內(nèi)容簡(jiǎn)介
本書是阿里巴巴CBU技術(shù)部（1688.com）深耕B2B電商15年的經(jīng)驗(yàn)總結(jié)。阿里巴巴B2B在戰(zhàn)略形態(tài)上經(jīng)歷了信息平臺(tái)、交易平臺(tái)和營(yíng)銷平臺(tái)的升級(jí)迭代，本書聚焦?fàn)I銷平臺(tái)商業(yè)形態(tài)背后的算法和技術(shù)能力，試圖從技術(shù)和商業(yè)互為驅(qū)動(dòng)的視角闡述技術(shù)如何賦能業(yè)務(wù)，并結(jié)合阿里巴巴集團(tuán)在基礎(chǔ)設(shè)域和算法創(chuàng)新上的沉淀，打造出智能B2B商業(yè)操作系統(tǒng)。
具體內(nèi)容方面，結(jié)合阿里巴巴B2B電商業(yè)務(wù)場(chǎng)景，深度解析算法對(duì)用戶、商品、商家的精準(zhǔn)刻畫，圍繞搜索、推薦、營(yíng)銷、直播、端智能等場(chǎng)景建模，還原商業(yè)視角的技術(shù)思考和落地方法。
?第1章從技術(shù)的角度介紹了阿里提出的“人、貨、廠、商”四位一體的電商核心要素，揭秘了阿里是如何同時(shí)做到在消費(fèi)端和供給端提高效率的。
主要介紹電商四位一體的人、貨、場(chǎng)、商核心要素；
第2章重點(diǎn)講解了算法落地依賴的工程系統(tǒng)，包括搜索引擎、推薦引擎和實(shí)時(shí)數(shù)據(jù)工程；
第3章聚焦搜索算法，核心是基于Query理解的導(dǎo)航和搜索排序算法；
第4章重點(diǎn)剖析推薦算法，從召回和排序兩個(gè)環(huán)節(jié)展開；
第5章介紹任何商業(yè)平臺(tái)都離不開的營(yíng)銷算法，以及紅包和優(yōu)惠券等營(yíng)銷工具的使用；
第6章講解了當(dāng)下在各電商平臺(tái)盛行的新興電商內(nèi)容呈現(xiàn)形式背后的算法，包括直播推薦算法、短視頻推薦算法、榜單算法、首圖個(gè)性推薦算法、端智能等；
第7章以知識(shí)圖譜開篇，重點(diǎn)講解了阿里巴巴B2B在電商結(jié)構(gòu)化信息挖掘和場(chǎng)景應(yīng)用等方面的經(jīng)驗(yàn)；
第8章從流量效率*大化的角度闡述了全域中控技術(shù)框架和核心算法。
作者介紹
前 言
第1章 電商四位一體 1
1.1 人—買家 1
1.1.1 開源引流2
1.1.2 客群畫像17
1.2 貨—貨源 22
1.2.1 價(jià)格力22
1.2.2 趨勢(shì)力28
1.3 場(chǎng)—內(nèi)容 36
1.3.1 智能文案37
1.3.2 文案標(biāo)簽化46
1.3.3 模型工程優(yōu)化49
1.3.4 展望規(guī)劃49
1.4 商—企劃 50
1.4.1 品類規(guī)劃定義51
1.4.2 波士頓矩陣53
1.4.3 CBU品類規(guī)劃53
1.4.4 技術(shù)架構(gòu)59
1.4.5 展望規(guī)劃61
第2章 系統(tǒng)工程 63
2.1 搜索工程 63
2.1.1 統(tǒng)一入口SP服務(wù)64
2.1.2 策略平臺(tái)OpenSE72
2.1.3 意圖分析QP74
2.1.4 在線引擎HA377
2.1.5 離線系統(tǒng)Dump81
2.2 推薦工程 85
2.2.1 召回引擎BE85
2.2.2 算分服務(wù)RTP89
2.3 實(shí)時(shí)數(shù)據(jù)工程 95
2.3.1 概述 96
2.3.2 數(shù)據(jù)采集96
2.3.3 數(shù)據(jù)分層98
2.3.4 數(shù)據(jù)服務(wù)99
2.3.5 數(shù)據(jù)應(yīng)用100
第3章 搜索算法 101
3.1 Query查詢?cè)~理解 101
3.1.1 Query類目預(yù)測(cè)102
3.1.2 Query改寫106
3.1.3 Query推薦111
3.2 搜索排序 122
3.2.1 召回124
3.2.2 粗排135
3.2.3 精排142
3.2.4 搜索底部推薦161
第4章 推薦算法 163
4.1 召回 164
4.1.1 協(xié)同過(guò)濾165
4.1.2 Embedding I2I168
4.1.3 DeepMatch170
4.2 排序 176
4.2.1 Wide&Deep模型176
4.2.2 DIN180
4.2.3 DIEN183
4.2.4 DMR186
4.2.5 ESMM190
第5章 營(yíng)銷算法 197
5.1 紅包 197
5.1.1 用戶敏感度建模198
5.1.2 離線紅包分配200
5.1.3 在線紅包分配202
5.2 營(yíng)銷優(yōu)惠券 208
第6章 多模態(tài)內(nèi)容場(chǎng)景與端智能 212
6.1 直播推薦算法 212
6.1.1 多目標(biāo)學(xué)習(xí)213
6.1.2 用戶異構(gòu)行為214
6.1.3 直播排序模型214
6.2 短視頻推薦算法 219
6.2.1 短視頻推薦概述219
6.2.2 基于異構(gòu)網(wǎng)絡(luò)圖的推薦方案220
6.3 榜單算法 229
6.3.1 榜單生成229
6.3.2 榜單召回推薦232
6.3.3 榜單內(nèi)商品排序232
6.3.4 榜單個(gè)性化文案233
6.4 多形態(tài)內(nèi)容混排 235
6.5 App端智能 239
6.6 首圖個(gè)性化 244
6.6.1 全局最優(yōu)視角聯(lián)合打散244
6.6.2 跨域召回（從淘寶到1688） 247
第7章 認(rèn)知推理 250
7.1 電商知識(shí)圖譜 250
7.1.1 知識(shí)工程與專家系統(tǒng)250
7.1.2 語(yǔ)義網(wǎng)絡(luò)與知識(shí)圖譜252
7.1.3 知識(shí)圖譜構(gòu)建254
7.1.4 知識(shí)表示265
7.2 知識(shí)圖譜主題會(huì)場(chǎng) 268
7.3 知識(shí)蒸餾 271
7.3.1 知識(shí)蒸餾的起源272
7.3.2 多種傳遞形式的知識(shí)蒸餾274
7.3.3 知識(shí)蒸餾應(yīng)用于自然語(yǔ)言生成277
7.3.4 BERT模型蒸餾280
7.4 組貨推薦 281
7.4.1 同款匹配281
7.4.2 組貨搭配284
7.4.3 服飾搭配286
第8章 全域中控 290
8.1 流量中控 290
8.2 在線動(dòng)態(tài)廣告分配 297
8.3 目標(biāo)動(dòng)態(tài)規(guī)劃 307
書單推薦
