当前位置:首页 > 健康

一个母婴电子商务网站的大数据平台及机器学习实践

发布时间:2019-07-13 08:31:55   编辑:母婴品牌网   阅读次数:

相对于一般的电子商务网站产妇有一定的特点:第一个特点是产品周期短,母婴产品网站上,在线时间不超过5-7天,第二个是在快速变化用户的需求,在母婴行业,可能是最快的领域不断变化的用户,比如用户的需求,在妊娠中关心的是孕妈妈,问题几个月后,随着宝宝的到来,将准备一些尿布和奶粉,并随着宝宝长大型尿布和奶粉将改变。第三个是移动的,它是该事务的一般的90%从所述移动终端。

手机屏幕的效果非常小,非常有限的信息给客户,所以我们需要帮助用户找到他感兴趣的东西,大数据平台必须为活动现场的大数据提供了支持,我们也需要认识到个性化建议收集用户行为,用户的购物意向的全面了解,有兴趣的用户推荐商品。

\

下图是整个大数据平台的示意图,我们的数据收集的底部,将在稍后推出。计算层包括离线计算和实时计算,在协同过滤层中的搜索引擎算法后,以产生的商品分类功能的一些制品中,排序模型的后。在业务层,那么企业的类型是丰富多彩的,我们将融入一些运营商的规则进行调整,包括调整和推荐一些个性化和营销。

应用BI层业务为导向,以企业为主体,可以浏览日志用户参与,一些行为在PC上,如用户浏览了一些什么样的产品,点击一些什么商品消费的数据也有两种方式实时消费,一个是脱机消费,将获得这种方法每天一次在早晨,会有延迟的日子,例如,今天,可能明天是活动的上线,才知道效果本次活动,因为我们开发了一个实时数据系统开发,数据报告任何需要实时消费,只要它的订阅。

分布式调度是大数据平台的核心,在大数据平台指挥的作用,比如任务管理,任务监控和任务日志,我们开发了一个分布式系统中,有两种角色。师父管理任务主要是负责分配任务,执行任务,挂法师起来的话,将不会影响到我们的系统的操作。

在整个大数据平台,推荐产品的一大部分,第一类是那种个性化,个性化排序候选水平的情况下的特性的,这取决于用户购物的宗旨,为用户做排序的个性化用户到达我们的网站,我们会每天推荐所有在线销售的品牌,如500,根据用户购物的意图,使个性化数据。

第二个是相关的建议,如建议,这是类似商品的商品,购买的商品可以推荐。三是个性化推荐,推荐的产品他有兴趣到指定的用户,如在用户的信息的页面,我们将直接推荐他的产品感兴趣的用户。

除了这三种建议的形式,还包括通过个性化的短信,个性化的推动,指导用户在我们的平台,我们会给用户推荐感兴趣的品牌,我们将整理个性化商品,就会出现类似的项目推荐链路的用户交易,我们将建议本品的产品组合,包括购买周期预测。

为什么会出现从两个方面这样的建议,一个是我们的网站本身是一种轻量,建议搜索模式,我们的网站上的搜索功能非常弱,我们的线最近的搜索框也很明显,这是一个非常重要的对于推荐的产品渠道,从它本身的建议,我们也可以看到它的三个方面的价值,提升用户的购物体验。为了帮助企业找到用户感兴趣的,你也可以增加自己的销量,整个平台,不仅服务好用户和企业,以获得更好的可持续发展。

\

推荐非常重要的,最重要的是用户的画像,这是我们的吉祥物,那还得了两个部分,一个是静态的肖像,如性别,年龄,宝宝的年龄和性别,以及一些动态画像等作为品牌,进货时间,进货渠道,等等,我们的行业里面,最重要的特点是用户的年龄,性别,不同性别和宝宝的年龄会影响购物偏好,而母亲的很大一部分是填写一些用户信息,如婴儿的年龄为0-1岁,您可以使用用户的行为特征,比如它的意见,我的最爱,像这样一个模型,因为你可以在宝宝预测的年龄填。

第二组的标签是非常重要的购物偏好,主要是一些动态标签提到,如内部的品牌等等,我们会统计一些我们的平台上的用户行为的基础上,这些行动的费用给予不同的选择,包括浏览电极,启发式方法很简单,也很容易理解,这些参数定义不清,这个时间衰减应该做的衰减什么程度。

现在我们正与方式做用户的机器学习偏好预测,当前用户的购物偏好做一些购物功能的喜好。这里有一个非常重要的建议是个性化的排序类型,当用户的PC到我们这个时代的主页,将展示500日均线上特殊的,用户很难通过所有的品牌浏览翻页的方式,我们有一个规则算法,该模型具有很多的功能,你可以考虑的因素有很多,往往只有几个关键因素,如GMA提出行的规则,该规则是基于经验和参数。它已形成一个最优化问题。有轻松添加到用户的模型功能,使个性化的特点。

6%的提升,魁北克第一档,这是一个学习的过程,主要是线下和线上两个部分,网上订购系统,后来收集,还可根据用户ID和品牌标识,在同一建筑物相结合的功能和模式,用户可以得到的每个平台的评分。

这个功能是这里面最重要的部分,属性特征,各个方面的主要特点,有统计特征,以及功能的偏好,优先功能,个性化的建议是,我们做的最基础的建议,这是用户相关,例如,是用户的画像。在这里面,我们做了很多的尝试,刚开始的时候,也有命中,命中做的很好,我们发现,增加点击率和我们的GMA升级是不完全一样的。我们使用的分类和排序算法,排序算法将是将是一个更好的优势,非线性模型。

我们去电商网站,肯定遇到过这样的产品,你见过的商品可能感兴趣的商品,还有就是算法在这个行业里面,但是销售母婴里面,有其自身的特点规律,这是每行的乘积表示用户,每列是产品的代表,上线的时候在所述第一产品的所述周缘的第三行,另外两个是已经下线,所述第二线的特点是商品比较少,举证责任将被压缩,这样子的话,是不是这个如此稀疏的证据将成为。第三是行业的特性,比如婴儿的性别,宝宝的年龄是否相同,如果是一致的,那么如果有持续性。1-3岁,它可以,但如果是1-3岁的商品,可能不会很大权。

根据这些特点,我们做了一些改进,比如我们做的时候,民众的压力。同样的协同过滤算法可能不在线,一个是相似的标题和描述,也有一些地方,你可以推荐同一品牌,有些人可能会推荐其他品牌的机会,将被添加到的操作,比赛规则。

虽然我们刚才说的算法进行了改进,单一的算法总是有一定的局限性,所以我们现在正在做的是对多种算法,如浏览CF,CF再加上购买的用户功能,重新排列个性化的结合,所以我们正在研究一套新的流程。

我们会行的第一个文件,可以在各种资源中可以看出已经取得了很大的改善,以及甚至增加了增加了500%的部分资源,我相信我们的新的个性化以后行的安排,将有更大的改善。

如果你买一个产品,然后推荐一个类似的产品,这是不合理的推荐用户购买在未来的商品,例如,足够C1后结束,C2是一个简单的购买在脑海里有许多,如用户购买奶嘴内,用户会买瓶的39%,买胸罩用户里面,20%会买内衣,尿布购买的用户会购买湿巾的30%。

除了推荐的工作个性化,但不完全一样,有一个很严重的主要痛点,经常会收到短信推送,可能会干扰一些工作,但我们的平台上,我们的运营也遇到了他们想要的一样痛点搞活动,他们也难以确定目标用户,因此他们设置精准营销的框架,可以帮助运营商选择自己的目标受众,在合适的时间发送感兴趣的商品意识。

首先,我们将标签的用户,通过请求动态生成的蜂巢交货,我们将返回到目标用户和时间。我们拉新的方面的用户必须做的工作的一部分,非常迅速地开发我们的平台业务,我们吸引未来的某个用户,我们希望将用户转化为购买的是用户,一个是根据用户注册时的静止图像对用户进行个性化的配置,整体转换率是10%以上。在这方面,虽然我们已经做了一些尝试,但也有在未来更多的地方可以探索,一个数据,个性化刚刚提到的是,以上所有建议,将更加全面和准确,以做更精确的画像。第二个方面是需要快速捕捉客户需求的及时性。在模型中,我们将投入更多的努力,通过在线方式来更新我们的模型中,应用程序,然后双十一的到来,我们希望我们的个性化算法也能起到一定的作用,以及在业务最终尝试做一些事情来帮助企业做一些预测,等。

据网上资料汇编。

\

本文链接:一个母婴电子商务网站的大数据平台及机器学习实践

友情链接: 念佛 佛经大悲咒全文 心经结缘
网站地图
母婴品牌网版权所有   苏ICP备18043007号