电商双11背后，是人工智能和算法的较量

    但对公司运营结果产生影响的不是数据，而是对数据的分析和应用。人工智能实现了自动挖掘并分析客户数据的功能。比如，喜欢这个东西的人还会喜欢什么。就像很多电商网站在做女性商品促销时，还长附带上一部分男性商品。看上去男女商品之间毫无联系，背后却有着对用户深刻的洞察。在营销中非常经典的案例：沃尔玛超市通过大量的数据调查发现，周五下班后的奶爸，他们会同时购买两类产品：啤酒和尿布。把这两类看起来毫不相关的商品组合起来促销却收到了意想不到的效果。

    企业有大量的资源，能通过网页或手机屏幕能呈现在用户的面前却是很少的一部分。那些热门的常常被放置最前，随之热门的会越来越热门，冷门的商品更加无人问津。社会学中把这种现象叫做马太效应。即强者愈强，弱者愈弱。推荐系统最直观的应用就是希望能够消除这种效应，让小众的冷门商品也找到对自己感兴趣的用户。对用户而言，不必每次都去看热榜，自己的兴趣和需求也能得到更好的满足。

    达观数据推荐系统负责人于敬介绍，想要避开马太效应，打造精准的个性化推荐系统有两个要点：一个是用户画像的建模，还有个性化推荐算法。

    用户的兴趣画像是动态变化的过程，有一些是长期稳定的兴趣，有些则是短期兴趣。比如喜欢体育运动的男士会在电商网站经常浏览运动装备。突然有一天他成为了爸爸，在一段时间内可能也会浏览婴儿用品，但这只是他短时间内的兴趣倾向。达观的算法模型考虑了物品随时间因素变化的特性，根据用户的行为数据不断调整兴趣画像模型，实现持续给用户惊喜的推荐效果。

    搜索行为的妙用

    调查显示，在购买产品之前，大约88%的消费者会先在网上进行搜索，消费者希望能快速准确搜索到想要找的商品。如何在用户搜索时引导他快速发现想要的内容，也是电商运营的一个重要部分。

    目前流行的机器学习算法是基于识别意图(也就是常说的自然语言处理)而不是根据拼写或关键词对照进行检索，这也改善了搜索效果的满意度。人工智能在搜索引擎上可以实现的效果：

    提供相关的自动建议，比如在搜索框中，当用户打出一个字时，下面就会出现带有这个字的相关商品提示

    根据用户行为对搜索结果进行排名

    显示搜索产品的相关产品内容

    理解语音(语音搜索)

    分析图像(可视化搜索)

    用户的搜索行为表现了用户的购买诉求，知道这些行为便可以给企业运营提供指导性建议。如图某电商后台用户搜索统计的截图，通过分析能知道哪些商品是受欢迎的，运营者可以及时备货。哪些产品还没有被用户搜查，是否需要改变商品展示的位置以解决长尾问题。

    本文分页： [ 1 ]  [ 2 ]   [ 3 ]