作为一名没有“搜索/推荐策略”经验的产品经理来说,想要转型策略产品有可能吗?转型路上都要学习什么知识与技能呢?笔者将结合自己成功转型策略产品经理的经验,为你分析需要掌握的知识点。
当我们有了标签体系,采集到了用户的数据,我们要从这些数据中“读”出有用信息从而为用户打上标签,这里会涉及到数据挖掘,自然语言处理,语义理解,机器学习等技术。
1. 分词 ***比如一个用户看了一篇新闻发表了一个评论,我们想要了解他说了什么,提取出对我们有用的信息。
这里就涉及到了分词技术,比如“如果真是计算机就好了”这句话。
说几种比较简单的分词 *** ,比如按照字典分词,字典通常采用前缀树或者后缀树的数据结构存储,进行正向更大匹配。
以上面的为例“如”后跟“果”,“如果”是一个词语,再看第三个字“如果真”不是一个词,继续向下,发现都不是一个词组,那么就在“如果”这里进行切分。“计算”是一个词,继续向下“计算机”也是一个词语,“计算机就”不是一个词语,再往下发现到最后依然组不成词组,那么在“计算机”这里切分。
以上句子存在的交集型歧义也需要解决,“如果”和“果真”都是词语,语义理解时计算机语言读懂句子用到的是“如果”而不是“果真”。
这里还有一种分词 *** 是基于统计的分词 *** ,即我们常说的贝叶斯分词,即通过大量语料积累进行机器学习,统计出一个字后面跟另一个字的概率,从而进行分词。
2. 语义理解语义理解中还要进行情感的理解,以及逻辑推理。情感理解,举个例子,如果是在OTA上定了一个旅店,住了一晚然后给出了评价,比较明显的情感评价是“环境太好了”“热水器真糟糕”。
不易发现的情感如“提供了早餐”,其实我们可以看出提供早餐是用户的褒义评价,但可能一般的算法读不出来。
再比如如果 *** 的地址填写的是学生宿舍,那么算法也需要大量学习,进行推理,从收货地址是学生宿舍推理出用户是学生,这就像百度的知识图谱。
3. 用户画像接下来我想聊一下用户画像的几个分类,比如基本信息,如姓名,性别,年龄,生日,星座,设备号,职业,学历,手机号,邮箱等。这类特征是可以长时间不进行更新的,比较固定。
但对于这个新闻app有个问题,比如对于社交软件,用户乐于填写个人信息,但对于新闻app,可能100人,有30个人填写了信息,另外70个人不去填写。
这里我们为了给这70个用户打标签,就需要用这30个人做为样本集,进行学习。
比如通过学习,了解男性用户和女性用户的特点有什么不同,比如男性用户早晨更喜欢看时事新闻,晚上喜欢看玄幻小说,女性用户早上喜欢看娱乐热点,晚上喜欢看言情小说。通过得出的这些特征,进行“标签扩散”,为那70个未填写性别信息的用户打上性别标签。
接下来我们说一下兴趣爱好和行为特征,这类标签是经常变化的,具有时期时效性。
比如我们为了知道一个用户对哪类新闻感兴趣,设计了一个打分加权模型,每点一个分类的新闻就加一分,线性增长。
比如用户30天点了156次军事新闻,就156分,点了45次历史文章历史就是45分,我们可以看出用户最喜欢看的是军事,其次是历史。于是我们主要给他推荐军事,其次是历史。
但这里有个问题,如果某一天开始,用户开始对娱乐新闻感兴趣了,即他目前更想看的是娱乐新闻,但因为历史数据积累军事新闻权重太高,短期内算法无法推送娱乐新闻给他,那么线性打分模型是不合适的。
我想这里可以采用指数模型,比如对某个类别的兴趣权重满分是10分,前9次每次1分,第10次开始每次在之前基础上,加9*10的-(n-9)次方,第10次就是9.9,第11次点击军事就是9.99,以此类推,让权重不断逼近10。
当然我们还要通过其他特征调整权重,比如打开频率,如三天看1次军事的,还是一小时看3次军事的。这样当用户开始对新的类别感兴趣的时候,可以更快的得到推荐。
4. 常用算法这里我们来说一下推荐算法。首先我们会把用户和新闻分别标签化,来讲一下协同。
比如甲用户喜欢军事和娱乐,乙用户喜欢科技和文学。甲乙用户标签化后相似度很高,达到了一定阈值,那么我们可以认为乙用户喜欢的分类,甲用户可能也喜欢,于是我们把科技和文学推荐给了甲用户。这是基于用户的协同。
如果甲喜欢a文章,a和b文章标签化后相似度很高,那么我们猜测甲也会喜欢b文章。
编辑导读:对付衡宇中介平台来说,房源宣布是一个很重要的成果,它是平台业务展开的要害地址。本文作者对58的一个房源宣布改版项目举办了复盘,对进程中需要留意的问题举办了总结,供各人一同参考进修。 引言...
策划案最为广告人创意发挥的舞台,需要大量创意承接策略、延展主题、造势活动,不过相信大多数人广告人也经历过创意被推翻的情景。那么我们到底该怎么做呢?如何在策划案中有效表达我们的创意呢? 创意作为广告人...
近几年来,智能音箱的普及度非常高,不少人都会选择购置智能音箱并通过语音进行简单的交互。然而,也有很多人在使用过程中,发现智能音箱存在着一些“听不懂人话”的缺点…… 作为小度音箱(无屏基础版)的用户,...
编辑导读:当老板问我们,花1万块的本钱最终能为公司产物带来什么效益,我们怎么有依有据的答复?固然大部门时间大部门团队是直接拍脑壳敲定,但怎么拍的更有科学依据?本文作者团结案例对这个问题展开了阐明接头,...
B端用户想要什么样的产品?他们希望获得什么样的服务?文章以CRM系统为例,根据不同功能类型的CRM系统,对B端用户需求进行了分析探究。 01 随着互联网行业的飞速发展,消费者和企业已经逐步习惯信息化...
在对产物的创新点举办脑子风暴时,思维倒是发散,可容易没有层次,且深度不敷,本文实验办理上述问题。本文以先容创新要领为主,输入法仅用于举例。作者并非输入法产物司理,行文中若有对输入法产物领略毛病之处,请...