垂直销售的本地生活推荐—大众点评网11.pptxVIP

数据和算法驱动的本地生活推荐大众点评网 · 李新内容提要 本地生活推荐的广泛应用场景 推荐的原料：数据 －聚沙成金 推荐的内核：挖掘 推荐的引擎：算法 推荐的地基：架构 推荐的立场：公正、分享、多赢点评的起源就是推荐 Web2.0推荐：我为人人，人人为我上传商户信息、商品图片描述性和结构化评价 大众推荐：个人点评的有机聚合星级商户简介推荐菜代表性点评 个性化推荐：个性化消费 starting for future本地生活的推荐场景 旅游到外地喜好相近的人在当地的选择：避险 白领午餐基于签到和朋友兴趣等：极速决策 附近有啥好吃的 附近推荐菜：决策，尝新 10个团购邮件，9个与我无关基于过往购买、签到、浏览等：精准推广附近推荐菜附近推荐菜点评的推荐特点 与电商比：地域性：区域热点未必是全国热点 非标准化：服务可比性差品牌：商户品牌重于商品品牌质量：被推荐的商户也是用户上传推荐理由：基于web 2.0，还要概括总结群众智慧 与广告比：Impulse Intent：即时冲动 意愿预测 长期兴趣未必是此时此地的消费决策结果 与团购网站比：数据来源：主站、手机APP、团购网，多样推荐形式：团购网、邮件、手机APP、主站，多样推荐内容：自然结果、团购、优惠券 ，多元 推荐的原料：数据 －聚沙成金 类型：消费过程: 查找、决策、签到、消费、支付、评价、分享用户页面行为: 浏览、搜索、收藏、标签、照片、签到、点评、社交图消费对象：商户、服务、商品信息 采集：GA？ 性能，准确性 存储：海量，安全 即刻：当次访问的处理 清洗：去爬虫，去重，反作弊，去广告，去小号等 抽取：结构化信息 串连：跨时间 跨平台推荐的内核：挖掘 用户画像 用户分群 商户画像 商户/产品的分类和聚类 点评的情感分析 上传图片的分类、聚类、识别 理由：综合性 准确性 代表性推荐的引擎：算法 特征表达：计数或类别非常稀疏而且正反馈不足颗粒度的掌握vs 概念漂移 建模：基于内容协同过滤：基于用户 vs 基于内容项行为定向基于传导增量学习 评估：线下评估线上A/B测试推荐的地基：架构 海量数据的采集、存储、处理、分析 端到端的A/B框架 多优化目标 多算法支持 算法并行化 增量建模 实时性与互动 当次访问的处理 邮件系统的模板数 推荐的立场：公正 · 平衡 · 多赢坚持用户利益至上的多方博弈Q A 联系方式： xin.li@ 新浪微博： 谷民李新坚持用户利益至上的多方博弈