【视频】《猿来“探”名企》之阿里云大数据产品专家于军: 千人千面——大数据之精准营销

【数据猿导读】 阿里云大数据产品专家于军:推在环境不断变化、竞争日益激烈的情况下使用推荐算法,用户在产品停留的时间会不断增加,运营、开发人员的效能也在不断提升。因此,我们认为推荐算法能够提升企业的核心竞争力

【视频】《猿来“探”名企》之阿里云大数据产品专家于军: 千人千面——大数据之精准营销

来源:数据猿 记者:春夏

(《猿来“探”名企》之走进阿里巴巴) 

上期《猿来“探”名企》之走进阿里巴巴栏目中,我们分享了阿里云大数据业务专家张洪伦的精彩内容,得到了业内人士的关注与支持。本期栏目中,数据猿又为大家整理了阿里云大数据产品专家于军先生的精彩内容《千人千面——大数据之精准营销》。

(于军30分钟完整分享视频)

以下为于军先生分享的内容要点:

在电商发展初期,我们采用两种方式供用户选择物品:一种是最传统的搜索方式,用户可以通过搜索关键字找到所需物品;另一种方式是用户可以通过分类导航发现物品。

然而随着互联网的发展,物品种类越来越多,消费者不知道所需物品应该归咎于哪类产品,比如用户不知道扫地机器人属于家电还是智能家居,其选择时间成本会变大,体验感也越来越复杂。为此,我们研发了个性化推荐算法,为用户提供更加方便、快捷的服务。即通过研究用户的行为轨迹,使用算法技术计算出用户偏好的商品,并在用户来到我们产品页面的第一时间为其展现。

推荐算法可以为用户缩短发现物品的时间,同时也会提升用户在我们网站的留存率。另外,对于网站运营人员来说,他可以从如何做排版以及做热网排行等繁杂劳动中解放出来,为消费者策划更好的营销活动,从而对产品进行更好的改进。因此,我们认为推荐算法不仅解决了消费者信息过窄的问题,同时可以提升运营能力。

推荐算法的概念是在1996年提出,但没有得到广泛应用,亚马逊在网站做了个性化推荐以后,推荐算法才得到认可,很多企业家认为个性化推荐可以帮助企业成长。推荐算法通过使用算法并搜集消费者数据产生技术能力,因此,其本身就是真正聆听了消费者的需求。同时,在环境不断变化、竞争日益激烈的情况下使用推荐算法,用户在产品停留的时间会不断增加,运营、开发人员的效能也在不断提升。因此,我们认为推荐算法能够提升企业的核心竞争力。

推荐算法的应用情况

2010年,天猫双11活动的成交额达到了9亿多,全部由运营人员操作。我们对此进行了技术分析,随着淘宝和天猫业务的增长,业务爆发期只靠人工运营完全不够,因此,就必须要研发出新技术以适应业务的增长,而不是用原有的传统方法,毕竟人力是有限的。2013年,通过使用个性化推荐技术,使天猫在双11活动的成交额达到50多亿,而2015年的成交额达到了900多亿,比2010年提升了100多倍。这让我们相信,我们可以通过大数据技术的驱动帮助企业快速成长。

流媒体视频网站Netflix在几年前做了百万人的推荐大赛,不仅使自己的产品有了提升,同时也为业界带来了很好的价值。另外,国外知名企业领英、Facebook以及国内的知乎、豆瓣、今日头条都意识到了推荐算法产生的价值——可以提升自己企业的营销能力。

当然,并非所有情况都适合用推荐技术。首先,企业要有海量的差异化商品,不是卖单一产品,海量不同种类的产品才能吸引客户;其次,企业会把推荐算法作为主营业务考虑,就是会把推荐功能放在网站的醒目位置;最后,企业要尽可能搜集更多信息和数据,用数据和事实说话。

如果企业经营的商品在5000以上,日活跃用户在1万以上,使用推荐算法可以提升企业效益,如果数量太少,靠人工运营就可以解决问题。电子商务、音频、视频、阅读、社交网络、O2O、金融、教育等领域非常适合使用个性化推荐服务。以教育行业为例,学生每做错一道题就意味着他没学会题目背后的知识点,因此,我们可以利用个性化推荐技术帮助学生加强对薄弱知识点的学习。

推荐算法的应用标准

2006年以前,大家衡量推荐系统的标准是看它能否为企业带来足够好的成交转化率,但经过几年发展,我们认为这个标准远远不够,因为推荐系统是很复杂的工程,如果界面交互做的不好,也不能发挥作用。其次是数据质量,如果数量搜集的很少,推荐算法的效果就会大打折扣,业内有一句话是,数据质量决定了推荐系统推荐效果的上限。还有一个因素是对领域知识的领导,比如产品如何定位,要做强个性化推荐还是弱个性化推荐,包括如何解析数据、构建用户画像等。

一般情况下,我们会从用户满意度、算法精准度、商品覆盖率、商品多样性、可解释性(不会让用户反感推荐)、稳健性(抗击欺骗推荐系统)作为衡量推荐系统的标准。

以淘宝为例,我们首先分析哪些业务使用推荐系统会产生影响,基于分析再做采集,然后做推荐。从界面交互方式来看,目前,淘宝首页很多地方都做了个性化概念。在数据质量方面,为了保证数据质量,我们围绕用户画像建立了数据体系,并且必须要建立在统一ID的基础之上,因为很多客户通过手机、网页以及其他终端来使用我们产品,在不同设备会留下不同的ID,比如有支付宝ID和淘宝ID,因此就需要打通统一的ID才能建立全息用户画像。淘宝有3000多个用户画像,都是为了精准营销服务。

整个数据体系建立完成以后,就可以做消费者的画像分析,除了用于为BI所做的业务发展趋势报告以外,也会用于运营的活动策划;受众管理是指针对不同人群做不同的营销活动;快速定向意思是,有时我们对300万人做了营销活动,如果想要扩展到3000万人,就要通过机器对已经圈好的300万人做自动扩展;商家CRM可以服务淘宝的整个商家,做CRM营销或客服活动;DMP是指阿里巴巴做广告投放时,可以通过体系做广告定投。

现在,我们采用了DT BOOST工作,对底层数据的开发和算法进行分装,直接供上层应用系统使用,以便提升开发效率。利用这套系统,我们可以通过用户数据、用户画像提供个性化服务,极大的提升了内部效率。

以上是阿里巴巴使用大数据做精准营销的做法,对于企业来说,如果要做推荐系统还是很困难的,比如搭建系统、做算法推荐用到的人力成本很高,调节过程也非常漫长。如果要找第三方帮助做推荐,自己最重要的数据就会被对方拿走,自己再做时就需要重新开始,这些都是企业做系统面临的痛点。

阿里云推荐引擎

阿里云做的推荐产品叫做阿里云推荐引擎,其核心包括前台展现、日志搜集与推荐算法系统。通过展现算法系统、自己采集数据资产,可以快速搭建推荐算法系统。

其优势是产品本身提供了模板,如果用户不会算法,可以直接使用我们的行业模板,它是一个完全开放的平台,用户可以通过注册算法,利用阿里的计算能力产出结果。而且它还解决了离线数据及在线数据的运算等复杂问题,提供了基础的工具化能力。另外,它还会保障数据安全,如果企业购买了此产品,其自身的数据还在自己管理范围之内,不会被偷走。

以大麦网为例,大麦网做线下演唱会、话剧等门票业务,以前他们需要900人做运营工作,使用阿里云的推荐引擎以后,30个人就可以承担全部工作。

另外,我们还有短视频行业的客户,其短视频内容是用户以UGC方式产出,视频库共有几百万条视频,只靠人工运营根本无法做分类和管理,而且运营也不知道为用户推荐什么内容。客户使用了阿里云推荐引擎以后,点击率比原来提高了114%。通常情况下,企业使用推荐引擎可以提升20%、30%的用户转化率,比人工运营的效果更好。

企业如何应用推荐引擎

目前,如果客户要使用推荐引擎系统,就要提前定位自己产品的功能以及所做的业务,定位清楚以后,就要确定在哪些场景下做推荐,因为每种推荐场景背后的推荐逻辑都不一样。

以天猫为例,其不同场景背后推荐算法的逻辑也都不同,为此,我们会建立推荐标准和规范,比如应该采集哪些数据,要用什么格式采集数据等。另外,因为有些企业缺乏算法人员,所以我们会针对不同行业提供默认模板。

举个例子,我们要为客户提供其感兴趣的模板,背后有一套很复杂的算法流程。首先,我们会通过算法建立用户画像,除了性别、年龄、地域等人的基本属性以外,还有物品属性,比如用户经常买苹果产品,我们就会给他打苹果的标签,然后再针对这些属性标签做合并,最后通过排序算法产生的结果做推荐。

对于自己想写算法的客户来说,我们会为他提供一套规范,告诉对方如何基于我们的工具写自己的算法,只要按照规范来写,就可以随时使用。这套产品的使用方法也很简单,开通以后,清理完数据并上传,再配算法模板就可以直接使用。另外,我们还会做简单的调优,为更多行业在更多场景下提供可以直接使用的模板。我们计划在下半年做一期算法大赛,还会有奖金,号召全社会的算法英才帮助企业解决问题。

注:本文由数据猿记者春夏(微信:1101862984)整理发布。


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

相关精彩内容推荐

我要评论