Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

从搜索到发现

1,174 views

Published on

Published in: Technology
  • Be the first to comment

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]

×