个性化推荐解决方案

需求与特征


随着电子商务网站竞争的加剧,如何锁定目标用户并为其推荐合适的产品,增加用户粘度,提高网站的交叉销售能力,成为电子商务网站在激烈竞争中成败的关键;流量成本成倍增长,流量利用率低、整站转化率低等问题也困扰着电子商务网站的发展;随着大数据时代的来临,信息过载,用户获取感兴趣的商品/内容难度越来越大,导致用户流失严重。   

个性化用户体验将是大势所趋,从搜索走向发现(推荐),通过搜索满足用户主动表达的需求,通过推荐挖掘满足用户的潜在需求。市场营销的核心是用户体验,而用户体验的极致是个性化,满足每一位用户的不同需求,以人为本的电子商务才能够真正获得用户的青睐。亚马逊表示其35%的销售来自个性化推荐。 

各大电商网站都引入了个性化推荐引擎,且网站营业额都有了长足的增长。

方案架构


个性化推荐大数据方案框架分为五层, 分别是数据层,存储层,计算层,模型层, 应用层。模型层是整个个性化推荐的核心部分,为上层应用提供数据支撑。

针对电子商务大数据分析的特点, 引入大数据平台架构,实现对海量用户点击数据、用户行为数据、用户反馈数据、网络日志数据等的存储和管理,保证海量状态数据的实时性和高效运营。

方案优势


彩讯个性化推荐大数据解决方案在数据分析、数据管理、数据处理、数据可视化等重要技术上具有优势:

1)   数据分析技术

包括数据挖掘、机器学习等人工智能技术,主要应用于用户行为分析,用户特性分析,用户流失分析,产品关联分析,个性化营销等方面。由于电子商务数据对安全性、稳定性、实时性要求都比较高,彩讯个性化推荐大数据解决方案内置自主开发的函数模型库,除包含常用的统计分析算法外,还内置了多种常用数据挖掘算法及分析模型。插件式的函数模型库,可动态增加新算法模型。同时,还提供行业分析模型及类似BI的分析和展示工具。

2)   数据管理技术

包括关系型和非关系型数据管理技术、数据融合和集成技术、数据抽取技术、数据清洗和过滤技术。电子商务数据多样性、多元化的特性决定的数据本身的质量不高,准确性、及时性均有所欠缺,也对数据管理技术提出了更高的要求。彩讯互个性化推荐大数据解决方案内置ETL服务子系统与ETL配置工具,支持从文件,DB、数据流中导入数据。 灵活的进行数据转换配置和任务配置。

3)   数据处理技术

包括分布式计算技术、内存计算技术、流处理技术。电子商务数据的海量增长使得企业需要通过新型数据处理技术来更有效的利用软硬件资源,在降低 IT 投入、维护成本和物理能耗的同时,为行业大数据的发展提供更为稳定、强大的数据处理能力。 彩讯个性化推荐大数据解决方案包含Rich Hadoop分布式计算框架和Rich Streaming流计算框架,同时集成了hive、hbase等成熟组件。

4)     数据展现技术

包括可视化技术、历史流展示技术、空间信息流展示技术等。主要应用与用户搜索行为、互动行为、消费行为监视、电子商务产品间关联关系及趋势展现等方面。电子商务数据种类繁杂,统计指标复杂,呈现样式多样化,因此需要大力发展数据展现技术,提高数据的直观性和可视性,从而提升电子商务数据的可利用价值。彩讯个性化推荐大数据解决方案自助分析工具包含报表工具和分析工具。自定义报表工具,实现了基于 XML 的定义文件来可编程性地生成报表的能力。 围绕着报表引擎,开发用户图形界面,用户可以使用向导,无需编程,通过工具配置一步接一步完成创建一个报表。  数据展示格式灵活,能更大程度上满足用户的数据需求。多维分析工具,提供丰富的图形化展现界面和接口。用java语言开发支持 MDX(多维表达式)的查询语言 、分析型XML 和 olap4j 的接口技术规范。实现了从 SQL 和其它数据源读取数据,在内存缓冲区中生成集合数据。

典型案例


中国移动139邮箱个性化推荐案例:

案例概述

139个性化推荐服务主要建立一个基于海量用户行为数据挖掘基础上的个性化推荐服务,以帮助139邮箱营销、精品订阅、内容运营、139返利等等系统或应用提供针对其用户的个性化内容的推荐,更好的满足用户差异化需求,提高产品的核心业务转化率、用户忠诚度、营销投入产出比。

案例内容

逻辑架构:系统采用分层架构和实现,主要包括基础数据层、数据仓库层、数据计算层、推荐算法层、推荐模型层、接口层。日志上报接口和基础数据同步接口上报日志信息,前端运营站点申请和配置个性化推荐,后台引擎服务挖掘计算,由推荐服务接口为客户网站或应用提供个性化推荐开放服务。

技术架构

案例应用

 首页个性化推荐(基于用户订阅、阅读、浏览等操作行为习惯进行推荐)

用户场景:当用户登陆精品订阅则会根据用户的兴趣标签进行热门推荐、新品推荐;根据用户最近浏览记录,基于内容标签进行为您推荐。

最新内容上线自动触发的邮件关联推荐

用户场景:有符合用户喜好标签的新杂志上线时,在用户未浏览的情况下,用邮件的形式进行告知,引导用户阅读。

 

已订阅内容自动触发的邮件关联推荐

用户场景:用户在精品订阅有过订阅、浏览等行为时,较长时间未登陆精品订阅,则将该段时间内符合用户喜好的内容源推荐给用户, 引导用户访问、阅读。

定位:存在订阅、浏览行为但较长时间(1个月)未访问栏目的精品订阅用户。