当当网：从搜索到发现
- 1. 从搜索到发现 ——推荐技术及其在电子商务中的应用 王洪涛，2009-09 1 2010-7-19
- 2. 主要内容 ? 推荐技术介绍 ? 主要的算法思想和数据介绍 ? 在电子商务中的应用实践 ? 总结与招聘广告
- 3. Example
- 4. 个性化推荐技术介绍 ? 什么是推荐 ? 搜索与推荐的区别 ? 推荐技术可用于…… ? 电子商务、呼叫中心、数字电视、新闻媒体、网络视频 ? 精准广告、移动互联网、手机增值服务…… ? 业界典型应用案例 ? Amazon.com、Netflix.com、Last.fm、Pandora.com ? douban.com、DangDang.com、taobao.com ? Aggregateknowledge.com、clickchoice.com
- 5. 数据、算法和产物——概述 ? 数据 ? 订单数据、浏览日志、浏览到购买数据 ? 收藏夹、购物车、评分数据 ? 算法 ? Item to Item ? Item based Personalized Recommendation ? User to User ? User based Personalized Recommendation ? Content to Content ? Content based matching ? Association Rules ? Classical Data Mining algorithm ? Social Recommendation ? Friends based Personalized Recommendation ? 产物 ? Also Buy、Also View、打包购买、相似顾客…… ? 浏览推荐、购物推荐（Item Based）、购物推荐（User based）…… ? 购物车推荐、收藏夹推荐、个性化邮件……
- 6. 电子商务领域的应用实践 ? 典型应用 ? Cross/Up Sale：also buy、also view、打包购买 ? 组合推荐：购物车、收藏夹、订单确认信推荐 ? 个性化推荐：根据购物历史、浏览历史推荐、个性化邮件 ? 互动：相似顾客推荐
- 7. 个性化推荐
- 8. 交叉/向上销售
- 9. 购物车推荐
- 10. 收藏夹推荐
- 11. 个性化邮件
- 12. 总结 ? 数据、算法与产物设计 ? 数据最重要 ? 利用 User Feedback改进算法 ? 重视人口统计学因素、即时意图的把握 ? 产物的位置与交互非常关键 ? 应用前景 ? 任何涉及大量选择&大量用户交互的场所 ? 电子商务、网络社区、手机、数字媒体等 ? 线上最容易实施，那么线下呢？ ? 推荐引擎？ ? 既然有搜索引擎，是否可以有一个独立的推荐引擎？ ? 现有的推荐绝大多数都是依托于其他平台的附属应用 ? 推荐引擎是否有独立存在的空间和市场需求？
- 13. 招聘广告? ? 产物经理/高级产物经理（非实习）——关键词/行为定向广告系统 ? 需要有相关领域2~3年工作经验，特别是面向广告客户的商业产物经验 ? 投递：wanght05+PM@gmail.com ? 实习生（明年毕业的硕士最佳）——搜索/数据挖掘/个性化推荐 ? 偏算法方向的需要有相关领域的研究、开发经验 ? 偏工程方向的则希望工程实战经验多一些 ? 对C/C++ coding能力均有一定要求 ? 投递：wanght05+engineer@gmail.com ? 实习生（明年毕业，本/硕）——PHP(移动互联网/广告平台/购物频道） ? 需要完整的PHP开发项目经验 ? 对前端JS/CSS/XHTML较为熟悉，可手写代码 ? 或者对后端的MySQL/Apache/Nginx配置较为熟悉 ? 投递：wanght05+PHP@gmail.com