业界｜机器学习改变商业的17个案例

导读：眼下，人工智能大热，而机器学习已经非常有效地在许多行业改变了我们的工作方式，并且最终将触及整个经济。本文中，小编将带你回顾机器学习改变商业的17个典型案例。

谷歌Google

1998年，斯坦福大学的两个博士生Larry Page和Sergey Brin用PageRank网页排名算法挖到了第一桶金。如今，谷歌搜索能对全球35万亿个网页进行索引，并形成1亿G字节的索引记录。全部Internet搜索服务的89%由Google提供。

亚马逊Amazon

传统的推荐系统采用的是协同过滤算法（Collaborative filtering），通过计算用户的相似度给出推荐。然而，对于Amazon这样的网站来说，用户量是远远大于商品数量的。因此，Amazon的改进CF算法进而选择计算商品相似度，大大地节约了资源。毕竟用户的购买集合还是很小的，计算这个并不需要花很多的时间。

Amazon的推荐系统是其成为美国最大线上零售商（年产值900亿美元）的主要助力，也是其品牌的重要标志。如今他可以采集并分析其7.5亿顾客的购物行为（包括购物和浏览），分析顾客的收入和偏好，从而为顾客进行商品推荐。

网飞Netflix

Netflix是一家网络租赁视频资源的企业，其推荐算法曾广受好评。公司曾宣称，60%左右的会员根据推荐名单定制租赁顺序。因此为了更高效地为会员推荐电影，Netflix一直致力于不断改进和完善个性化推荐服务，在2006年推出百万美元大奖，无论是谁能最好地优化Netflix 推荐算法就可获奖励100万美元。直到2009年这笔奖金才被一个7人开发小组夺得，Netflix随后又立即推出第二个百万美金悬赏。

Netflix采用了算法保密的推荐引擎Cinematch，根据网友对电影的打分来判断他有可能喜欢什么电影，还能结合看过的电影以及口味偏好设置做出判断，混搭出各种电影风格的需求，在会员对个人清单的填写以及系统的推荐后，许多冷门电影竟然纷纷进入了候租榜单。

从公司的电影资源成本方面考量，热门电影的成本一般较高，如果Netflix公司能够在电影租赁中增加冷门电影的比例，自然能够提升自身盈利能力。

沃尔玛Walmart

沃尔玛的购物篮分析在运营体系中占据了非常重要的地位。购物篮分析的结