阿里巴巴数据挖掘案例解读.pptVIP

刘文 阿里巴巴B2B—中文网站—资深营销经理 题纲 １.　架构基本介绍 阿里巴巴集团架构 B2B子公司架构 ２.　数据挖掘应用 推荐引擎的使用 OFFER评分模型 客户关系管理系统 ３.　互联网B2B前景方向漫谈 当前商业模式 前景及方向 阿里巴巴集团架构:不断的创新与变化 阿里巴巴B2B：小企业是阿里巴巴 淘宝：购物是淘宝 支付宝：支付是支付宝 阿里云：计算是阿里云 雅虎中国 阿里集团 B2B2b2C2S的全过程产业生态链 B2B子公司架构:不断的创新与变化 CBU：中文站，做内贸 ICBU：国际站，做外贸 阿里学院：管理培训 中小企业面临的问题： 订单难，管理难，贷款难 阿里商业银行 Export To China …… CBU：“采购批发，上1688” 卖家: 生产制造商，批发商，贸易商, 店铺卖家 阿里巴巴 www. 1688. com 买家: 生产制造商, 批发商 贸易商, 店铺卖家 一个网络上的大批发市场 应用场景：搜索，反馈 卖家开好店面，买家光顾 数据挖掘案例之一：推荐引擎 当当网 淘宝网 1号店 阿里巴巴 推荐引擎－－宽表－－模型－－个性化周刊 /cms/shichang/jy/jhzk/nvzhuang.html　进货E周刊 案例1:推荐引擎应用于订货E周刊 ２.OFFER模型 模型意义：信息的完整度和可信度 案例2:OFFER评分模型缘起 ２.OFFER模型 思路： 首先采用专家打分的模式，对一万条小商品offer进行综合的评分，评价用户浏览offer体验的好坏，为因变量，确定最终的OFFER得分因子，推动offer线和卖家线的业务。 2. 数据处理： 去掉异常值，最后得到9352条记录，抽样取8000条作为建模数据，1352条作为测试数据。 3. 模型应用 根据模型得出的回归方程，对77万条抽样的小商品OFFER进行评分，设计出OFFER的星级分布，并且设定出用户填写OFFER时的弹出文案（没达到某项条件时的提示），最终形成一个教育用户提高OFFER质量的前端发布和展示系统。 案例2:OFFER评分模型 ３. 模型分层算分 第一档 第二档 第三档 第四档 重要性 变量名 权重 常数项 -0.77 1 描述文本长度 0.24 [0,70 　 [70,200 　 200,1000 　 [1000, ∞ 　 2 描述图片个数 0.10 0 [1,5] [6,10] [10,∞ 3 标题内容匹配度 0.54 [1,2 [2,2.5] 2.5,3] 　 4 图片清晰度 0.46 0 1 5 选填参数填写率 0.17 0,0.3 0.3,0.6 0.6,0.8 0.8,1 6 是否支持支付宝 0.08 0 1 7 标题长度 0.09 0,5] [5,10] [10,15 23, ∞ [16,23 8 运费描述长度 0.02 [0,5 　 5,10 　 10,20 　 20, ∞ 　 9 价格区间 0.03 0 1 2 3 10 橱窗个数 0.02 0 [1,2] 3 　 11 是否混批 0.04 0 1 案例2:OFFER评分模型 　 算法：线性回归 描述当中的文本挖掘 分行业/品类精细化模型 模型不断的更新 ５. 技术细节 案例2:OFFER评分模型 让客户看到模型，明白模型 可做的有很多,不要技术含量最高的，要最有用的 不一定是越精确越好 一定要有解释能力：明确一些，再明确一些 FOCUS在业务，业务，还是业务 数据挖掘模型应用体会 ３. 客户关系管理系统（CRM） 目的:实现客户维系，客户留存 宗旨：合适的时间通过合适的渠道发送给正确的客户正确的内容 ----“个性化” 关系维护：网站（千人千面），EDM，贸易通，呼叫中心 案例１：/i/2010-09-26/0000座机电话号码.shtml 输人名推荐强奸犯关键词 谷歌法国被判违法 反面案例２：”千人千面” 案例3:B2B网站客户关系管理系统 1.LOG日志解析 2.ETL 3.统一视图 1.标签 2.数据挖掘模型 1.渠道整合,接口统一 2.资源分配 3.营销案实施 4.营销执行 1.多步跟踪 2.长期跟踪 1.网站行为 2.客服交互行为 3.客户静态属性 　 CRM平台 一次营销任务的执行流程 贸易通浮出 营销效果监控 任务目标确定及 营销策划 Banner、文字链 内容制作，出demo 目标用户群选取 站内信等社区 01 19 底层：数据仓库 效果监控层：CTR，用户群体验 用户层：不同特性的用户群 灵活自定义 通过数据集市的条件组合 服装服饰 1. 母婴行业卖家 2. 男装卖家 3. 江浙沪女装…… 小