用户推荐技术和基于推荐的产品设计.docVIP

IPM5-用户推荐技术和基于推荐的产品设计 第六单元 评估推荐系统的有效性，优化推荐系统 推荐系统的测量指标设计 推荐系统的优化策略 案例分析 第七单元 基于推荐系统构建网站劝导流程 劝导流程的有效性 案例分析 分析几个成功基于推荐系统的产品和个性化劝导流程 第八单元 workshop 实践 根据某个特定主题，设计一个基于推荐系统的网站劝导流程 根据某个特定主题，设计一个基于推荐系统的EDM 策略 【核心要点】 推荐系统，是利用特殊的信息过滤（IF，Information Filtering ）技术，将不同的内容（例如电影、音乐、 书籍、新闻、图片、网页等）推荐给可能感兴趣的用户。这是建立在对每一个用户的信息和行为深刻了解 的基础之上，为用户提供个人化信息的技术，它不是被动等待用户的搜索请求，而是为用户主动推送最相 关的信息。推荐系统将结合搜索引擎技术，一并为用户提供最完美的信息解决方案。通常情况下，推荐系 统的实现是通过将用户的个人喜好与特定的参考特征进行比较，并试图预测用户对一些未评分项目的喜好 程度。参考特征的选取可能是从项目本身的信息中提取的，或是基于用户所在的社会或社团环境。 《用户推荐技术和基于推荐的产品设计》咨询热线：陈辉 1XXXXXXXXXX 第3 页 共5 页 项目管理 研发管理 产品管理的领航者 个性化推荐是根据用户的兴趣特点和购买行为，向用户推荐用户感兴趣的信息和商品。随着电子商务 规模的不断扩大，商品个数和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。这种浏 览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题，个 性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台，以帮助 电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。 基于内容推荐（Content-based Recommendation）是采用自然语言处理、人工智能、概率统计和机 器学习等技术进行过滤。通过相关特征的属性来定义项目或对象,系统基于用户评价对象的特征学习用户的 兴趣,依据用户资料与待预测项目的匹配程度进行推荐，努力向客户推荐与其以前喜欢的产品相似的产品。 如新闻组过滤系统 News Weeder。基于内容过滤的系统其优点是简单、有效。其缺点是特征提取的能力 有限，过分细化，纯基于内容的推荐系统不能为客户发现新的感兴趣的资源,只能发现和客户已有兴趣相似 的资源。这种方法通常被限制在容易分析内容的商品的推荐，而对于一些较难提取出内容的商品，如音乐 CD、电影等就不能产生满意的推荐效果。 协同过滤推荐（Collaborative Filtering Recommendation）是在信息过滤和信息系统中正迅速成为一 项很受欢迎的技术。与传统的基于内容过滤直接分析内容进行推荐不同，协同过滤分析用户兴趣，在用户 群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对 此信息的喜好程度预测。与传统文本过滤相比，协同过滤有下列优点: 1）能够过滤难以进行机器自动基于内容分析的信息。如艺术品、音乐; 2 ）能够基于一些复杂的，难以表达的概念（信息质量、品位)进行过滤; 3 ）推荐的新颖性。 正因为如此，协同过滤在商业应用上也取得了不错的成绩。Amazon，CDNow， MovieFinder，都采用了协同过滤的技术来提高服务质量。 【讲师简介】陈老师 资深顾问 高级讲师 1999 年毕业于上海交通大学计算机系获硕士学位，毕业后一直从事国内外各种互联网创业企业的技 术和产品相关工作。曾任易趣网项目经理、安家网副总经理、美国Movoto 中国公司总经理、和家网 CTO，现在是欧洲2Style4You 公司的首席技术官，负责公司的产品和技术。 业余时间他还创办了上海最大的产品经理会议组织PMCamp 以及上海高端技术社区TopGeek 顶尖极 《用户推荐技术和基于推荐的产品设计》咨询热线：陈辉 1XXXXXXXXXX 第4 页 共5 页 项目管理 研发管理 产品管理的领航者 客沙龙，并担任组委会主席和讲师，讲授了多次产品经