推荐

O2O 情境下,个性推荐从 1 到 N 该如何进行优化?

关于如何从0到1构建推荐系统的内容因为已经有很多了,本文的内容主要聚焦于O2O情境下推荐如何从1到N的优化实践。2015年7月王兴提出互联网进入下半场,那O2O的下半场究竟是什么?通过1年多大公司的业务布局不难猜测,O2O行业下半场比拼的主要是两方面:一方面拼的是排号、点菜、买单等服务的一体化集成,另一方面拼的是通过社区化和个性化进行精准导购,提升用户粘性。笔者曾先后在美团

揭秘!头条号推荐机制背后的真相!

全文约为2500 字 | 建议阅读 8 分钟 在所谓的微信红利期已过的声浪之下, 很多自媒体人纷纷转向 多平台分发 ,其中最大的平台就是今日头条了,累积活跃用户达到 7亿 。在分发的过程中,我们经常发现,同一篇文章发布在公众号的阅读量可能很高,但在今日头条上的数据却不尽如人意。造成如此差别的原因在哪?主要的根源就在于两者在订阅关系上的区别。01、

三个回答,解读网易云音乐为什么要设计三个推荐功能

很多人初次接触网易云音乐都有种个性化推荐好棒的感觉,但是云音乐关于音乐却有三个推荐功能,这是为什么?本文从三个角度为你解答!本文分为三部分: 了解云音乐了解个性化推荐个性化推荐功能分析1.云音乐发展现状前阵子网易云音乐团队干了件轰动杭州人的事,杭州市地铁1号线和整个江陵路地铁站印满了云音乐精选热门乐评,网易云音乐一夜之间成为了媒体们关注的聚焦点。(赶个新潮,用微信指数搜索“

个性化推荐

第一部分:简单了解个性化推荐系统如今已经进入了一个数据爆炸的时代,随着 Web 2.0 的发展, Web 已经变成数据分享的平台,那么,如何让人们在海量的数据中想要找到他们需要的信息将变得越来越难。在这样的情形下,搜索引擎(Google,Bing,百度等等)成为大家快速找到目标信息的最好途径。在用户对自己需求相对明确的时候,用搜索引擎很方便的通过关键字搜索很快的找到自己需要

产品个性化推荐方法与策略

好的推荐系统,不仅能预测用户的行为,还能帮助用户发现他们可能感兴趣但不容易发现的东西。 最近看了项亮老师的《推荐系统实践》,深感个性化推荐在当下的互联网产品中的地位,个性化推荐是有效【提高用户粘度】的方法,从而【鼓励用户产生更多的行为】。但是对于不同阶段的产品、不同类型的产品有特定的推荐算法,下面我就简单介绍一下。对于一个全新的产品想做个性化,面对缺少用户数据积累这样的一个

浅谈商品推荐:如何猜中用户的心思?

所有不着调的推荐都是耍流氓,不着调的推荐不如不推荐。去商场前,你告诉自己今天只买T恤,出商场时,你还是拎了大包小包……导购员看你摸了摸连衣裙,让你免费试穿,结果你这一穿就不愿脱下了,而且一件接一件。导购猜测顾客喜欢什么,推荐顾客试穿,满足双方各自的心理诉求来达成交易。电商网站如何猜测用户的心思,推荐商品达成交易呢?我们不可能让人来感知用户的诉求,只能用数据和规则告诉用户,我

推荐系统的产品设计

年初的时候,我在百分点的领导,让他们的算法工程师来找我,讨论如何把推荐系统的转化率提高。但是百分点已经做了很多年的推荐了,能在算法层面做的,都已经做了。所以在和这个算法工程师聊了两句后,发现聊算法聊不过他,聊推荐也聊不过他,我就决定讲一些他不懂的,就是推荐的产品设计。(好机智)算法的优化,可能提升10%,但是产品设计的优化,会直接决定你的位置,引来流量的大小。我是以淘宝首页

从算法原理,看推荐策略

在信息量爆炸的今天,由于范式的转移,传统的内容和渠道已经不再是稀缺资源;在今天,将信息和内容更好更精准得呈现在用户面前,才是全方面提高效率的方式,真正的稀缺资源变成了「推」和「拉」。而在这一切的背后,推荐算法的作用都功不可没。推荐算法简介目前的推荐算法一般分为四大类:协同过滤推荐算法基于内容的推荐算法混合推荐算法流行度推荐算法协同过滤的推荐算法协同过滤推荐算法应该算是一种用