1、署名：宋超、刘睿职称：高级专家“大数据+算法”助力B2B未来商业目 录content 愿景 技术体系 智能供应链 智能服务“大数据+算法”助力B2B未来商业未来商业智能服务智能供应链数据算法全球中小企业库批发、零售数据供应链算法溯源算法ISV业务渠道效率搜索、广告、推荐运营、销售、客服算法体系技术体系分布式计算和存储平台服务智能运营智能营销生意参谋个性化金融数据B端市场企业库C端市场实时数据NLP词性标准分词知识库句法分析机器翻译反作弊交易作弊流量作弊信息质量价格作弊用户画像身份识别偏好挖掘行为建模商家建模内容分析商品画像文本分类图像分析标签算法相关性查询分析纠错建议词导航类目预测扩展匹配排序

2、CTR预估交易预估实时反馈E/E策略供应链商品指数趋势预测金融授信仓储物流1.0 信息时代(Meet at Alibaba)2.0 交易时代(Work at Alibaba)3.0 智能时代(E-commerce System)智能供应链智能供应链-BBC数据联通BBC数据联通BBC市场的货源联通3-6年24小时B-C市场的货源链接积量化0.1340.4570.9740.7690.4580.8940.7640.3840.474距离矩阵中心11中心12中心1n中心21中心22中心2n中心m2中心mn中心m1积码表相似度=0.134+0.458+0.764=1.3560.1340.4580.764

3、候选商品B端商品1 2 3N特征向量 中心聚类1中心聚类K中心聚类2粗量化C端商品特征向量011中心11中心22中心m2智能供应链-个性化B端：营销对象是谁？C端：我的货源在哪？个性化个性化系统架构(搜索、广告、推荐一体化)分布式离线计算平台实时计算平台数据服务中心推荐引擎搜索引擎广告引擎算法服务平台Query分析用户分析触发计划排序服务重排序精排序触发重排序精排序触发重排序精排序触发网站业务场景搜索行业市场垂直业务社区标准化打点服务数据共享算法服务共享实时相关反馈触发策略分层实时协同推荐历史协同推荐店铺相似款老商新品偏好类目热门兜底 候选商品集合同款相似款新品促销行业运营选品包装赠品算法选品

4、触发手段用户行为建模C端店铺货源老供应商用户偏好辅料推荐热门兜底个性化-触发策略(全方位)用户意图识别高端中端低端代销经销推荐场景触发策略搜索场景触发策略&QueryRanking店铺同款实时协同老商新品店铺相似历史协同偏好类目热门兜底辅料触发策略转化效率对比L-O_UV交易转化对比cfslast_row个性化参与触发(V1)VS 个性化不参与触发(V2)：83%V1V2个性化-排序策略(精准性 VS 多样性)精排精排特征CTR交易转化率利润率补货周期信息质量价格偏好关键词偏好类目偏好LTR客单价品质化专家投票分库存识别触发策略交易转化率、点击转化率为目标实时反馈重排类目多样性触发策略多样性触

5、发1触发2 触发NMAB/Per-MAB类目1类目2 类目MMAB/Per-MAB以多样性，降低用户疲劳为目标个性化-排序策略(触发策略多样性排序)00.050.10.15展现概率(Iteration1）00.050.10.150.2展现概率(Iteration1000)00.10.20.30.4展现概率(Iteration5000)00.10.20.30.4展现概率(Iteration10000)智能服务Idea：G20服装扫货专场卖家利益点 G20期间杭州周边物流停运 服装类夏秋换季 商家尾货出清买家利益点 商家让利 一站式扫货先定一个能达到的小目标，比方说卖他一个亿！建行业频道建品类楼层

6、频道排序楼层排序投放销量商品质量店铺质量图片质量商品太多，专场开一周，天天手工排过滤低库存过滤低图片质量过滤虚假交易过滤货描不符折扣力度不够大虚假折扣传统内容运营方式Idea招商选品审核投放排期排序规则投放规则开发报表效果分析调整商家调整商品调整投放位调整排序杭州的服装类普通商家太多，KA商家太少报名商家太多/太少行业分布不合理价位分布太合理风格分布不合理一不小心掉坑里打散供应商打散价格段打散Everything拆分/合并频道拆分/合并楼层运营痛点招商选品数据维度多，人工建模难度大招商选品到实际投放的漏斗较宽，需要反复人工调整人工排期工作繁琐，影响因素多商品排序模型简单，难以实时变化商品投放无

7、个性化，效率低，转化差缺乏精准的数据分析工具智能运营方式Idea智能选品投放设置反向招商排期设置创建投放位分析数据优化Idea数字化运营的数据闭环招商选品排期投放布局展示效果监控诊断反向招商模型选品模型智能排期算法实时粗排算法内容匹配算法个性化排序数据效果回流效果分析工具Technical Highlights Active Learning1.运营挑选最符合和最不符合主题的商品2.算法对商品进行分类模型学习3.算法挑选离判定边界最近的商品4.运营review商品并对其进行打标5.继续执行步骤2Technical Highlights-MAB1.给予商品初始排序分2.实时统计商品点击、下单、交

8、易转化3.通过商品转化数据构建分布4.在分布上采样得到新的商品排序分，对曝光商品进行重排序Technical Highlights 智能排期1.选取当前排序分最高的商品itemi2.对所有商品排期，计算itemi 与当前排期的MMR值3.将itemi排入MMR排期中4.重复1，直到排期完成Technical Highlights 效果分析工具流量精准分析B类买家跟踪交易链路分析直接间接交易跟踪投放位效果趋势分析投放位排名情况分析流量 资源位曝光PV/UV 商品曝光（PV/UV）卖家曝光（PV/UV）会员/非会员占比 B类买家占比点击 点击数 点击商品数 点击商家数 PV-CTR 曝光CTR交易 订单数（窄/宽）买家数/B类买家数（窄/宽）下单支付商品数 下单支付卖家数 客单价（窄/宽）下单支付转化率（窄/宽）GMV(直接下单/同店二跳)趋势与分析 Top曝光（商、品）Top点击（商、品）Top曝光（商、品）周排名 月排名 周环比 月环比数据工具产品生态分析决策工具投放平台算法服务运营工具数据挖掘数据仓库数据采集数据回流通用打点组件 实时效果统计商家、商品数据集市 选商、选品基础模型用户画像 商家主营挖掘 商品特征挖掘 投放位主题挖掘个性化精排 实时粗排算法智能选品算法 反向招商算法 商品排期算法投放位效果分析 专场活动效果分析运营能力模型 大盘分析