课程咨询: 400-996-5531 / 投诉建议: 400-111-8989
认真做教育 专心促就业
个性化推荐是随着大数据技术的不断发展而逐渐被各个软件开发企业都在使用的一种内容营销方法,而今天我们就一起来了解一下,如何使用大数据来实现个性化推荐。
原本实时计算推进工作是主要面向数据科学家,按照其拆解的需求,完成实时计算的业务实现。现在变为,数据工程师和数据科学家一起,直接面向产品的完整需求,通过合理分工参与数据业务上游部分。
这样做的好处,一是两者都可以弥补在业务和技术知识上的缺失和差距,二是实时计算的推广工作可以转向以产品为目标,有更好的反馈和成效。
然后,我们应该为实时计算寻找有价值的业务点和进入方式。
实时计算应该进入的头部业务,应该具有以下两个特性:
高时效性的数据可以产生更大价值,或者必须使用高时效性数据;
业务产出尽量可以客观量化,需要人主观评价的成分少;
例如,个性化推荐就是一个适合实时计算进入的业务,进入角度可以是全业务过程的系统化、平台化。
先,个性化推荐直接满足上述两个特性:
许多对照实验证明实时推荐效果更好,并且一些推荐业务必须基于实时数据;
一般来说,命中率和使用率就足以衡量业务的价值。
严格来说,个性化推荐并不是特别“新颖”的着力点。直观上,谈起实时计算,个性化推荐大部分人一时间能想到的应用点。不过,这不意味着腾挪空间就少。
个性化推荐的形式非常多样,如商品推荐、好友推荐、助战推荐,等等。要把这些统合在一起,可做的工作很多;
个性化推荐不仅仅只是推荐本身,还涉及概率控制、舆论控制、升降档、兜底等因素要考虑,在全系统上也有很多可做文章之处;
另外,数据预警(异常用户、异常交易等),数据接口(实时大屏等)等,也是适合实时计算的头部业务,分析过程类似,关键在于进入的角度。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请在707945861群中学习了解。