参考京东-刘思喆
京东推荐产品及架构
通用模型的应用
离线CTR预测实例
实验与监控
京东推荐产品
- 80+推荐产品,包括移动端和web端
- 20+推荐服务,支撑EDM、广告、微信端等
遍布用户网络的各个环节
推荐系统的价值
挖掘用户潜在购买需求
- 缩短用户到商品的距离
- 用户需求不明确时提供参考
- 满足用户的好奇心
推荐产品实例
不同位置的推荐产品定位不同
单品页:购买了意图
过滤页提高客单价
购物车页:购物决策
无结果页:减少跳出率
订单完成页:交叉销售
关注推荐:提高转化
我的京东推荐:提高忠诚度
首页猜你喜欢:吸引用户
京东推荐系统架构
data datawarehouse mercury frontend diviner recommender kaflka key_value store stats hdfs hadoop R Vowpal Wabbit Spark MPI buffalo
京东推荐算法优化方向
以数据分析为工具,提升数据的质量和覆盖度,增强对业务的理解(25%)
测试不同算法在不同数据源的效果,提高召回模型的质量,增加结果辨识度(50%)
以用户反