阿里巴巴-数据挖掘案例.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/2010-09-26/00004690675.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