《多场景智能推荐方案及实操演示》|学习笔记

简介: 快速学习《多场景智能推荐方案及实操演示》

开发者学堂课程【互联网技术实战营·数据智能专题多场景智能推荐方案及实操演示》】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/915/detail/14470


《多场景智能推荐方案及实操演示》


目录:

一、多场景智能化的运用

二、实操及案例

 

一、多场景智能化的运用

基于生长出来很多的业务场景,通过产品介绍分别从以下方面进行全面了解

个性化推荐:数据改革,亲民 AI

非常常见的数据挖掘,利用大数据去给线下门店做不同的例子。其实是个性化推荐,其实对顾客来讲是非常吸引的,可以看到无论是 APP 还是视频网站,包括商城里面会的化的推荐。

线上线下的处理:在数字门店里,会根据会员的喜好去人员推荐。智能推荐是比较好理解的,帮助用户做更多的个性化体验来促进整体营收的达成。在集团内部其实从个性化推荐开始,要很多的尝试。

多场景落地、多角色参与、多平台构建:逐渐以服务形式接入多元化推荐场景 

例如:

2015年是个性化推荐的首秀,名字叫天空一号。首次使用是2015年双11大促的一个主会场,小试牛刀的一个产品。运用到了:根据用户的历史数据分析出来,这些用户对哪个会场比较感兴趣,分析出来这些会场之后,再做一层个性化的排序。

最后一层,比如:说颜色或者配图的商品,做一个智能的 UI,最后整体展示出来的个性化的楼层,在淘宝第一次用,也是在2015年。经过这次应用之后,发现带来了很大的用户转化。

比较重要的一点是在个性化推荐里面加入了一些商家运营的策略。在平台里面会有很多各种各样的品牌,品牌也有各种各样的大促活动,在这个过程中会用到更大的推荐,并且结合一些商家流量的运营帮助。店铺页去做一些个性化的触达用户兴趣的承接。

2017年,这个性化推荐的产品就达到了一个指数级的增长。基本上知道到从大促的这个预热时间开始,一直到大促销进行的活动中,几乎进入到的每一个会场,都是个性化的。

例如:个性化的榜单,个性化的楼层,和指标的一些数码会场,标签会场等。

在2018年,发现一个非常有趣的一个现象:从指标数据会发现,整个淘系里面推荐带来的这个用户的成交量,超过了搜索。整体大改版,会根据用户的信息,进行一个风格的匹配,也会加入内容,其实是智能推荐产品。

在2019年,在这个这个盖楼的活动里面,会根据用户喜好的一些品牌,和可能还会喜欢的品牌,这样做了一个组合,在这个盖楼的过程中,维修,维护店铺,这样的会员营销。

在2015年是出现真正的商业一年,商业化这一年进行很多能力的输出。

在2020年,产品打磨了非常多。

第一:集团的经验来说,有多余的利弊,多个场景的落地,不仅涉及在电商还在其他领域。

比如:书籍里推荐的阅读,还有金融产品的推荐包,内容社区的推荐都会运用到产品去。

多角色参与,个性化推荐属于一个用户流量非常多的一个入口,这个入口里,每一次的访问,流量的价值都能够得到最大化带给产品和运营。

算法优化在用户流量访问增长的过程中,会需要一个非常稳定的可扩展的功能架构。在现在业务人员也会参与到体验。随着推荐业务的不断发展,其实有很多职业的角色会在这方面做发展。APP 带来更多功能。

通过多角色的点击,促使对非常推荐的产品,滋生了很多

从:首秀、商家流量运营、场景指数增长、营收引导超搜索、玩法融合、最佳实践上
个性化选品、投放平台1000+个性化场景分分钟搞定

从:招商、选品、搭建、投放
工程架构+组件开发平台灵活编排业务逻辑、开发沉淀部门算法组件。


二、实操及案例

分析用户的喜好,做一个智能UI,加入内容的推荐打磨成一个产品

手机淘宝“有好货”场景首先商品品控把关,用户兴趣,点击率。来的运营策略。

发生很多的因素,包括商品的一些特征的变化可以通过实时的这样一个通报给他,比如通过 API 能接到,完成之后,直接购买也是需要进行这个数据质量的关系首先数量大,可能会产生每个时段这样实验报告质量报告,可以根据不同的看法查看这个报告,会有哪些项目,比如数据里面的矿产是不是一个合理的值

数据以及分布情况,数据提高预期可以帮这个数据发生变动的时,发现这个空间系统是否实时的更新也可以进行查询包括通过这个数据发送消息,看是否有这样的数据

发信息的行为数据,数据可能会经常使用到的一些功能

这个业务定制的理念其实是可以搭建出来会推荐场景会有商品表达

服务在使用的时候是通过调用接口这样的一种形式,在返还个推荐结果可以进行来参加

比如收藏点击的行为,在原公司行为或者是表达个人的推荐主观上再次请求推荐,在这个过程中,其实完成了一个最基础的服务的启动,和这个数据对接,就可以拿到一个指定用户的话,提供结果

例如:

南瓜电影用户画像钉钉“圈子”场景
新场景搭建流程图:业务痛点,业务目标,价值分析,方案策略
比如广告类结合用户的购物车做推荐
运营策略如:价格类型,策划策略

 

相关文章
|
机器学习/深度学习 存储 人工智能
Gradio入门到进阶全网最详细教程[一]:快速搭建AI算法可视化部署演示(侧重项目搭建和案例分享)
Gradio入门到进阶全网最详细教程[一]:快速搭建AI算法可视化部署演示(侧重项目搭建和案例分享)
|
3月前
|
Linux 开发者
bpftrace使用案例学习
bpftrace使用案例学习
|
NoSQL 分布式数据库 Redis
103 云笔记案例(代码流程分析)
103 云笔记案例(代码流程分析)
65 0
|
BI 定位技术 Python
SWMM从入门到实践教程 04 快速入门案例的模拟执行
在左侧双击Options中的Dates,即可弹出时间的设置。此处为了教学,建议仅模拟6个小时,加快结果的生成。实际项目中,可以根据需求对指定场次的降雨时常进行模拟,并注意这个时常一定不低于降雨时常(我们的雨量计设置了2小时降雨,所有66个小时的模拟也是合理的)。
|
SQL 消息中间件 缓存
|
机器学习/深度学习 人工智能 自然语言处理
Gradio入门到进阶全网最详细教程[二]:快速搭建AI算法可视化部署演示(侧重参数详解和案例实践)
Gradio入门到进阶全网最详细教程[二]:快速搭建AI算法可视化部署演示(侧重参数详解和案例实践)
Gradio入门到进阶全网最详细教程[二]:快速搭建AI算法可视化部署演示(侧重参数详解和案例实践)
|
SQL 运维 分布式计算
阿里云相关产品操作演示 | 学习笔记
快速学习阿里云相关产品操作演示。
阿里云相关产品操作演示  |  学习笔记
|
供应链 算法 数据可视化
案例场景分析 | 学习笔记
快速学习案例场景分析。
案例场景分析 | 学习笔记
|
架构师 数据安全/隐私保护 开发者
案例分析|学习笔记
快速学习案例分析。
116 0
案例分析|学习笔记
|
监控 Java 测试技术
干货 | 精准化测试原理简介与实践探索
干货 | 精准化测试原理简介与实践探索