用户画像
收录了 用户画像 频道下的 50 篇内容
用户画像技术及方法论
本文介绍如何通过用户及商品画像来构建数字化体系。
用户画像在阅文的探索与实践
本文将介绍为什么需要用户画像，以及如何做用户画像，并结合在阅文场景下所面临的问题，为大家分享下我们在用户画像上的探索与实践。
网易大数据用户画像实践
网易大数据生态数量级巨大，且产品线丰富，覆盖用户娱乐、电商、教育等领域，并且APP活跃度高，积累了多维度的用户行为数据。通过集团数据资产构建全域用户画像，旨在服务于域内众多业务场景，同时也在探索外部商业化方案。
用户画像从 0 到 100 的构建思路
本文介绍用户画像的构建思路。
你真的懂用户画像吗？
在移动互联网时代，精细化运营成为企业重要的竞争力，此时，“用户画像”的概念也应运而生。
40 亿移动设备的用户画像和标签架构实践
本文是10月27日大数据杂谈群分享的内容。 说起大数据的应用可能很多朋友们脑子里边第一映像就是画像，我想从以下几个方面跟大家聊聊画像相关的事情：1、什么是画像；2、画像的用处；3、如何进行用户画像；4画像应用中的难点。
日处理数据量超 10 亿：友信金服基于 Flink 构建实时用户画像系统的实践
目前该系统支持日处理数据量超10亿，接入上百种合规数据源。
微信看一看：推荐系统用户画像构建指南
推荐系统无论在工业界还是学术界都被广泛研究，有不少关于召回和排序的工作，但是对于用户画像的研究少之又少。下文将就微信看一看推荐系统中如何构建用户兴趣标签展开讨论，希望与大家一同交流。
贝壳找房郭凯：贝壳用户画像系统的构建历程 | 视频
贝壳找房的用户策略团队如何从0到1构建贝壳用户画像体系？
做用户，绕不开画像！
做用户，绕不开画像！画像不仅可以提升对用户的认知，还可以通过落地赋能业务。今天我们聊聊用户画像在用户生命周期中的应用，主要介绍用户画像在电商场景下如何驱动产品链路优化。
飞猪旅行推荐算法应用实践
本文从旅行行业的典型场景切入，提炼出了飞猪在用户理解领域的普适经验。
微软专家眼中个性化推荐系统的 5 大研究趋势
个性化推荐系统的未来会如何发展？
基于标签的实时短视频推荐系统
本文结合电视猫的业务场景及工程实践经验来详细讲解基于标签的倒排索引算法的原理及工程落地方案细节。
主流推荐引擎技术及优缺点分析
本文详细介绍多种类型的推荐系统，并分析介绍每种推荐系统的优缺点。
2017 年，你还在用用户画像和协同过滤做推荐系统吗？
如何使用大规模机器学习解决真实的业务问题？我们今天会以机器学习中的一个典型场景为例来讲解，即基于大规模机器学习模型的推荐系统。
数据驱动在链家网搜索优化与推荐策略中的实践
房产领域天然融合了，房、客、经纪人三方的数据，其相互之间的匹配关系与资源调度也都需要策略进行调优，我们期望通过科学的数据处理与分析，以及合理的实验论证，不断提高线上与线下的策略效果，也给用户带来更好的产品体验。
微信的机器学习与人工智能应用实践
2018 年 1 月 13-14 日，AICon 全球人工智能与机器学习技术大会在北京召开，微信小程序商业技术负责人张重阳应邀担任本次大会的联席主席，发表演讲介绍了人工智能应用落地过程中的 4 个"in"，并结合在微信的实践案例做了深入的讲解。以下为演讲全文。
“想你所想”之个性化推荐：实践与优化
在当今 DT 时代，每天都在产生着海量的数据，移动互联网的兴起更是让我们体验到获取信息是如此的简单和方便。 同时，更多的选择也带来更多的困扰，面对层出不穷的信息和服务带来的困扰，使得个性推荐迅速崛起，并且大放异彩，在金融、电商、视频、资讯、直播、招聘、旅游等各个领域都能看到推荐系统的存在。
京公网安备 11010502039052号 | 产品资质
