阿里2B电商核心问题以及算法建模

2020-03-01 155浏览

1.阿里2B电商核心问题以及算法建模【可发布】2019 QCon北京-深度学习在百度搜索中的工程实践-百度-曹皓.pdf 霍承富/晓惑阿里巴巴-CBU技术部-新零售算法
2.阿里2B电商核心问题以及算法建模【可发布】2019 QCon北京-深度学习在百度搜索中的工程实践-百度-曹皓.pdf 霍承富/晓惑阿里巴巴-CBU技术部-新零售算法
3.电商核心问题人场货货场人算法构建三位一体营销体系问题定义： • 如何挖掘人的诉求？如何表达场的心智？如何圈选符合心智的商品？ • 如何构建人货场的精准匹配机制？
4.算法建模基础信息挖掘市场牵引机制 • 人的表征 • 流量中控 • 货的画像 • 召回排序 • 场的图谱 • 组货推荐实时数据服务平台
5.算法建模 —— 人的表征表征：非明文标签，基于深度模型的Embedding Vector。 • DeepWalk • Node2Vector • I2I • U2I • U2U 问题：基于全局行为Item网络的Embedding Vector缺乏精细的个性化刻画能力。
6.算法建模 —— 人的表征 Opt1：上下文相关的Embedding Vector（个性化）。 n x FC n x FC Merge n x FC n x FC n x FC DSSM User + Query Online Input NN Model Training NN-Part Online Server NN-Part Offline Prediction U Vec Merge Q Vec I Vec SE Scoring
7.算法建模 —— 人的表征 Opt2：上下文相关+兴趣点演进的Embedding Vector。 Auxiliary Loss RNN n x FC Merge n x FC n x FC • • Attention • • DIN（Deep Interest Network） DIEN（Deep Interest Evolution Network） Feature Engineering Loss Function
8.算法建模 —— 货的画像画像：产品、运营、商家可感知的明文标签，可理解、可运营、可执行。新品趋势品时效厂货尖货品牌品质低价段价格品类规划爆品尾货高价段 • 价格机制：维护健康的价格区间，挖掘价格和转化的关系，建模价格竞争力。 • 销量预估：预估销量趋势，结合运营知识，定义生命周期。
9.算法建模 —— 货的画像价格机制价格合理性单品历史比价平台同款比价下游同款比价价格雷达折扣真实性转化竞争力可解释性：单调趋势特征工程 RELU
10.算法建模 —— 货的画像 GBDT/DNN销量预估 • 历史规则圈选召回/准确 57% • 算法预估圈选召回/准确 90%
11.算法建模 —— 场的图谱图谱：关系链接，具备心智表达能力和推理能力。 Clustering 心智选品场营销文案智能文案场场场场场场场 Scene2Scene
12.算法建模 —— 场的图谱心智选品：基于场景心智，构建差异性的Clustering选品算法体系 User • 搜索 Query • 行为特征 • 身份属性知识图谱 • 场景抽象 • 实体关联 • 属性附庸 • 商品挂载场景卡片 • 榜单：趋势力 • 清单：价格力 • 主题：身份组货 • 锦囊：意图挖掘
13.算法建模 —— 场的图谱营销文案：满足不同业务场景对心智风格和文案长度的强诉求。（WWW 2019）
14.算法建模 —— 场的图谱营销文案：Case展示风格控制 • 输入端添加风格词的embedding和NER信息 • 风格词和输入词语共享embedding信息长度控制 • 在输入端添加位置的embedding信息场景：榜单Case展示
15.算法建模基础信息挖掘市场牵引机制 • 人的表征 • 流量中控 • 货的画像 • 召回排序 • 场的图谱 • 组货推荐实时数据服务平台 15
16.算法建模 —— 流量中控分时流量计划与分时流量调控计划流量 10000 大促会场分流实际 5000 个性化 0 会场效能 0 2 4 ↑ 搜索推荐机制 6 8 10 12 14 16 18 20 22 ↓ → 算法调控中枢商家成长扶持历史数据分析&建模目标设置&预估检验 Organic & P4P 目标多场景分配单场景目标调控营销权益分发消息日志处理红包优惠券实时流式数据历史批量数据算法基础组件相关性召回转化率建模个性化建模
17.算法建模 —— 流量中控 Organic & P4P：平衡广告营收和买家体验，最大化平台价值。
18.算法建模 —— 流量中控权益分发：用户权益敏感度预估+权益金额决策分配（不同的用户分发不同额度的权益，最大化业务目标）分组背包MCKP 我的328领券财神牛发券红包雨下券 • M用户（M组） • N种额度权益（N物品） • P权益敏感概率 • W权益额度/权益预算
19.算法建模 —— 召回排序 Favorite DeepMatch I2I Cart SWING I2I Click C2I ABFS Basic Engine 2 U2C 1 Hot2I TPP Server User Feature iGraph 3 DIN Porsche PAI Offline Model Training WDL/DCN LR+GBDT RTP Ranking 4
20.算法建模 —— 召回排序大促会场实时个性化：业务强诉求 • 会场商品实时圈选投放和下架 • 售罄商品实时下架 • 实时指标（销量/转化率/综合）排序实时变更流实时日志流选品平台投放位DB iGraph索引 C2I/S2I GBDT-ReRank 实时特征流大促会场 +30% 实时个性化 • User * Item Hit统计特征 • Item统计特征 • 算法Join特征回传埋点全量 U2X2I + Rank
21.算法建模 —— 组货推荐业务场景 • 小B采购（e.g. 渔具商行） • 类C自购（e.g. 钓鱼套装） • 营销活动（e.g. 满减、搭配推荐促GMV）运营方案 • 主营类目圈品 • 基于类目树组货 • 行业知识穷举算法方案 • 用户行为网络图聚类 • 金额约束规划 • 行业知识约束规划
22.算法建模 —— 组货推荐 LPA：each node is initialized with unique label and at every iteration of the algorithm, each node adopts a label that a maximum number of its neighbors have. 图聚类（LPA）主题类目约束 Note：抽象业务诉求，采用成熟的算法，并结合业务知识，求解业务问题。
23.算法能力体系 • Tree-based Subgraph Convolutional Neural Networks for Top-N Recommender Systems, submitted, IJCAI 2019. • Automatic Generation of Pattern-controlled Product Description in E-commerce, accepted, WWW 2019. • User behavior sequence modeling to optimize ranking mechanism for E-commerce search, ICCIP 2017: 164-169.
24.算法能力体系 • Tree-based Subgraph Convolutional Neural Networks for Top-N Recommender Systems, submitted, IJCAI 2019. • Automatic Generation of Pattern-controlled Product Description in E-commerce, accepted, WWW 2019. • User behavior sequence modeling to optimize ranking mechanism for E-commerce search, ICCIP 2017: 164-169.
25.阿里2B电商核心问题以及算法建模