推荐内容
- 用户方面:老用户个性化推荐,新用户多样性推荐,主流用户与小众用户区别对待
- 物品方面:兴趣推荐,日用物品性价比推荐,大件物品专家推荐,促销及库存清理推荐
- 上下文方面:时间,节假日等,地点
评测设计
点击率,转换率,使用时长,重复率
用户画像系统
- 标签化,向量化
- 处理:明确问题(分类,聚类,推荐),机器学习流程
- 用户方面:老用户个性化推荐,新用户多样性推荐,主流用户与小众用户区别对待
- 物品方面:兴趣推荐,日用物品性价比推荐,大件物品专家推荐,促销及库存清理推荐
- 上下文方面:时间,节假日等,地点
点击率,转换率,使用时长,重复率
- 标签化,向量化
- 处理:明确问题(分类,聚类,推荐),机器学习流程