原创 大數據的大價值:大數據五大成功案例深度解析

大數據的熱潮並未有消褪跡象,相反,包括航空、金融、電商、政府、電信、電力甚至F1賽車等各個行業的企業都在紛紛掘金大數據。可以看出,在推動大數據企業應用方面,真正看到大數據潛在商業價值的企業比大數據技術廠商還要着急。例如IT經理網曾

原创 用戶行爲分析面面觀(之三)-----特徵3:傳播性

分析需要回答三個問題,用戶行爲分析也不例外。   前面我們聊了用戶行爲分析的內容、目的、差異性和流動性。這裏再聊聊傳播性。     當你想買一個東西的時候,若你是個理性的消費者,你就會考慮7要素:該不該買?給誰買?什麼時候買?買什麼?

原创 京東基於Spark的風控系統架構實踐和技術細節

11.背景 互聯網的迅速發展,爲電子商務興起提供了肥沃的土壤。2014年,中國電子商務市場交易規模達到13.4萬億元,同比增長31.4%。其中,B2B電子商務市場交易額達到10萬億元,同比增長21.9%。這一連串高速增長的數字背後

原创 用戶行爲分析面面觀(之二)-----特徵2:流動性

上篇博文我們聊了兩個問題:用戶行爲的研究內容和用戶的差異性。這裏我們再聊聊用戶的流動性。     如果把用戶比作流動的水,那麼企業就是蓄水池,新用戶從進水管流入,老用戶從出水管流出。企業要灌溉莊稼獲取收成,就要有一定的蓄水量,就必須開

原创 用戶行爲分析面面觀(之一)-----用戶行爲研究體系 + 特徵1:差異性

你的營銷雖林林種種,但卻有一個永恆的軸心:用戶。   用戶行爲指揮着營銷活動的走向:從新品開發到價格制定;從渠道管理到品牌管理……,營銷圍繞用戶展開,用戶行爲分析是營銷工作的首要環節。 用戶行爲分析需要回答三個問題: ²  什麼是用戶

原创 TensorFlow深度學習

TensorFlow深度學習框架 Google不僅是大數據和雲計算的領導者,在機器學習和深度學習上也有很好的實踐和積累,在2015年年底開源了內部使用的深度學習框架TensorFlow。 與Caffe、Theano、Torch、MX

原创 推薦系統基礎知識

關於推薦系統的基礎整理,是對於部門內部交流培訓學習“推薦系統基礎”的一個整理,比較基礎。And,這基本是技術知識~~ 1 個性化推薦概述 1.1 推薦系統概述 首先,需要申明一點的就是推薦系統!=推薦算法。推薦系統是一套完善的

原创 每個電商企業都應該分析的9種數據

要想在如今的電商大戰中存活下來,每個創業者都需要做好每一件事情,從最基本的搜索引擎優化(SEO)到移動廣告。而一些分析工具能夠幫助你更好的瞭解企業的運營情況。 哪些數據應該留意?我們諮詢了一些成功的電商創業者,他們分享了他們認爲最重要

原创 Spark踩坑記——初試

Spark簡介 整體認識 Apache Spark是一個圍繞速度、易用性和複雜分析構建的大數據處理框架。最初在2009年由加州大學伯克利分校的AMPLab開發,並於2010年成爲Apache的開源項目之一。 Spark在整個大數據系

原创 大話推薦系統

摘要:在大數據的時代,信息氾濫,如何在大量的信息中提出用戶想要的,推薦系統便顯得極其重要了。在電商,電影,廣告方面,推薦系統得到越來越廣泛的應用。 ... 一 什麼是推薦系統 個性化推薦是根據用戶的興趣特點和購買行爲,向用戶

原创 詳解個性化推薦五大最常用算法

推薦系統,是當今互聯網背後的無名英雄。 我們在某寶首頁看見的商品,某條上讀到的新聞,甚至在各種地方看見的廣告,都有賴於它。 昨天,一個名爲Stats&Bots的博客詳解了構建推薦系統的五種方法。 量子位編譯如下: 現在,許多公司

原创 推薦系統之眼

前言 這半個月除了工作上的事,一直忙於學習機器學習基礎理論,每天揹着四五本書上下班,還蠻有讀書時的感覺。之前寫了一篇文章,叫基於用戶畫像的實時異步化視頻推薦系統,應該說只是完成了一個心臟,整個數據集經過心臟的起博,開始流動起來,並且能

原创 我所理解的大數據個性化推薦

一、寫在之前的題外話 緣起。 想起要寫這篇文章,一方面是昨天終於把項亮寫的《推薦系統實踐》給看完了,另一方面是自己負責的推薦系統項目已經處於一個多版本迭代的階段了,並且從最近的AB測試效果來看,新提交的算法模型還是有一定的進步的,如

原创 大數據分析與應用的8個場景

1、基於客戶行爲分析的產品推薦    產品推薦的一個重要方面是基於客戶交易行爲分析的交叉銷售。根據客戶信息、客戶交易歷史、客戶購買過程的行爲軌跡等客戶行爲數據,以及同一商品其他訪問或成交客戶的客戶行爲數據,進行客戶行爲的相似性分析,爲客戶

原创 值得關注的用戶指標

最近最常被問到的就是一些用戶的統計指標,無論是決策層還是產品部門,所以這篇文章重點說下用戶指標的一些內容。   假設你想用盡量簡潔有效的數據瞭解一個網站或產品的用戶情況,你會問哪幾個用戶數據?其實一個聰明的提問者永遠不會問網站的累計用