какие данные используют. Краткий разбор kNN-модели и SVD, рассказ о том, как применять SGD и ALS для обучения SVD. Обучение implicit SVD через iALS. Методы построения объяснений к рекомендациям. Обзор основных метрик качества Модель Personalized Bayesian Ranking в качестве примера learning to rank framework.
Data-driven business: Информационная основа деятельности современной КомпанииAlexander Barakov
Обоснование концепции Data-driven business - попытка показать вектор трансформации способа ведения бизнеса вне зависимости от отрасли и найти ответы на ключевые вопросы, стоящие перед современной компанией:
Какие данные являются значимыми для бизнеса?
Какие значимые данные появятся и будут необходимы бизнесу через 5,10, 20 лет?
Какие новые виды анализа данных могут трансформировать принятие решений в вашей отрасли, повысив операционную эффективность?
Какой набор ПО оптимальным образом будет решать задачи связанные с хранением, обработкой, анализом данных и доставкой и информации пользователям?
Какие BI- BigData-решения внедрять, с какими приоритетами?
Какой набор ресурсов (внутренних/внешних) и компетенций необходимо аккумулировать для запуска и развития системы бизнес-анализа компании? (Как выбрать интегратора / консультанта? Какого набирать в штат? Как планировать и управлять BI-проектами? и т.д.)
Как необходимо трансформировать бизнес-процессы и корпоративную культуру?
и т.д.
Запись вебинара https://www.owox.com/c/3ha
Когда дело доходит до визуализации данных, начинаются проблемы с реализацией этого вопроса: отчет в Excel не раскрывает полную картину, а привлечь аналитика к созданию необходимых таблиц и диаграмм не всегда получается.
На вебинаре мы расскажем, как правильно визуализировать данные для своих отчетов и какие инструменты можно использовать для создания интерактивных дашбордов без помощи разработчиков.
Программа
- Почему нельзя затягивать с вопросом визуализации в период отчетности
- Обзор самых популярных инструментов: Data Studio, Google Sheets, Power BI и Tableau
- Как с помощью Data Studio построить красивый и эффективный маркетинговый отчет
- Как разобраться в сложных формулах Google Sheets
- Как найти ответы на свои вопросы по аналитике, используя Smart Data
------------------------------------------------
Попробуйте OWOX B бесплатноI: https://www.owox.com/c/25c
Подписывайтесь на нас!
Facebook: https://www.facebook.com/owoxbicis/
Telegram: https://t.me/owoxbicis
Twitter: https://twitter.com/owoxbicis
Секреты аналитики, маркетинга и ecommerce в нашей Тайной рассылке: https://www.owox.com/c/25b
Краткий обзор видов рекомендательных систем (персонализированные/неперсонализированные, холодный старт, коллаборативная фильтрация тип) и способов их применения в B2C сервисах для улучшения бизнес-показателей: снижения стоимости привлечения пользователя, улучшения удержания и повышения маржинальности.
5 декабря прошел бесплатный вебинар: "Прогнозная аналитика в поисковом маркетинге"
Спикер: Дмитрий Иванов, генеральный директор SEO-агентства Укропмедиа.
Прогнозная аналитика в поисковом маркетинге SEOCONF2016Иванов Дмитрий
Прогнозная аналитика – западный инструмент для решения 99% задач в SEO.
Оценка эффективности поисковых запросов. Что продвигать в первую очередь.
Коммерческая аналитика. Выявление лучших товарных позиций.
Прогнозирование трафика. Решение самой сложной SEO задачи.
3 кейса, 3 года, 3 миллиона рублей.
Как измерять и сравнивать эффективность сервисов персонализацииNick Mikhailovsky
Полностью честно эффективность сервиса рекомендаций можно оценить только с помощью A/B теста. А/В тест должен измерять отдачу на инвестиции, а если это невозможно - то ценность посетителя.
Персонализация. Как повышать продажи без инвестиций. Интернет-магазины украин...Nick Mikhailovsky
Персонализация. Как повышать продажи интернет-магазина без инвестиций? Доклад Николая Михайловского (crossss.ru) с онлайн-конференции Интернет-магазины Украины-2014.
- Персонализация на сайте
- Персонализованные серии email
Как понять посетителя интернет-магазина и продать ему больше с помощью emailNick Mikhailovsky
- Стадии цикла покупки
- Что делать на каждой стадии?
- RFM-коррекция
- Как правильно собрать адреса email?
- Приветственная серия
- Серия возврата брошенного просмотра
- Серия возврата брошенной корзины
- Как подключить crossss
- Кейсы
Понимание поведения пользователей при совершении покупки позволяет интернет-магазину более эффективно привлекать, конвертировать и удерживать покупателей.
2. Данные. Типы рекомендаций
Сессии
Источник трафика
Просмотренные
товары
Поисковые
запросы
Время на сайте
Страницы сайта
Профиль
Гео
Персонализующие
данные (размеры
и т. п.)
Каталог
Категории
Характеристики
Цены
Маржа
Доступность
Действия
Покупка
Добавление в
корзину
Добавление в
wish-list
3. А большие ли данные?
Магазин из ТОП 100
• 100хN тыс. уникальных посетителей в день
• 10хN тыс. оформленных заказов в день
• 50000 – 1000000 товаров в БД
• 6 - Среднее кол-во просмотренных одним посетителем страниц
• 10 – примерное кол-во данных собираемых при посещении
пользователем каждой страницы
Трафик
Каталог/ = ?
5. Проблема скорости выдачи
Инстанс 1
Crossss DB
r
Приложение Crossss
Load Balancer
WS
Amazon
SES
Backup
and long-
term data
Amazon
S3
Инстанс 0
Crossss DB
Приложение CrossssWS
Инстанс N
Crossss DB
Приложение CrossssWS
БД Статистики
Cluster
Сервер ЛК
Приложение Crossss ЛКWS
Сервер статистики и
заданий
Задания
Сервер визуальных
рекомендаций
Приложение
визуальных
рекомендаций
Visual DB
Преднасчитанные
рекомендации
NOSQL DB
7. Персонализация контента (сортировка
поисковой выдачи)
Типичная выдача каталога
с произвольной сортировкой
Или с сортировкой по цене
Каталог, отсортированный
по интересам
пользователя
8. Персонализации писем и других каналов
взаимодействия
По магазинам со стандартными почтовыми
сериями crossss (октябрь):
• Open Rate 50.1%±2.5% (среднее отклонение)
• CTR в открытые письма 43.6%±8.5% (среднее
отклонение)
• Конверсия по каналу почтового ретаргетинга
колеблется от 4% до 65% (без учета
многоканальной атрибуции, first cookie wins)
9. Несколько секретов
Секрет 1. Как определить, что искал пользователь без поискового
запроса
Приземлились на каталог
Приземлились на товар
11. Секрет 3. Использование информации о том, как пользователи
взаимодействуют с рекомендациями.
12. Секрет 4. Цикл покупки. Конвертация покупателя в подписчика
осознание
проблемы
поиск
информации
сравнение
решений
покупка
поведение
после
покупки
• Определить с помощью BigData, купит
или нет в текущей сессии посетитель
• Если все равно не купит, то постараться
конвертировать его в email
14. Сильно ли алгоритмы влияют на
эффективность рекомендаций
Текст заголовка Размещениеблока на странице
А/Б тест:
CTR Заголовок
0,0298 недавно купленных товаров
0,031Вам рекомендуют
0,0328 товаров, которые вам понадобятся в этом месяце
0,0368 похожих товаров
0,036Смотревшие этот товар купили:
0,0388 товаров, которые тоже понадобятся
0,0398 товаров для сравнения
0,0408 товаров, которые вас заинтересуют
0,054Что может понадобиться во время кризиса?
0,0698 товаров, без которых у вас могут появиться проблемы
Вас также может заинтересовать Обратите внимание на С этим товаром часто покупают
Возможно, Вас заинтересует Покупатели рекомендуют С этими товарами покупают
Выгодные предложения Популярные товары
Смотревшие этот товар
интересуются
Дополнительные рекомендации
Похожие более дешевые
товары Смотревшие этот товар купили
Купите прямо сейчас Похожие товары в наличии Сравните еще с
Лидер продаж Похожие товары Товары в корзине
Лидеры продаж Рекомендаций не найдено Товары которые подешевели
Мы рекомендуем Рекомендуем Товары которые подорожали
Недавно в этой категории
покупали Рекомендуемые товары Товары нашего магазина
Недавно просмотренные товары С этим товаром покупают Хиты продаж