C2C电商平台架构设计课件

,8/22/2018,#,C2C,电商平台,架构设计,C2C电商平台架构设计,1,分享提纲,分享提纲,2,C2C市场&转转介绍,真,个人对个人的,marketplace,C2C,平台的意义,物品交易,技能交换,发现世界,C2C市场&转转介绍真个人对个人的marketplace,3,C2C市场的特点和挑战,信息发布随意性,商品库存唯一性,买卖时效敏感性,C2C市场的特点和挑战信息发布随意性,4,石器时代,石器时代,5,粗粒度个性化推荐,粗粒度个性化推荐,6,问题,问题,7,青铜时代,青铜时代,8,细粒度多维度个性化推荐,细粒度多维度个性化推荐,9,主要改进,主要改进,10,效果,：,转化率共提升78%,效果：转化率共提升78%,11,工业革命,工业革命,12,实时推荐系统,实时推荐系统,13,主要改进,主要改进,14,效果,：,转化率共提升89%,还在持续提升中,效果：转化率共提升89%,15,工业革命II,工业革命II,16,机器学习驱动的推荐系统,机器学习驱动的推荐系统,17,主要改进,主要改进,18,效果,：,转化率总提升109%,还在持续提升中,效果：转化率总提升109%还在持续提升中,19,C2C电商平台架构设计课件,20,未来发展方向,未来发展方向,21,面向用户画像的用户画像,面向用户画像的用户画像,22,用户画像第一原则,：,做有用的用户画像,用户画像第一原则：做有用的用户画像,23,多维度用户画像,多维度用户画像,24,问题,问题,25,多维度商品画像统一生成框架,多维度商品画像统一生成框架,26,如何更好地预测用户兴趣,？,用户画像=物品画像+兴趣模型,老方法：基于规则,不同时间发生的不同行为赋予不同权重,将权重做累加计算,问题,拍脑袋规则量化不准确,无法合理利用负反馈,如何更好地预测用户兴趣？用户画像=物品画像+兴趣模型,27,机器学习驱动的用户兴趣模型,正反馈数据,负反馈数据,特征提取,机器学习模型,相关兴趣预测,机器学习驱动的用户兴趣模型正反馈数据负反馈数据特征提取机器学,28,C2C电商平台架构设计课件,29,画像系统演变主线总结,画像系统演变主线总结,30,C2C电商平台架构设计课件,31,