-09-推荐系统-用户标签预测算法基础实践

推荐系统-用户标签预测算法基础实践

1.用户画像概述

• 用户画像给到用户打标签
• 用户画像
• 用户角色
• 用户属性
  • 用户画像和用户角色较为接近，而用户属性使用户的画像中的子集
• 用户画像阶段
  • 1.用户画像基础
  • 2.用户画像指标体系
  • 3.标签数据存储方式
  • 4.标签数据开发
  • 5.性能优化及作业调度
  • 6.用户画像应用及优化
• 用户画像基础场景用
  • 搜索领域
  • 个性化推荐领域
  • 其他领域

2.常见用户画像业务分析指标

• 以电商为例展开
  • 电商总总体运营指标
  • 网站流浪指标
  • 网站销售指标
  • 客户价值类指标
  • 商品类指标
  • 市场竞争类的指标

3.如何利用用户行为数据

• 用户的静态数据–mysql
• 用户的动态数据–浏览、加购、收藏等
• 标签形态及标签建模
  • 标签
  • 权重—时间衰减因子，地点因子，是购购买
• 算法路线及算法思路：
  • 用户画像+推荐系统===利用机器学习
• 标签层级
  • 用户+商品+环境
• 属性的县隐性反馈

4.如何利用用户标签数据

• 当有了标签之后如何使用？
• 在页面中设置依稀标签选项
• 如何推荐标签？
  • 基于物品的热门商品推荐
  • 基于当前