中国数据资产管理峰会-唯品会大数据.pptVIP

我们走过的路 2014 Q3-Now: 首页和列表页的个性化排序 机器学习train model Hadoop 生成 user profile/brand profile Storm 计算实时转化销售数据，用户实时行为和意图 实时排序首页和列表页 下一步 更多引入个性化因子(feature) 细化user/brand profile ,更多数据 引入更多其他算法，做到算法可以灵活替代 不但个性化排序和推荐，还可以有更多 * * 个性化推荐下一个阶段 实时，实时，再实时 实时计算商品品牌信息，用户profile 实时推荐 实时算法迭代更新 实时Abtest verify 个性化，个性化，个性化 移动天然是个个性化的好场所 更多的个性化因子 更加全面的数据：用户画像建设，曝光数据的收集… 个性化阶段性成果 PC端 推荐： 10%~12% PC销售占比 首页个性化排序 ~4%销售金额提升 移动端(2014/12) 首页个性化排序 ~4%销售金额提升 列表页排序优化 ~15%销售金额提升 Overall: ~17% * * 推荐关键点 * 解决之道 * 一些小结 技术选型： 业界标准best practice 成熟技术: 技术本身的成熟度，和我们队这个技术的把控力 reference customer/implementation 用最合适的技术，而不是最先进的技术 Don’t re