欧美有码在线观看,欧美成人三级片,一二三区精品,赶尸艳谈3艳片a级bd,男人天堂影院,国内精品小视频,四虎婷婷,精品一区二区三区四区

本文從以下角度帶你一探究竟：

智能推薦七大玩法場(chǎng)景化解讀
如何評(píng)估推薦效果？
推薦系統(tǒng)如何實(shí)現(xiàn)業(yè)務(wù)閉環(huán)？

→【限領(lǐng)】大數(shù)據(jù)學(xué)習(xí)資料包（5月版本）

一、智能推薦七大玩法場(chǎng)景化解讀

玩法一：熱門(mén)事件，讓“吃瓜群眾”看過(guò)來(lái)！

當(dāng)用戶打開(kāi) App，面對(duì)海量?jī)?nèi)容和商品無(wú)從選擇，這時(shí)如果有最熱推薦或爆款商品等版塊，就極有可能快速吸引他的注意力。

這種熱門(mén)推薦場(chǎng)景一般由系統(tǒng)定時(shí)更新數(shù)據(jù)并主動(dòng)推薦到用戶面前，用戶打開(kāi)界面就能接觸到討論度最高的內(nèi)容，一方面滿足了用戶的從眾心理，不會(huì)錯(cuò)過(guò)一手瓜，另一方面也能激發(fā)用戶興趣，讓用戶不會(huì)出現(xiàn)選擇困難。

典型場(chǎng)景——微博熱搜榜、抖音熱榜

玩法二：相關(guān)推薦，讓用戶“意猶未盡”

信息爆炸時(shí)代，羅列所有信息等同于給用戶添麻煩，這樣不僅使用戶無(wú)從下手，而且導(dǎo)致信息利用率低下，相關(guān)推薦正是為了解決此類問(wèn)題而生。

所謂相關(guān)推薦，是根據(jù)計(jì)算內(nèi)容或商品的相似度，進(jìn)行一些相似內(nèi)容或商品的推薦，以滿足用戶延伸閱讀或者延伸購(gòu)買(mǎi)的需求。比如用戶瀏覽一個(gè)手機(jī)后，下面推薦了“相關(guān)手機(jī)”，閱讀一篇文章后，下面推薦了“相關(guān)文章”，推薦內(nèi)容和用戶關(guān)注的內(nèi)容相關(guān)，可以有效幫助用戶篩選信息，過(guò)濾掉相關(guān)度低或完全不相關(guān)的信息，發(fā)揮用戶時(shí)間的最大效用，提升閱讀和購(gòu)買(mǎi)的幸福度。

典型場(chǎng)景：微信讀書(shū)“繼續(xù)閱讀”相關(guān)推薦

玩法三：想用戶之所想，F(xiàn)eed 流讓用戶持續(xù)“消費(fèi)”

伴隨內(nèi)容爆發(fā)和用戶時(shí)間的擠壓，傳統(tǒng)的內(nèi)容信息流已經(jīng)呈現(xiàn)出了很大的弊端，無(wú)法再滿足用戶高效獲取特定內(nèi)容的需求，如何讓用戶進(jìn)入 App 后可以持續(xù)消費(fèi)內(nèi)容？Feed 流成為最優(yōu)解。

目前 Feed 流的主流排序方式不再嚴(yán)格按照時(shí)間線，而是廣泛使用智能 Feed 排序。智能排序基于趨勢(shì)、熱門(mén)、用戶生產(chǎn)、編輯推薦、相似性等因素綜合考慮。新的 Feed 流不再需要用戶主動(dòng)訂閱或者搜索，只要根據(jù)其瀏覽時(shí)長(zhǎng)、點(diǎn)贊分享等動(dòng)作，或者建立用戶畫(huà)像，就可以主動(dòng)推薦用戶感興趣的內(nèi)容。在內(nèi)容很多很雜，且與用戶關(guān)聯(lián)不強(qiáng)的情況下，F(xiàn)eed 流無(wú)疑是一個(gè)很好的篩選器。它對(duì)用戶了如指掌，能夠源源不斷地提供用戶想了解的，可以有效地提升使用時(shí)長(zhǎng)。

典型場(chǎng)景：知乎 Feed 流

玩法四：激發(fā)并推薦 UGC，度過(guò)“冷啟動(dòng)期”

去中心化的時(shí)代，平臺(tái)之間的競(jìng)爭(zhēng)已經(jīng)演變成生態(tài)系統(tǒng)的競(jìng)爭(zhēng)，內(nèi)容型平臺(tái)更是如此。維護(hù)第三方生態(tài)的繁榮成了很多平臺(tái)公司的剛需，這就需要將第三方創(chuàng)作者新生產(chǎn)的內(nèi)容盡可能的推薦出去，才能保障平臺(tái)的多樣性，激發(fā)平臺(tái)上第三方創(chuàng)作者的積極性，提升平臺(tái)生態(tài)的活力。同時(shí)通過(guò)這種冷啟動(dòng)推薦方式可以讓新內(nèi)容快速找到最可能的受眾，也可以快速知道哪些新內(nèi)容是大受用戶歡迎的，有助于提升平臺(tái)自身的營(yíng)收。

具體怎么實(shí)現(xiàn)呢？以視頻為例，100 個(gè)作者新發(fā)的視頻往往只有 10 個(gè)是優(yōu)質(zhì)視頻并預(yù)期能得到平均水準(zhǔn)以上的消費(fèi)，那么通過(guò)模型預(yù)估視頻的價(jià)值，并為可能成為熱門(mén)的視頻增加推薦權(quán)重就能讓爆款盡快的出來(lái)，另外 90 個(gè)也要合理的推薦，在盡量不影響大盤(pán)核心指標(biāo)的情況下，提高創(chuàng)作者的積極性，只有創(chuàng)作者們?cè)敢饣〞r(shí)間創(chuàng)造更多的內(nèi)容，才能讓產(chǎn)品內(nèi)容生態(tài)更加豐富。

玩法五：因人而異，“黃金時(shí)間”有效留住新用戶

眾所周知，現(xiàn)在獲取新用戶的成本和難度都在增大，因此一旦獲取新用戶，他們的留存就變得非常關(guān)鍵，因?yàn)槿绻掠脩魜?lái)到平臺(tái)發(fā)現(xiàn)對(duì)推薦的內(nèi)容不感興趣，那么很有可能快速卸載流失。相反，如果新用戶冷啟動(dòng)推薦的好，會(huì)讓這部分用戶留下來(lái)，最終產(chǎn)品的用戶量就會(huì)穩(wěn)步增長(zhǎng)。

那么在新用戶冷啟動(dòng)時(shí)，如何通過(guò)智能推薦實(shí)現(xiàn)更好的激活留存呢？可以從新用戶的獲取來(lái)源、注冊(cè)時(shí)填寫(xiě)的年齡、性別、地址等信息、授權(quán)設(shè)備信息、首次登陸所選標(biāo)簽、綁定的社交賬號(hào)等維度出發(fā)，根據(jù)這些維度推測(cè)用戶偏好進(jìn)行智能推薦，能夠在黃金時(shí)間有效留住新用戶。

比如抖音在平臺(tái)上發(fā)現(xiàn)年輕的一二線城市的用戶喜歡拍攝“手指舞”，“手指舞”視頻就成為站外獲客的一個(gè)素材，通過(guò)這個(gè)素材點(diǎn)擊帶來(lái)的新用戶，打開(kāi)抖音的第一個(gè)視頻內(nèi)容就是“手指舞”。

比如新用戶通過(guò)用戶間的分享點(diǎn)擊來(lái)到產(chǎn)品，這個(gè)自帶的關(guān)系鏈以及分享者的用戶畫(huà)像，都是產(chǎn)品進(jìn)行新用戶承接轉(zhuǎn)化的策略依據(jù)。

知乎新用戶標(biāo)簽選擇頁(yè)面

玩法六：以類聚，以群分，頁(yè)面配置千人千面

用戶所處的生命周期階段不同，對(duì)應(yīng)的活動(dòng)需求和偏好也不同，但現(xiàn)實(shí)中，App 的開(kāi)機(jī)圖、首頁(yè)、輪播等廣告位內(nèi)容呈現(xiàn)容易缺少差異化，如果可以根據(jù)不同生命周期用戶的需求分類來(lái)配置頁(yè)面，可以快、準(zhǔn)、穩(wěn)地進(jìn)行產(chǎn)品運(yùn)營(yíng)，實(shí)現(xiàn)廣告位資源的價(jià)值最大化和用戶驚喜度的提升。

比如在某電商的輪播位素材推薦時(shí)，用戶 A 是正在探索產(chǎn)品價(jià)值中的新用戶，首次訪問(wèn)距今 3 天內(nèi)還未購(gòu)買(mǎi)過(guò)商品，那么可以針對(duì)性地推出新人專享 & 節(jié)日活動(dòng)，利用優(yōu)惠促銷(xiāo)信息刺激其激活轉(zhuǎn)化；用戶 B 是有望轉(zhuǎn)化為 VIP 的高潛力用戶，累計(jì)購(gòu)買(mǎi)金額大于 1000，且累計(jì)購(gòu)買(mǎi)次數(shù)大于 10 次，針對(duì)這類用戶可以采用 VIP 入會(huì)等活動(dòng)。

玩法七：算準(zhǔn)消耗周期，適時(shí)推薦復(fù)購(gòu)

每個(gè)消費(fèi)者的購(gòu)物消費(fèi)都是有周期的，針對(duì)購(gòu)買(mǎi)鏈條中復(fù)購(gòu)環(huán)節(jié)的周期性特點(diǎn)進(jìn)行算法推薦，能夠提升平臺(tái)流量?jī)r(jià)值最大化。

比如某奢侈品電商平臺(tái)經(jīng)過(guò)分析調(diào)研得知，產(chǎn)品的平均復(fù)購(gòu)時(shí)間為 2 個(gè)月左右，根據(jù)這個(gè)周期可以給已購(gòu)用戶做推薦，使在客戶有復(fù)購(gòu)需求時(shí)，商品能夠恰到好處的出現(xiàn)或進(jìn)行優(yōu)惠券的發(fā)放，可以有效促進(jìn)用戶體驗(yàn)和 GMV 的雙重提升。再如，針對(duì)奶粉品類用戶，通常一罐奶粉吃一個(gè)月，那么可以固定在每個(gè)月月初投放 1-2 張奶粉品類優(yōu)惠券并通過(guò)推送 Push 等提醒用戶選購(gòu)奶粉，這樣能有效提升這類用戶的復(fù)購(gòu)率和 GMV。

二、如何評(píng)估推薦效果？

管理學(xué)大師彼得·德魯克曾經(jīng)說(shuō)過(guò)“如果你無(wú)法度量它，就無(wú)法管理它”，這對(duì)于一個(gè)推薦系統(tǒng)的效果評(píng)估同樣適用，要想看一個(gè)推薦系統(tǒng)是否有效，就難以繞開(kāi)評(píng)估指標(biāo)。評(píng)估一個(gè)推薦系統(tǒng)，包括離線評(píng)估和在線評(píng)估兩種方式。下面詳細(xì)展開(kāi)介紹。

1.離線評(píng)估

離線評(píng)估包括人工評(píng)估、AUC、DCG。

人工評(píng)估比較好理解，比如我們認(rèn)為一個(gè)用戶很喜歡動(dòng)畫(huà)片，于是進(jìn)行一些推薦，我們可以直接去觀察所推薦的內(nèi)容中用戶播放動(dòng)畫(huà)片的比例是否比較大；同時(shí) AUC、DCG 也是常用的模型離線評(píng)價(jià)指標(biāo)，但是這些數(shù)據(jù)指標(biāo)可能會(huì)存在比較大的偏差，所以一般不會(huì)拿此指標(biāo)來(lái)直接評(píng)估效果，而只是把它作為參照指標(biāo)。

2.在線評(píng)估

推薦系統(tǒng)的在線評(píng)估指標(biāo)包括：點(diǎn)擊率、點(diǎn)擊人數(shù)比、留存率、轉(zhuǎn)化率等，具體包括：

（1）點(diǎn)擊率

點(diǎn)擊率是評(píng)估推薦效果比較經(jīng)典的指標(biāo)，記錄了用戶每次進(jìn)入推薦內(nèi)容的點(diǎn)擊情況，能夠粗略衡量轉(zhuǎn)化效果。

（2）點(diǎn)擊人數(shù)比

指點(diǎn)擊的人數(shù)除以推薦的曝光人數(shù)，這是一個(gè)用來(lái)衡量推薦系統(tǒng)觸達(dá)率的一個(gè)重要指標(biāo)。在評(píng)估一個(gè)模型效果時(shí)，可能點(diǎn)擊率上漲，但點(diǎn)擊人數(shù)比并沒(méi)有變化，這說(shuō)明推薦結(jié)果只對(duì)于部分老用戶產(chǎn)生比較好的效果，對(duì)于觸達(dá)不到的用戶，仍然沒(méi)有成功吸引他們來(lái)使用我們的推薦系統(tǒng)，所以點(diǎn)擊人數(shù)比與點(diǎn)擊率是對(duì)推薦系統(tǒng)在不同方面的評(píng)估。

（3）人均點(diǎn)擊次數(shù)

指每個(gè)人在推薦系統(tǒng)里面平均每天點(diǎn)擊了多少次。人均點(diǎn)擊次數(shù)是需要大家持續(xù)關(guān)注的指標(biāo)，因?yàn)檫@個(gè)指標(biāo)真正體現(xiàn)出用戶在這款產(chǎn)品中的使用深度。

（4）留存率和轉(zhuǎn)化率

留存率和轉(zhuǎn)化率對(duì)于推薦系統(tǒng)來(lái)說(shuō)，可能并不是一個(gè)那么直接的指標(biāo)，比如推薦對(duì)留存的影響到底有多大，很大程度上決定于不同的產(chǎn)品形態(tài)，但它仍是我們?nèi)ピu(píng)估推薦系統(tǒng)的一個(gè)指標(biāo)，至少我們需要知道此次推薦系統(tǒng)的迭代到底對(duì)于留存率的影響有多大，如果迭代后的留存率下降，即使點(diǎn)擊率和點(diǎn)擊人數(shù)都在上升，可能這一次迭代仍不能上線，因?yàn)樗绊懥肆舸娴闹笜?biāo)。

還有一些方面，具體展開(kāi)如下：

時(shí)效性。如果我們?cè)谧鲆粋€(gè)新聞產(chǎn)品的推薦系統(tǒng)，那么給用戶推薦的內(nèi)容就應(yīng)該是實(shí)時(shí)的，而不是上周發(fā)生的事情。

多樣性。多樣性其實(shí)是容易被忽視的一個(gè)指標(biāo)，因?yàn)槿绻蛔非蠖鄻有缘脑?，點(diǎn)擊率的數(shù)據(jù)會(huì)好看一點(diǎn)。

不知道大家有沒(méi)有這樣的體驗(yàn)，如果你對(duì)體育內(nèi)容感興趣，慢慢的你所有的推薦內(nèi)容都變成了體育相關(guān)，似乎很難看到其他內(nèi)容，推薦的內(nèi)容越來(lái)越窄。短期來(lái)說(shuō)，提升多樣性可能會(huì)讓點(diǎn)擊率有一些損失，但是長(zhǎng)期來(lái)說(shuō)，多樣性是為了提升整個(gè)產(chǎn)品用戶體驗(yàn)所做的一種優(yōu)化，這里需要考慮長(zhǎng)期和短期的權(quán)衡。

穩(wěn)定性。如果服務(wù)器經(jīng)常掛掉，或者說(shuō)響應(yīng)時(shí)間總是五秒鐘，這樣的服務(wù)基本上是不可用的，我們一定要站在服務(wù)的角度去評(píng)估我們的推薦系統(tǒng)。

覆蓋率。覆蓋率指能夠推薦出來(lái)足夠多的長(zhǎng)尾內(nèi)容，一個(gè) UGC 平臺(tái)，需要去鼓勵(lì)一些用戶讓他們來(lái)生成內(nèi)容，即使是一些很小的用戶，即使沒(méi)有粉絲，也希望他的內(nèi)容可以有一些曝光，有曝光就會(huì)有人去點(diǎn)贊，久而久之會(huì)形成一種良性循環(huán)。如果平臺(tái)總是分發(fā)一些大 V 的內(nèi)容，平臺(tái)里小白用戶的使用和體驗(yàn)就會(huì)變得非常糟糕，慢慢的就沒(méi)有這些小的內(nèi)容窗口了，平臺(tái)將被大 V 占領(lǐng)，所以覆蓋率也是一個(gè)推薦系統(tǒng)需要考慮的指標(biāo)。

至于具體需要去考慮哪些指標(biāo)，以及怎么去制定這些指標(biāo)，要根據(jù)不同的產(chǎn)品形態(tài)以及產(chǎn)品不同的階段而定。

三、推薦系統(tǒng)如何實(shí)現(xiàn)業(yè)務(wù)閉環(huán)？

僅僅了解這些評(píng)估指標(biāo)是不夠的，一套真正能發(fā)揮價(jià)值，賦能業(yè)務(wù)增長(zhǎng)的推薦系統(tǒng)一定是一個(gè)可以快速迭代的閉環(huán)系統(tǒng)。那么，推薦系統(tǒng)如何實(shí)現(xiàn)業(yè)務(wù)閉環(huán)呢？

首先，數(shù)據(jù)是一切算法的前提，數(shù)據(jù)是否能夠采對(duì)，直接影響推薦系統(tǒng)的最終效果能否滿足預(yù)期。數(shù)據(jù)質(zhì)量是推薦系統(tǒng)的基礎(chǔ)，建立一個(gè)好的推薦系統(tǒng)，不僅需要數(shù)據(jù)采集夠準(zhǔn)確，還需要數(shù)據(jù)維度夠全，粒度夠細(xì)，時(shí)效性夠高，這取決于是否具備全端的數(shù)據(jù)采集能力，能夠?qū)崟r(shí)同步數(shù)據(jù)流，以及精細(xì)的數(shù)據(jù)校驗(yàn)。

接著，當(dāng)收集到能夠表示用戶偏好的數(shù)據(jù)后，需要我們開(kāi)始設(shè)計(jì)推薦策略，構(gòu)建算法模型。這個(gè)環(huán)節(jié)不僅要求有很強(qiáng)的算法能力，同時(shí)也需要對(duì)當(dāng)前的業(yè)務(wù)有深入的理解。

最后，在推薦系統(tǒng)上線后，再次收集數(shù)據(jù)表現(xiàn)，對(duì)推薦效果進(jìn)行多維的驗(yàn)證分析，了解具體的用戶行為反饋，評(píng)估數(shù)據(jù)指標(biāo)，再根據(jù)具體指標(biāo)表現(xiàn)進(jìn)一步調(diào)整模型參數(shù)、策略設(shè)計(jì)等，從而提升推薦效果，完成推薦系統(tǒng)迭代，形成閉環(huán)。

神策智能推薦系統(tǒng)就是這樣一套全流程閉環(huán)推薦方案。它支持采集終端（Web、App、H5、小程序、軟件等）的用戶行為、后端服務(wù)器日志（Log）、業(yè)務(wù)數(shù)據(jù)和第三方等多方數(shù)據(jù)源，存儲(chǔ)最細(xì)粒度數(shù)據(jù)，利用最新深度學(xué)習(xí)和語(yǔ)義分析模型構(gòu)建推薦引擎，推薦結(jié)果可利用數(shù)據(jù)分析模型多維度、多指標(biāo)的實(shí)時(shí)效果分析，形成快速反饋，精準(zhǔn)迭代特征集和算法模型。

如果想要去評(píng)估推薦系統(tǒng)對(duì)業(yè)務(wù)的影響，可以通過(guò)神策分析搭建的高效數(shù)據(jù)指標(biāo)體系，進(jìn)行多維度、多指標(biāo)的交叉分析來(lái)驗(yàn)證推薦效果。

同時(shí)，考慮到推薦系統(tǒng)要與企業(yè)業(yè)務(wù)相結(jié)合才能實(shí)現(xiàn)價(jià)值最大化，神策智能推薦還會(huì)根據(jù)不同行業(yè)的用戶行為習(xí)慣和業(yè)務(wù)場(chǎng)景特點(diǎn)實(shí)現(xiàn)個(gè)性化推薦，助力提升核心業(yè)務(wù)指標(biāo)。下面詳細(xì)介紹三個(gè)神策智能推薦系統(tǒng)賦能業(yè)務(wù)增長(zhǎng)的經(jīng)典案例。

案例一：助力某廣電電視平臺(tái)，打造以用戶為中心的智慧家庭生態(tài)

神策智能推薦系統(tǒng)結(jié)合廣電行業(yè)大屏端用戶特有的行為習(xí)慣，實(shí)現(xiàn)了“猜你喜歡”“相關(guān)推薦”“熱門(mén)推薦”等多類場(chǎng)景的內(nèi)容分發(fā)，推薦效果理想。具體表現(xiàn)在以下幾方面：

1. 真正實(shí)現(xiàn)了推薦節(jié)目千人千面，在抓住用戶當(dāng)前興趣的基礎(chǔ)上，及時(shí)拓展用戶潛在興趣，在提高用戶點(diǎn)擊率的同時(shí)，延長(zhǎng)用戶在線觀看時(shí)長(zhǎng)；

2. 廣電用戶通常是以家庭為單位，家庭不同成員的興趣也會(huì)有所不同。在構(gòu)造算法模型方面，神策智能推薦會(huì)考慮能夠區(qū)分家庭成員的特征，使訓(xùn)練好的模型能夠識(shí)別屏幕前的家庭成員并推薦該成員真正感興趣的節(jié)目；

3. 神策智能推薦可以助力運(yùn)營(yíng)人員更方便的進(jìn)行運(yùn)營(yíng)策略干預(yù)，操作簡(jiǎn)單，實(shí)時(shí)生效，大大減少運(yùn)營(yíng)成本。

具體指標(biāo)提升上，與客戶人工編輯推薦相比，神策推薦在“猜你喜歡”場(chǎng)景的 CTR 提升 140%，人均點(diǎn)擊次數(shù)提升 170%，人均觀看時(shí)長(zhǎng)提升 50%。這些指標(biāo)的提升，大幅度提高了用戶觀感和用戶粘性。

案例二：助力某視頻媒體平臺(tái)實(shí)現(xiàn) Feed 流及相關(guān)推薦，大幅提升用戶體驗(yàn)

該平臺(tái)涵蓋影視、娛樂(lè)、音樂(lè)、奇聞、搞笑等豐富視頻內(nèi)容，遇到的問(wèn)題是人工設(shè)定的推薦規(guī)則已無(wú)法完成用戶和內(nèi)容的高效匹配，用戶體驗(yàn)提升遭遇瓶頸，希望借助神策推薦的算法能力，實(shí)現(xiàn) Feed 流的個(gè)性化推薦及觀看視頻的相關(guān)推薦，持續(xù)提升用戶體驗(yàn)，推動(dòng)廣告收益增長(zhǎng)。考慮到不同終端的用戶行為特征差異較大，神策智能推薦幫助平臺(tái)實(shí)現(xiàn)分端精細(xì)化運(yùn)營(yíng)；同時(shí)支持該平臺(tái) 200 多個(gè)渠道的個(gè)性化內(nèi)容分發(fā)，提升內(nèi)容的變現(xiàn)能力。最終效果顯著，與客戶自建的推薦相比，CTR 提高了 255%，人均點(diǎn)擊數(shù)提升 370%。

案例三：助力某職場(chǎng)社交平臺(tái)實(shí)現(xiàn)首頁(yè)Feed流推薦，有效提升用戶留存

該平臺(tái)為知名招聘平臺(tái)，現(xiàn)已累積大量招聘數(shù)據(jù)。為增強(qiáng)用戶對(duì) App 使用黏性，特在 App 內(nèi)設(shè)立社交平臺(tái)，使用戶可以在 App 內(nèi)分享心情，對(duì)找工作疑難解惑。達(dá)到提升用戶粘性與留存，增強(qiáng)互動(dòng)的目的。

神策智能推薦系統(tǒng)基于用戶本身屬性信息，有針對(duì)性的對(duì)不同類型人群推送不同的內(nèi)容。舉個(gè)例子，市場(chǎng)銷(xiāo)售人員和金融界白領(lǐng)平時(shí)的關(guān)注點(diǎn)必然是不一樣的，神策推薦系統(tǒng)會(huì)基于用戶本身的屬性，包括當(dāng)前崗位，目標(biāo)崗位，所在城市等信息，對(duì)用戶推薦其相關(guān)人群共同關(guān)注的內(nèi)容。另外，用戶的歷史行為也能體現(xiàn)出用戶本身的興趣偏好，基于用戶歷史行為數(shù)據(jù)，構(gòu)造深度學(xué)習(xí)模型，可以在海量社區(qū)內(nèi)容中找到該用戶最可能感興趣的內(nèi)容。

神策智能推薦系統(tǒng)進(jìn)一步提升了該平臺(tái)內(nèi)容交流模塊的話題精準(zhǔn)度，從而提升用戶活躍和留存。在使用神策智能推薦后，首頁(yè) Feed 推薦的點(diǎn)擊率、人均點(diǎn)擊次數(shù)、滲透率都有了明顯的提升，其中 CTR 提升 40% 之多，用戶體驗(yàn)大大改善。

1.以余額寶為例，談?wù)勅绾螛?gòu)建數(shù)據(jù)指標(biāo)體系？

2.“天問(wèn)一號(hào)”著陸火星，我們應(yīng)該了解的十條數(shù)據(jù)

3.對(duì)于0經(jīng)驗(yàn)，如何在7周內(nèi)快速入門(mén)數(shù)據(jù)分析？

覺(jué)得精彩就點(diǎn)【好看】↓↓

智能推薦評(píng)估體系

智能推薦七大玩法場(chǎng)景化解讀和效果評(píng)估體系

一、智能推薦七大玩法場(chǎng)景化解讀

二、如何評(píng)估推薦效果？

三、推薦系統(tǒng)如何實(shí)現(xiàn)業(yè)務(wù)閉環(huán)？

二、如何評(píng)估推薦效果？

三、推薦系統(tǒng)如何實(shí)現(xiàn)業(yè)務(wù)閉環(huán)？