用户行为分析

用户行为分析目录Why为什么需要个性化推荐？-个性化推荐的背景与意义Where什么地方可以有个性化推荐？－个性化推荐的应用场景How如何做个性化推荐？－个性化推荐的相关技术一些数据作为先驱者，Amazon实现了35%的销售额来自其推荐系统美国ChoiceStream公司调查显示，45％的用户更喜欢到有产品推荐功能的网站上去购物而高端消费者69％的用户有产品推荐功能的网站上去购物，而高端消费者69％的用户更愿意选择有推荐功能的网站有统计表明有推荐系统帮助时，消费者在找到自己需要的产品之前平均需要6．6个商品，而没有推荐系统时，这个数字变为11．7有推荐系统时，93％的消费者选择了更优的产品，而没有的这样选择的话，做出这样选择只有65％如果有推荐系统的帮助，只有2l％的消费者会改变初始决策，而没有的话，初始决策质量则大幅下滑，有60％的消费者会更改初始选择个性化推荐能达到的目的提升买家用户的体验，提高选购决策质量与效率实现优质买家的差异化服务服务买家效率，实现优质买家的差异化服务提高商品的有效曝光机会与转化率，提升卖家用户的效果与效益利益均衡机制，均衡曝光机会，提升曝光商品及商家的覆盖率提升买家留存率与卖家续签率，提升买卖家的忠诚度，提升商品点击机率及P4P的收益服务买家服务卖家服务公司目录Why为什么需要个性化推荐？-个性化推荐的背景与意义Where什么地方可以有个性化推荐？－个性化推荐的应用场景How如何做个性化推荐？－个性化推荐的相关技术需要解决的问题应用场景目录Why为什么需要个性化推荐？-个性化推荐的背景与意义Where什么地方可以有个性化推荐？－个性化推荐的应用场景How如何做个性化推荐？－个性化推荐的相关技术个性化推荐的相关技术研究商品文本挖掘，图像识别数据挖掘，机器学习，模式识别，人工智能相关性算法，BehaviorTargeting概率统计，因子分析，主成分分析分布式计算因分析实时计算，实时推荐，事件营销研究用户用户研究，用户网上行为分析，用户消费心理社会化网络分析一期二期个性化推荐系统体系个性化推荐数据产品WAI与用户研究应用WAI(WhoamI)：UserProfile用户属性库及用户信息服务个性化推荐用户运营客户的用户运营自身内部客户外部客户更准确的推荐：命中不同人群需求适合B类用户的推荐：采购周期性，关系链更广泛的推荐：产品，咨询，人用户匹配推荐：社会化网络，商友个性化搜索、定制、导购识别用户需求，满足用户需求，主动及时个性服务支持以会员为中心的运营体系建设获取用户：摆脱SE的制约提升用户：提升用户质量与转化率维持用户：提升用户满意度与留存率支持VIP采购运营等由帮助客户获取订单到帮助客户建立稳固的客户关系提供信息服务，帮助买卖家管理自己的客户帮助客户建立规模化or个性化的制胜之道构建适合B类用户的推荐系统适合B类用户的推荐算法•更精准地锁定用户需求B类用户WAI偏好算法：基于重合度的偏好识别，区别于C类用户时间衰减的算法，用户立体式偏好体系；B类用户的搜索、浏览、反馈、交易特性：如不同行业关注搜索过滤条件，基于数据挖掘算法的商品补足与过滤排序•更精准地命中目标类目下细分SPS基于SPS偏好的推荐•更符合B类用户特性的推荐采购周期识别：基于采购周期的服务与推荐上下游供应链关系的挖掘：基于上下游供应链关系的用户(人)的推荐用户匹配推荐：商友（供应链，结盟，优质）的推荐，相比做成一笔交易，B类用户更关注长期合作关系及圈子的建立用户群组特性推荐：新用户群组推荐，行业用户群组推荐，团批、混批、VIP采购WAI及用户研究为推荐提供的支持识别用户的身份及不同用户的需求-分用户群推荐识别用户当前动机-实时推荐识别用户偏好的类目，关键词，栏目，价格区间等属性-个性化推荐识别用户搜索浏览反馈交易特性-推荐过滤排识别用户的关系与所属的群组-群组推荐识别用户的细分特性与社会化网络关系-用户匹配推荐对用户了解的越深刻越全面，才能推荐得越精准WAI产品应用体系图示PKL与商品研究产品知识库（PKL）：ProductProfile商品属性库及市场信息服务提升产品信息质量–商品信息质量评分与信息质量监控诊断，商品信息专业化描述提升建议化描述提升建议–产品热度与效果趋势预测产品的SPS归整，及基于SPS的推荐、比价、搜索–SPS（相似产品集）的自动生成及应用产品关系链与知识库的建立–产品相关性，产品互补、替代关系–产品关系链提供产品市场信息服务–产品购买周期，产品生命周期–产品热销时机、人群、地域–商情信息挖掘，商品比价，智能定价–同类产品市场竞争状态应用于产品促销专场运营首页HOTProducts商品促销推荐，基于SPS可代替人工对产品的挑选运营PKL及产品研究为推荐提供的支持产品信息质量评分-推荐过滤排序产品SPS归整-精准匹配，稀疏问题解决产品推荐支持度效用函数-推荐过滤排序产品热度与热度趋势-推荐补足产品热销周期，地区，人群，时节-精准匹配产品相关性，互补、替代性，产业链关系-精确匹配，启发推荐产品生命周期，特色市场-个性化推荐对产品归类得越细致，过滤得越精细，推荐质量才越高