新零售与场景推荐系统

新零售与场景推荐系统4
展开查看详情

1. 推荐系统专题论坛 新零售与场景推荐系统 蒋凡 阿里本地生活服务公司 饿了么

2.新零售与场景推荐系统 蒋凡 l 饿了么高级科学家,饿了么星选技术负责人 l 中国计算机学会技术前线委员会委员 l CNCC2017智慧物流技术论坛主席, CNCC2018智能增长技术论坛主席 l 出版著作《智能增长》,译有《推荐系统》、 《推荐系统:技术、评估及高效算法》

3.新零售与场景推荐系统 阿里本地生活新零售的布局与优势

4.新零售与场景推荐系统 重组人货场配元素后出现的新场景

5.新零售与场景推荐系统 从外卖传书说起…

6.新零售与场景推荐系统 从咖啡大数据到专星送

7.新零售与场景推荐系统 场景接入 地址定位 图像识别 室内局部定位、骑士移动轨迹跟踪、 常驻地分析、人口热力图分布、障 店铺门头辨别、智能货柜安全监控、 碍物路径规避、封闭园区导航 智能人脸识别 设备标识 无人机车 手机唯一性校验、骑士进店 识别芯片 园区无人机、室内无人车 语音输入 骑士无线耳机、用户语音点餐

8.新零售与场景推荐系统 场景挖掘 时间 地点 用户 工作日给团队订餐的助理 • 工作日/休息日 • 写字楼 • 性别/年龄 • 中午/下午/晚上/夜里 • 住宅 • 职业:IT/医生/学生/ 在医院吃完饭就 周 助理/银行/商人 要做手术的医生 末 • 节假日/纪念日 • 学校 全 • 雨雪/雾霾/炎热/严寒 • 医院 • 身份:孕妇/病人/老 家 人/老板 到外地出差住酒 聚 • 忙时/闲时 • 酒店 店的商务人士 餐 • 身体状况:时间紊乱/ • 四季/节气 • 1/2/3/4线城市 营养均衡/口味重度 严格控制饮食 •… • 市中心/郊区 • 品牌偏好 注重营养均 的减肥女生 • 常住地/外地 衡的新妈妈 • 口味偏好 •… 运力高峰期对 •… 郊区别墅十 时间敏感的高 几个人的团 价值用户 队开party

9. 新零售与场景推荐系统 场景配送 调度 调度 调度 调度 调度 系统 系统 系统 系统 系统 1.0 2.0 3.0 4.0 5.0 人工派单模式 系统派单模式 云端分组派单模式 深度学习智能模式 多级配送模式 配送距 离 骑士运 力 订单云端分组 出餐时间预估 跨商圈 订单相似度 整体最优分配 深度学习智能 取送分离 期望送达时间 A 组 B 组 系统综合考虑各因素进行 • 出餐时间估算更准,缩 • 跨商圈、跨运力资源池 • 调度员根据订单地址和骑士 • 系统综合考虑配送距离、 • 订单分组,然后再指派给 短骑士到店等待时间, 统筹调度 位置来进行订单分配 骑士运力、期望送达时间 合适的骑士 节省运力,提升用户等 • 取送分离、支干线配送 • 人力调度派单峰值有限 等因素来自动派单 餐体验 异步调度

10.新零售与场景推荐系统 饿了么场景推荐系统解决方案 检索结果 商户排序 个性引导 老客召回 新客挖掘 调度优化 智能营销 会员体系 商户赋能 预 消费能力 近期需求 潜在用户 流失概率 区域风险 测 预测 预测 预测 预测 预测 标 模型预测 签 基础属性 用户分级 兴趣偏好 行为属性 群体画像 人口属性 生命周期 口味 品类 单量 频次 城市画像 模型 Hadoop 人群属性 价值分级 品牌 价格 评价 场景 商圈画像 标签 可 Hbase 价格敏感度 折扣 渠道 作弊 POI画像 视 Impala 化 Spark 建模分析 平 台 人口属性 消费单量 下单频率 下单时间 下单地点 客单价 事实 消费金额 折扣金额 配送费 消费周期 商户类别 …… 标签 统计分析 用户信息 订单数据 行为日志 UGC数据 商户信息 原始 骑士信息 数据

11.新零售与场景推荐系统 场景建模分析 1 1)了解我们的用户是谁? 人口属性 2)性别、年龄、身份、职业、设备信息等 2 1)了解用户什么时候用,在哪里用? 使用场景 2)时间、地点、场景等 3 1)了解用户喜欢吃什么、喜欢买什么、都去哪些店买? 用户偏好 2)菜品、商品、口味、品牌、商家、品类等 4 1)了解用户消费习惯、每次花多少钱、多久消费一次? 消费行为 2)优惠敏感度、价格、频次、消费决策等 5 1)了解用户的平台情况是什么样子? 平台属性 2)用户生命周期、用户价值、用户分层等

12.新零售与场景推荐系统 场景模型预测 女 北京 平台年龄xx天 25-34岁 白领 最近一次消费距今x天 社 平 本科及以上 互联网行业 会 台 最近一次访问距今x天 有车 旅游出行 属 属 平均每2天下一次单 性 性 稳定期 高价值 未婚 Iphone 7 消费品类丰富,餐饮、商 对品质有要求 超、水果生鲜 川菜 湘菜 中式餐饮 平均客单价xx元,明显高 交 交 于城市平均水平 喜欢吃辣 爱吃甜 易 易 近一季度共下单X单,高 属 偏 小龙虾 干烧鱼 奶茶 订单量用户 麻辣诱惑 眉州东坡 鲜芋 性 好 仙 更倾向专送店铺 上地 亚运村商圈 工作日拼单订单比例较高,周末多 为单人餐 交 优 优惠敏感度低 易 惠 午餐比例较高,下午会点下午茶 场 属 平均补贴率X%,明显低于 城市平均水平 景 性 周末有商超、水果生鲜类订单 无优惠单量X%,比例低 某北京白领女性,平台粘性高,工作日拼单比例高,周末点餐品丰富,不注重补贴, 喜欢吃辣的川菜、 湘菜,同时也喜欢中式的餐饮,追求生活品质,对优惠不敏感。

13.新零售与场景推荐系统 专利墙 消费意图及消费能 多约束条件下的用户 用户分层和用户 设备识别方法及装置 力识别模型 敏感度预测模型 体验提升模型 3项 4项 5项 3项 物流运输调度 物流场景模拟 物流运力预警及 运输需求预测及供需 决策技术 调度技术 分配技术 调配技术 10项 1项 2项 6项

14.新零售与场景推荐系统 总结 传统推荐系统 l 挖掘历史数据,计算用户和物品二维矩 阵之间的相似度 l 强化特定场景,形成正向反馈回路,并 不断加强连接 l 刺激用户决策,在低消费成本的情况下, 影响频繁决策

15.新零售与场景推荐系统 总结 场景推荐系统 l 增加了时间、空间和人员等因素,在高 维的真实世界寻找最有效的消费方案 l 连接不同场景,引导用户从一个场景进 入到另一个场景,重组生活圈 l 提高决策质量,考虑到足够多的因素辅 助用户做出最优决策,一次就好

16.新零售与场景推荐系统 总结 触达 场景 配送 预测 场景 接入 建模 场景挖掘 统计