客户案例

 

产品优势

优势点 为什么选择腾讯云智能推荐 TIR?
帐号
腾讯帐号体系

20亿+ 设备(imei/idfa)识别,无缝打通腾讯海量用户画像。

画像
多维度用户画像

建立多维度用户画像,包括但不限于年龄、性别、地域、学历、资讯、泛娱乐、电商、金融、生活等,全方位一体化刻画用户,保证精准性和覆盖度,有效解决业务中冷启动、画像稀疏等各类问题。在内外业务中,平均点击率提升50%+,转化率提升40%+。

系统
超大规模实时机器学习系统

结合海量多维度精准画像,基于实时行为上报,构建超大规模实时机器学习系统。系统包括但不限于 ETL 平台、特征选择平台、机器学习平台、在线服务平台、效果评估平台及运维管理平台。多平台有机合作,为数字化服务把好每一道质量关。

实时
实时营销服务系统

构建全实时营销服务系统:实时数据上报(秒级)+ 实时画像关联(秒级) + 实时兴趣更新(秒级)+ 实时机器学习模型训练(分钟级) + 实时在线营销服务(毫秒级)。

在数据和算法保持不变的前提下,相对按小时离线计算,平均点击率提升20%+。

可靠
自动化监控及质量保证

提供可靠成熟的自动化监控系统和质量保证团队,7*24 小时监控 + 实时 push 服务。

 

产品功能

定制画像生产

活跃用户细粒度投放
结合业务的类目框架和品牌列表,采用 NLP、DNN 等技术,以腾讯海量数据源为基础,为客户定制化一套细粒度用户特征,用以细分粒度投放。

多数据源特征选择

新用户冷启动
结合业务上报的曝光-点击流水,采取分布式信息增益策略,从腾讯多数据源画像(例如社交、资讯、金融、电商、游戏、生活、支付、泛娱乐等应用)中,挑选针对客户信息量较大的用户画像特征,实现定期快速更新。

多算法融合

采用 CB(content-based)、CF(Collaborative Filter)、MF(matrix factoration)、细分人群点击率统计等算法,融合形成推荐物品候选集合。

多模型精排序

采用 LR、FM 及 DNN 等机器学习模型对融合后的候选集合进行精排序(点击率预估、转化率预估等)。

定制化重排序策略

在可复制基础上,针对客户需求增加频率控制(曝光打压)、多样性控制及时新性控制等功能。

数据质量校验

为了让客户尽快实时了解自己的数据质量,腾讯支持数据监控以及异常数据甄别,包括但不限于如下:

  • 分物料点击率对比
  • 场景重复曝光
  • 点击可回溯曝光比
  • 场景-item 曝光、点击、ctr
  • 账号占比及各特征覆盖占比
 

应用场景

首页 - 猜你喜欢

基于用户画像和候选物料特征,采用机器学习模型,计算用户和各物料的匹配相似性,并按照相似度值排序输出展示,最大程度提升场景下的点击率和转化率。

  1. 1接收秒级实时曝光、点击、转化行为上报。

  2. 2基于行为,结合海量用户画像,实时生成机器学习模型所需训练样本。

  3. 3实时机器学习训练,完成点击率、转化率、流量质量等预估模型。

  4. 4接收在线流量请求,采用行为相关(协同过滤)和文本相关(内容匹配)快速计算用户相关物料,并采用点击率预估模型进行精细化打分,毫秒级时间内返回排序结果。

详情页 - 猜你喜欢

基于物料和物料的行为相关性和内容相关性,快速计算与当前物料相关的其他物料,并基于用户画像和候选物料特征,采用机器学习模型,对相关的候选物料进行精细打分并排序输出,最大程度提升场景下的点击率和转化率。

  1. 1接收秒级实时曝光、点击、转化行为上报。

  2. 2基于行为,结合海量用户画像,实时生成机器学习模型所需训练样本。

  3. 3实时机器学习训练,完成点击率、转化率、流量质量等预估模型。

  4. 4接收在线流量请求,采用行为相关(协同过滤)和文本相关(内容匹配)快速计算当前物料相关其他物料,并采用点击率预估模型进行精细化打分,毫秒级时间内返回排序结果。