当前位置 > 首页 > 数据委动态 > 11月12日 CPDA数据分析师专属沙龙回顾 如何通过推荐系统实现业务增长

11月12日 CPDA数据分析师专属沙龙回顾 如何通过推荐系统实现业务增长

来源:中国数据分析行业网 | 时间:2020-11-16 | 作者:数据委

在这个数据爆炸的时代,用户对个性化服务的要求越来越高,已经不再满足于统一的用户体验,而是希望系统能够根据自己的兴趣喜好,提供相应的推荐内容以及有针对性的服务,推荐系统便是在这样的背景下应运而生。如何利用数据分析技能在庞大的信息库中识别满足用户需求的信息,在正确的时间、地点和场景下仅向特定用户推送呢?

 

 

11月12日晚19:00,协会特邀中国移动天津公司AI实验室成员,也是CPDA数据分析师前辈刘静老师为大家带来《如何通过推荐系统实现业务增长》的主题沙龙活动。近一个小时的沙龙活动中,刘老师给大家带来满满的干货,分享结束后刘老师和小伙伴们讨论热烈,频频互动。

 

数据君受益匪浅,今天就把昨晚记在小本本上的知识点拿出来分享给大家!

 
知识点1:推荐引擎工作原理 
 

 

 

一、基于用户基本信息的推荐原理

假设:相似的用户有相似的偏好

思想:计算用户的相似度

 

 

二、基于物品|内容的推荐原理

假设:用户在相似的物品中徘徊

思想:计算物品的相似度

 

 

三、基于用户对物品的偏好—基于用户的协同过滤的推荐原理

假设:相似的用户有相似的偏好

思想:计算用户的相似度

 

 

四、基于用户对物品的偏好—基于项目的协同过滤的推荐原理

假设:用户在相似的物品中徘徊

思想:计算物品的相似度

 

 

五、用户对物品的偏好—基于模型的推荐

思想:基于样本的用户喜好信息,训练一个推荐模型,然后根据实时的用户喜好的信息进行预测,计算推荐。

 知识点2:移动5G终端营销案例剖析 
 

 

在现行产品营销过程中,往往都不是采用了某一种推荐的策略,而是将多个方法混合在一起,从而达到更好的推荐效果。

 

 

对于不同的情况下,推荐策略有很大的不同。WiFi情况下推送高清视频、移动4G情况下推送短视频或图文营销。

 

 

 知识点3:阿里 | 京东的电商知识图谱 
 

在商品概念层级化知识网络的基础上,基于用户行为+语义相结合的方法,通过模型学习商品、实体、概念之间的搭配和替代关系,并结合复合领域知识约束,覆盖时间、空间、事件、人群、风格、功能等领域,进一步构建关系知识网络。