中國數(shù)據(jù)資產(chǎn)管理峰會-唯品會大數(shù)據(jù)-資料下載頁
2025-02-23 17:20本頁面
【正文】 23Q42023Q1:基于人群分組和人工排序的個 性化運(yùn)營嘗試 – 人群劃分 – 首頁人工排序 – 列表頁人工規(guī)則自動排序 – 無效果。 ? 2023Q2:開始有機(jī)會在小流量新版首頁嘗試技術(shù)主導(dǎo) – 機(jī)器學(xué)習(xí) +業(yè)務(wù)規(guī)則 – 首頁動態(tài)生成個性化推薦模塊 – 首頁動態(tài)生成個性化排序頁面 – 提高了首頁到列表頁轉(zhuǎn)化率，降低了跳出率，提高了銷售 我們走過的路 ? 2023 Q3Now: 首頁和列表頁的個性化排序 – 機(jī)器學(xué)習(xí) train model – Hadoop 生成 user profile/brand profile – Storm 計算實(shí)時轉(zhuǎn)化銷售數(shù)據(jù)，用戶實(shí)時行為和意圖 – 實(shí)時排序首頁和列表頁 ? 下一步 – 更多引入個性化 因子 (feature) – 細(xì)化 user/brand profile ,更多數(shù)據(jù) – 引入更多其他算法，做到算法可以靈活替代 – 不但個性化排序和推薦，還可以有更多 17:20:18 31 個性化推薦下一個階段 ? 實(shí)時，實(shí)時，再實(shí)時 – 實(shí)時計算商品品牌信息，用戶 profile – 實(shí)時推薦 – 實(shí)時算法迭代更新 – 實(shí)時 Abtest verify ? 個性化，個性化，個性化 – 移動天然是個個性化的好場所 – 更多的個性化因子 – 更加全面的數(shù)據(jù)：用戶畫像建設(shè)，曝光數(shù)據(jù)的收集 … 個性化階段性成果 PC端 – 推薦： ? 10%~12% PC銷售占比 – 首頁個性化排序 ? ~4%銷售金額提升 移動端 (2023/12) – 首頁個性化排序 ? ~4%銷售金額提升 – 列表頁排序優(yōu)化 ? ~15%銷售金額 提升 – Overall: ~17% 17:20:18 33 推薦關(guān)鍵點(diǎn) 34 推薦 用戶 場景 ITEM 解決之道 35 推薦 數(shù)據(jù) 算法 系統(tǒng) 一些小結(jié) ? 技術(shù)選型： – 業(yè)界標(biāo)準(zhǔn) best practice – 成熟技術(shù) : 技術(shù)本身的成熟度，和我們隊(duì)這個技術(shù)的把控力 – reference customer/implementation – 用最合適的技術(shù)，而不是最先進(jìn)的技術(shù) ? Don’t reinvent the wheel ? 框架 ? 算法 ? 基礎(chǔ)架構(gòu) /數(shù)據(jù)很重要 – 模塊化 – 通用化 ? Things Change 半年前不用，可能現(xiàn)在用； Spark， Hbase 17:20:18 36 THANK YOU 演講完畢，謝謝觀看！
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1