垂直销售的本地生活推荐—大众点评网·李新(精品·公开课件).pptVIP

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