Alibaba个性化推荐数据产品与应用

DPPAlibaba个性化推荐数据产品与应用数据产品平台部‐PRT2010‐11‐16DPPDW个性化将成为不可阻挡的潮流联网从搜索时代进入发现时代搜索是你确知道要„互联网正从搜索时代进入发现时代。搜索是你明确知道需要什么东西；发现是说你并不十分清楚的知道一种东西存在，或者你并不清楚怎么样才能找到这种东西。美国财富杂志---美国财富杂志„我们正从信息时代迈向推荐时代。---TheLongTail克里斯·安德森„推荐系统将成为未来十年里昀重要的变革，社会化网站将由„推荐系统将成为未来十年里昀重要的变革，社会化网站将由推荐系统所驱动。---JohnRiedl明尼苏达大学教授DPP交流议题„Why为什么需要个性化推荐？-个性化推荐的背景与意义„Where什么地方可以有个性化推荐？个性化推荐的应用场景－个性化推荐的应用场景„How如何做个性化推荐？－个性化推荐相关技术－Alibaba个性化推荐数据产品与规划DPP个性化推荐的理论依据长尾理论马斯洛需求层次理论长尾理论１马斯洛需求层次理论２DPP个性化推荐的价值【B2C网站营业额增长】No1No1No3No2－第29期的《橙外橙》DPP一些数据„作为先驱者Amazon实现了35%的销售额来自其推荐系„作为先驱者，Amazon实现了35%的销售额来自其推荐系统„美国ChoiceStream公司调查显示，45％的用户更喜欢到有产品推荐功能的网站上去购物而高端消费者69％的用户有产品推荐功能的网站上去购物，而高端消费者69％的用户更愿意选择有推荐功能的网站„有统计表明有推荐系统帮助时，消费者在找到自己需要的产品之前平均需要查看66个商品而没有推荐系统时这产品之前平均需要查看6．6个商品，而没有推荐系统时，这个数字变为11．7„有推荐系统时，93％的消费者选择了更优的产品，而没有的这样选择有的话，做出这样选择只有65％„如果有推荐系统的帮助，只有2l％的消费者会改变初始决策，而没有的话，初始决策质量则大幅下滑，有60％的消费者会更改初始选择国际站用户调研：List页面未转化的深层次原因——不再次搜索的原因（SAP与非SAP）SAP不再次搜索的原因非SAP不再次搜索的原因SAP不再次搜索的原因非不再次搜索的原因不知道阿里巴巴上有更多产品/供应商70%不知道如何查找更多产品/供应商没有在之前的页面找到需要的信息导致不70%到需要的信息导致不愿意继续找偏好在其他网站找产品或供应商对阿里巴巴上的信息可信度有质疑•会继续搜索•太多的供应商，很难选择其他•目前没有时间•网站上有较多的不合格供应商Base:389X4[X1=1/3/4][非SAP].Alibaba.comisabusinesstobusinesse-commercewebsiteandhasmillionsofsuppliers.WhydidyouchoosenottolookformoreproductsorsuppliersonAlibaba.com?Base215X3[X1=1/3/4][SAP].Alibaba.comisabusinesstobusinesse-commercewebsiteandhasmillionsofsuppliers.WhydidyouchoosenottolookformoreproductsorsuppliersonAlibaba.com?7国际站用户调研：List页面未转化人群主动服务需求点Base：609P1[X1=1/3/4].Ifaddedtothepageyoujustvisited,whichofthefollowingserviceswouldhelpmakeiteasierforyoutosourceonAlibaba.com?（限选三项）8国际站用户调研：List页面未转化人群产品推荐规则List页面未转化人群偏好的产品推荐规则偏好的产品推荐规则Base:292P2[P1=4&5].WhatkindofFeaturedProductswouldyouprefertoseeonAlibaba.comorinemailsfromAlibaba.com?9DPP个性化推荐能达到的目的„提升买家用户的体验，提高选购决策质量与效率实现优质买家的差异化服务服务买家效率，实现优质买家的差异化服务提高商品的有效曝光机会与转化率提升卖服务买家„提高商品的有效曝光机会与转化率，提升卖家用户的效果与效益服务卖家„利益均衡机制，均衡曝光机会，提升曝光商品及商家的覆盖率服务卖家品及商家的覆盖率„提升买家留存率与卖家续签率提升买卖家„提升买家留存率与卖家续签率，提升买卖家的忠诚度，提升商品点击机率及P4P的收益服务公司DPP交流议题„Why为什么需要个性化推荐？-个性化推荐的背景与意义„Where什么地方可以有个性化推荐？个性化推荐的应用场景－个性化推荐的应用场景„How如何做个性化推荐？－个性化推荐的相关技术－Alibaba个性化推荐数据产品与规划DPPDWRE要解决的问题„合适的内容（What）„合适的用户（Who）（）•推荐商品•推荐公司•推荐资讯•推荐人（）•企业用户•个人用户•不同客户群用户•…„合适的地方推荐人•个性定制•…„合适的时机（Wh）个性化合适的方（Where）•首页•Offer页面•购买过程页面（When）•刚来首页•搜索查找•点击进入反馈完成个性化推荐买页•搜索结果页面•促销邮件页面•贸易通窗口•资讯文章页面„合适的渠道（How）•Web网页•Email•反馈完成•收藏完成•交易完成•浏览页面上部浏览页面底部•SNS页面•…•IM•移动终端•…•浏览页面底部•退出登录•…在合适的场景合适的时机通过合适的渠道把合适的内容推荐在合适的场景，合适的时机，通过合适的渠道，把合适的内容，推荐给合适的用户DPP个性化推荐典型场景首页推荐行业首页推荐实时浏览推荐P4P独立页面推荐常规首页推荐行业首页推荐购买过程页面推荐OfferDetail面推荐SEO页面推荐收藏页面推荐搜索页面推荐实时浏览推荐P4P独立页面推荐0结果及出错页面推荐常规网页推荐场景贸易通商友推荐SEO页面推荐搜索页面推荐贸易通窗口推荐贸易通Tab推荐0结果及出错页面推荐已上线应用其它生意经推荐邮件营销推荐人脉通推荐用其它渠道场景Work平台推荐MAlibaba推荐打通淘宝的推荐个性化首页定制个性化搜索个性化导航未来应用Work平台推荐MyAlibaba推荐打通淘宝的推荐个性化导购对外推荐服务应用场景Acookie一体化推荐已初步明确的78个应用场景至10年9月份已上线三大网站个性化推荐的应用场景景，至10年9月份已上线45个，预计年底上线60个图例说明图例说明：¾-10年上半年上线应用场景¾-09年前上线应用场景应用场景¾-已与业务方沟通需求方案应用场景DPPDWP4Poffer推荐„首页推荐„进货单推荐„阿里旺旺批tab页面„error报错页面P4P推荐主要应用场景：中文站首页error报错页面阿里旺旺批tab页面进货单猜你喜欢P4P推荐主要应用场景：中文站首页，error报错页面、阿里旺旺批tab页面、进货单猜你喜欢等；新人模型全P4P，其它场景P4P自动识别扣费总体收益情况：目前每天超过6万元DPP中文站收藏夹页面的推荐二跳率率远高于全网范围（1.46％－2.4%）：•收藏公司成功页面：20.18%•收藏offer成功页面：•收藏offer成功页面：16.73%•收藏管理页面：3.12%平均采购效率普遍很高，远远超出预期（全网范围：190－（全网范围：190580）•收藏公司成功页面：86•收藏offer成功页面：128DPP„所有Offerdetail页面下端的推荐相关推荐转化率提升明显，点击率翻了将近一倍，二跳率由１.３３%提升到２.３１%„中文站SEO站内工具条推荐二跳率从上线前到2.2%，提升到稳定在7%左右DPP个性化集成推荐页面„推荐的采购效„个性化集成推荐页面，全站和四个BU（服装\小商品\工业品\原材料）„推荐的采购效率大概200,接近人工运营（200次点击带来一次购买）„推荐产生的订单占到服装市单占到服装市场10%左右，当前推荐带来日均订单2900，日均总订单27000DPPAliexpressShoppingCart推荐Aliexpress的shoppingcart推荐点击下单转化率为网站平均转化epess的soppgcat推荐点击下单转化率为网站平均转化率的2.5-3倍左右（网站平均转化率为1%-1.5%），推荐场景注册用户在当天和15天内下单的平均转化率为：3.6%和2.7%DPPAliexpress搜索0少结果页面推荐目前日均带来点击量达1200次以上，订单转化率昀高达1.46%DPP国际站ATM今日焦点、Tab页面推荐国际站贸易通TM场景：保守估计一周带来4000+ABRE上线后每天国际站贸易通TM场景：保守估计周带来4000+AB，RE上线后每天点击率2%（点击用户/登录用户），点击RE的用户日平均AB转化率在50%以上，是上线之前AB转化率的2.5倍以上DPP国际站个性化营销营销推荐邮件打开率提高了35%，邮件的点击率（基于打开数）提高了了126.7%AB转化率提升100.01%，有效反馈率提升182.37%DPP打通B2B与淘宝的货源推荐识别淘宝卖家WAI偏好淘宝卖家1淘卖家WAI偏好关键词：女凉鞋时尚全牛皮罗马坡跟搭扣休闲波西米亚2将B2B商品推至淘宝卖家后台G1女凉匹配SPS关键词24G1：女凉鞋全牛皮罗马休闲时尚坡跟//G2女凉3G2：女凉鞋全牛皮真皮波西米亚时尚细跟搭扣匹配优质商家商品细跟搭扣商品日均722名用户进入淘货源频道页面，每天进货额1万多元DPP交流议题„Why为什么需要个性化推荐？-个性化推荐的背景与意义„Where什么地方可以有个性化推荐？个性化推荐的应用场景－个性化推荐的应用场景„How如何做个性化推荐？－个性化推荐的相关技术－Alibaba个性化推荐数据产品与规划DPP个性化推荐技术发展史202007年2008年~~Google关于其GoogleNews开源分布式平台和技术开始渐渐流行，为超大型电子商务网站应20世纪2006年2007年DVD电子商务网站Netflix的百万美金Google News Personalization的学术报告将大家的焦点同时引向了另一个方向‐‐‐‐复杂用推荐引擎技术奠定了基础。Hadoop及其子平台Hive、Pig等获得青睐90年代2006年Amazon的推荐推荐引擎优化大奖引各路学术英雄竞折腰。Matrix Factorization个方向复杂推荐引擎算法在海量数据下的分布式实现。MinHash和PLSI也再次受到关得青睐，Yahoo和Facebook贡献大。专注于分布式推荐引擎算法和机器学习算法的代中的推荐应用使推荐学术研究开始热起来。Collaborative filtering 方法是Methods以及Hybrid模型展现了其在准确性上的优势，成为热点。注。器学习算法的Apache项目Mahout也在不久后问世了。最先被应用认可的。DPP个性化推荐的相关技术„网络经济学，市场营销学研究用户研究商品„用户研究，用户网上行为分析，用户消费心理„文本挖掘，图像识别„社会化网络分析„数据挖掘，机器学习，模式识别，人工智能„相关性算法，BehaviorTargeting„概率统计，因子分析，主成„分布式计算因分析„实时计算，实时推荐，事件营销DPPDW个性化推荐数据产品WAIUserRECorrelationPKLPKLProductDPPWAI与用户研究应用自身内部客户外部客户WAI(WhoamI)：UserProfile用户属性库及用户信息服务个性化推荐个性化推荐用户运营用户运营自身内部客户外部客户客户的用户运营客户的用户运营z更准确的推荐：命中不同人群需求z适合B类用户的推荐：z识别用户需求，满足用户需求，主动及时个性服务z由帮助客户获取订单到帮助客户建立稳固的客户关系z适合B类用户的推荐：采购周期性，关系链z更广泛的