Fitur Baru
Implementasikan rekomendasi personalisasi berdasarkan feedback negatif dari pengguna
Pelajari Lebih Lanjut >Buat scene di konsol AIRec dan kustomisasi pemilihan item dan kebijakan launch
Pelajari Lebih Lanjut >Optimalkan konfigurasi yang didiversifikasi berdasarkan skenario bisnis untuk meningkatkan pengalaman user
Pelajari Lebih Lanjut >Layanan Rekomendasi Personalisasi Berkualitas Tinggi End-to-End
Didukung oleh teknologi data besar dan artificial intelligence terkemuka dari Alibaba, Rekomendasi AI (AIRec) Alibaba Cloud menyediakan layanan rekomendasi personalisasi untuk perusahaan dan developer. Ini dibangun di atas akumulasi layanan di berbagai industri, seperti e-commerce, konten, berita, livestreaming, dan media sosial.
AIRec membantu Anda mengaitkan pengguna dengan item dan konten untuk mencapai rekomendasi berbasis algoritma yang efisien.
Pengalaman Rekomendasi Real-Time
Menangkap dan menganalisis perilaku user dalam hitungan detik dan memberikan rekomendasi personalisasi dalam hitungan milidetik. AIRec mendukung lebih dari 1.000 QPS. Pengguna dapat me-refresh halaman untuk melihat konten rekomendasi terbaru.
Template Algoritma Spesifik Industri
Menyediakan Template algoritma spesifik industri dan pemilihan item spesifik bisnis serta kebijakan launch untuk rekomendasi scene. Anda dapat menggunakan model algoritma untuk mengimplementasikan konfigurasi detail halus yang sesuai dengan persyaratan bisnis Anda.
Cold Start Berkinerja Tinggi
Meningkatkan pengalaman user berdasarkan Template industri dan feedback positif dan negatif real-time. Ini berfungsi ketika tidak ada data perilaku historis yang tersedia pada tahap awal release layanan.
Skenario
Rekomendasi Personalisasi di Platform E-Commerce
Rekomendasi personalisasi secara bertahap telah dikembangkan menjadi fitur penting yang meningkatkan Gross Merchandise Volume (GMV) dari platform e-commerce.
Deskripsi Skenario: Pengguna memiliki minat dan kebiasaan belanja jangka pendek dan jangka panjang yang berbeda. Mereka berharap untuk menemukan berbagai macam item yang mereka sukai saat berbelanja online dan mendapatkan bonus. Mereka juga ingin berbelanja di platform yang berbeda dan memeriksa harga item yang rencananya akan mereka beli.
AIRec dapat digunakan dalam skenario "you may also like" dan "related recommendations" untuk mengimplementasikan rekomendasi personalisasi.
Rekomendasi Personalisasi di Komunitas PGC dan UGC
AIRec dapat dengan cepat dan akurat mendistribusikan konten yang diharapkan dari kumpulan yang berisi konten masif.
Deskripsi Skenario: Sejumlah besar konten dihasilkan setiap hari. Ketika pengguna membaca konten untuk mempelajari pengetahuan, mereka dapat melakukan berbagai tindakan untuk mengekspresikan preferensi atau pemahaman mereka terhadap konten tersebut, seperti suka, favorit, teruskan, dan komentar. Pengguna juga dapat melakukan aksi, seperti batal suka atau tidak suka, untuk memberikan feedback negatif.
AIRec secara signifikan meningkatkan efisiensi distribusi dari konten yang direkomendasikan berdasarkan minat user dan meningkatkan keterlibatan user di tempat.
Rekomendasi Personalisasi untuk Berita
Platform berita dan informasi utama telah memulai transformasi menuju distribusi informasi yang efisien dan retensi user sejak perkembangan Internet. AIRec dapat secara akurat mendistribusikan dan mengirimkan informasi di tengah pembaruan berita yang cepat.
Deskripsi Skenario: Sejumlah besar entri berita diterbitkan (atau kedaluwarsa) setiap hari. Isu-isu hangat di-update secara real-time. Hal ini mengharuskan AIRec untuk identifikasi potensi rekomendasi berita dan mendistribusikan berita secara akurat berdasarkan minat user. Dengan cara ini, pengguna dapat menikmati layanan informasi personalisasi dengan efisiensi membaca yang lebih tinggi.
Manfaat
Kemudahan Penggunaan
Sebuah solusi end-to-end untuk Pemrosesan aliran yang menyediakan O&M dan management. Anda dapat membuat instans AIRec dalam beberapa jam.
Provisioning Fitur End-to-End
Menyediakan serangkaian fitur tambahan di seluruh interaksi data, pengujian, debugging, Pengamatan efek, dan penggunaan yang stabil. Tidak diperlukan pengembangan ekstra.
Kustomisasi Mendalam dari Template Industri dan Scene
Menyediakan model dan strategi industri yang dibedakan dan sangat sesuai dengan memanfaatkan pengalaman kaya Alibaba di berbagai industri dan skenario.
Rekomendasi Personalisasi Satu Langkah
Memberikan pengalaman user yang sangat baik dan menyediakan rekomendasi real-time di beranda Taobao berdasarkan adaptasi industri dan algoritma rekomendasi yang di-upgrade.
Efek dan Kinerja Rekomendasi yang Sangat Baik
AIRec telah membuktikan rekomendasi dan kinerjanya yang sangat baik di banyak acara promosi Double 11. Selama acara ini, arsitektur dan model algoritma AIRec digunakan untuk meng-handle kueri konkuren tinggi dan sejumlah besar data perilaku.
Efek Awal yang Sangat Baik
Secara teratur mengiterasi Template industri untuk memastikan efek awal pada penggunaan AIRec dan pengalaman user. AIRec dapat memberikan kinerja rekomendasi yang 20% hingga 100% lebih tinggi daripada algoritma yang dikelola sendiri.
Ekstensi Fleksibel
Menyediakan berbagai fitur berdasarkan pengalaman Operasi bisnis selama bertahun-tahun dan menggabungkan logika operasi dengan algoritma rekomendasi untuk membuka kemampuan platform terbuka dan mengimplementasikan kustomisasi bisnis yang cepat.
Keamanan dan Keandalan Tinggi
Mengisolasi data user, mengenkripsi informasi sensitif, memberikan layanan yang stabil dan andal, serta merespons permintaan dalam hitungan milidetik.
Arsitektur
AIRec menggunakan model Pelatihan data offline atau data real-time untuk memodelkan data berdasarkan minat user jangka pendek dan panjang serta mengimplementasikan rekomendasi personalisasi spesifik bisnis.
Cara Menyebarkan AIRec
1
Siapkan Data
Silakan siapkan data bisnis, data item, dan data perilaku untuk Pelatihan model berdasarkan spesifikasi data spesifik industri
2
Desain Halaman Rekomendasi
Silakan desain halaman rekomendasi, aturan untuk merekomendasikan item di halaman, dan aturan pengalaman user berdasarkan persyaratan bisnis
3
Buat Scene Rekomendasi
Silakan buat instans, scene rekomendasi berdasarkan desain halaman rekomendasi, dan laporkan data offline dan data real-time
4
Gunakan Sebagian Traffic untuk Verifikasi Efek Rekomendasi
Silakan gunakan sebagian traffic untuk verifikasi efek rekomendasi dalam aspek pengalaman user dan data metrik.
5
Kustomisasi dan release Layanan Rekomendasi
Silakan konfigurasi kebijakan operasi berdasarkan persyaratan pengalaman user, gunakan traffic user untuk melakukan rilis canary, dan kemudian release layanan rekomendasi kustom
