文档介绍：Alibaba数据挖掘应用案例
刘文
阿里巴巴B2B—中文网站—资深营销经理
题纲
1. 架构基本介绍
阿里巴巴集团架构
B2B子公司架构
2. 数据挖掘应用
推荐引擎的使用
OFFER评分模型
客户关系管理系统
3. 互联网B2B前景方向漫谈
当前商业模式
前景及方向
阿里巴巴集团架构:不断的创新与变化
阿里巴巴B2B:小企业是阿里巴巴
淘宝:购物是淘宝
支付宝:支付是支付宝
阿里云:计算是阿里云
雅虎中国
阿里集团
B2B2b2C2S的全过程产业生态链
B2B子公司架构:不断的创新与变化
CBU:中文站,做内贸
ICBU:国际站,做外贸
阿里学院:管理培训
中小企业面临的问题:
订单难,管理难,贷款难
阿里商业银行
Export To China
……
CBU:“采购批发,上1688”
卖家:
生产制造商,批发商,贸易商,
店铺卖家
阿里巴巴
www.
1688.
com
买家:
生产制造商,
批发商
贸易商,
店铺卖家
一个网络上的大批发市场
应用场景:搜索,反馈
卖家开好店面,买家光顾
数据挖掘案例之一:推荐引擎
当当网
淘宝网
1号店
阿里巴巴
推荐引擎--宽表--模型--个性化周刊
./cms/shichang/jy/jhzk/ 进货E周刊
案例1:推荐引擎应用于订货E周刊
模型意义:信息的完整度和可信度
案例2:OFFER评分模型缘起
思路:
首先采用专家打分的模式,对一万条小商品offer进行综合的评分,评价用户浏览offer体验的好坏,为因变量,确定最终的OFFER得分因子,推动offer线和卖家线的业务。
2. 数据处理:
去掉异常值,最后得到9352条记录,抽样取8000条作为建模数据,1352条作为测试数据。
3. 模型应用
根据模型得出的回归方程,对77万条抽样的小商品OFFER进行评分,设计出OFFER的星级分布,并且设定出用户填写OFFER时的弹出文案(没达到某项条件时的提示),最终形成一个教育用户提高OFFER质量的前端发布和展示系统。
案例2:OFFER评分模型
3. 模型分层算分
第一档
第二档
第三档
第四档
重要性
变量名
权重
常数项
-
1
描述文本长度
[0,70)
[70,200)
(200,1000)
[1000, ∞)
2
描述图片个数
0
[1,5]
[6,10]
[10,∞)
3
标题内容匹配度
[1,2)
[2,]
(,3]
4
图片清晰度
0
1
5
选填参数填写率
(0,)
(,)
(,)
(,1)
6
是否支持支付宝
0
1
7
标题长度
(0,5]
[5,10]
[10,15) &(23, ∞)
[16,23)
8
运费描述长度
[0,5)
(5,10}
(10,20)
(20, ∞)
9
价格区间
0
1
2
3
10
橱窗个数
0
[1,2]
3
11
是否混批
0
1
案例2:OFFER评分模型