個性化推薦在數(shù)據運營中的創(chuàng)新應用

　　8月6日-7日，​​AISummit 全球人工智能技術大會​​成功舉辦。本屆大會以“驅動•創(chuàng)新•數(shù)智”為主題，覆蓋“計算機視覺、自然語言處理、算法與模型、推薦系統(tǒng)、機器學習、智慧金融”等技術領域。

　　在《機器學習性能優(yōu)化之路》專場中，滴滴首席工程師楊洋通過《個性化推薦在數(shù)據運營中的創(chuàng)新應用》的主題分享，為開發(fā)者分享了機器學習在數(shù)據運營中的探索應用。

　　數(shù)據運營的價值與挑戰(zhàn)

　　數(shù)據運營離不開數(shù)據體系。在理想的數(shù)據體系全景中，預期的主要看數(shù)方式包括數(shù)據產品、數(shù)據服務、數(shù)據倉庫，以及基礎性的臨時需求。數(shù)據產品主要用來支持運營等非技術人員的看數(shù)需求;數(shù)據服務是通過API的方式對接各種各樣的業(yè)務系統(tǒng);數(shù)據倉庫是通過資產化方式，對有一定技術能力的人員提供SQL的取數(shù)方式。

　　完整的看數(shù)過程中，數(shù)據運營是貫穿始終的，一方面可以充當溝通渠道，對內指導數(shù)據建設;另一方面可以告知用戶我們擁有的數(shù)據內容，持續(xù)向用戶進行培訓和宣貫。

　　在理想的情況下，通過產品化的方式來滿足大多數(shù)的看數(shù)需求，這樣便可以將整體的研發(fā)人力從臨時需求中解救出來，投入到資產化的工作當中，從而持續(xù)提升數(shù)據指標。

　　不過，理想和現(xiàn)實總是有差距的。在日常工作中，總會遇到各種各樣的數(shù)據易用性問題或者數(shù)據一致性問題。這些問題的背后也是整個數(shù)據體系的熵增定律，任何體系的架構，它在孤立無外力的情況下，都會隨著時間的推移逐步腐壞。

　　同時，在產業(yè)互聯(lián)網的發(fā)展階段也為數(shù)據運營帶來一些新的挑戰(zhàn)。從生產視角上看，多數(shù)業(yè)務場景正處于線上化探索期的產業(yè)互聯(lián)網會導致數(shù)據迭代頻繁。從消費視角來看，產業(yè)互聯(lián)網的整個組織架構也更復雜多元。這兩個視角都會造成多樣化和個性化的看數(shù)視角。

　　此外，傳統(tǒng)的數(shù)據運營推廣和培訓的方式，也面臨時效性差、延續(xù)性差和針對性不足的痛點，這些都會對運營效果產生影響。

　　個性化推薦的探索落地

　　那如何基于個性化推薦技術來解決數(shù)據運營的挑戰(zhàn)和痛點呢?

　　要解決這些問題，首先要對數(shù)據運營的目標場景做一個特點分析。典型的數(shù)據運營場景可以分成三大類：第一類是用戶冷啟動場景，占比大概為20%，例如新人入職、業(yè)務變化、組織調整等;第二類是內容冷啟動場景，占比60%，例如數(shù)據線上化或者分析功能迭代;然后通過數(shù)據運營的手段觸達用戶;第三類場景是常態(tài)化的運營場景，通過常態(tài)化的運營手段，持續(xù)提升業(yè)務的數(shù)據化運營程度，以及實現(xiàn)一些運營經驗的復用。

　　通過目標場景的特點分析，可以得出一些典型的特點。從內容方面上來看，數(shù)據內容推薦可以使用OneDate的指標體系，實現(xiàn)更高程度的規(guī)范性和結構化。從推薦用戶的角度來看，數(shù)據內容推薦可以針對性的獲取企業(yè)內部用戶比較規(guī)范完整的組織架構信息。從推薦目標上來看，數(shù)據內容推薦更加關注準確性，同時消費成本也更高。

　　基于以上分析，可以構建出數(shù)據內容推薦算法的設計思路。對于用戶冷啟動場景可以使用組織架構的熱度信息，構建一個的推薦的策略;對與內容冷啟動場景可以基于OneDate+指標血緣的content-based推薦，對內容和用戶實現(xiàn)精準的雙向匹配。對于常態(tài)化的推薦可以基于用戶行為策略+業(yè)務階段方向，實現(xiàn)高可控和高可解釋性的推薦策略

　　有了初步的算法設計思路，可以基于此將一個全周期的數(shù)據運營系統(tǒng)落地。具體包括三方面：首先根據算法實現(xiàn)一個具備用戶生命周期策略和推薦策略的數(shù)據服務推薦引擎;其次是打通觸達渠道，對郵件、辦公軟件等實現(xiàn)智能觸達，并提供手動觸達作為補充;最后是對前面的兩個能力做工具話和產品化的封裝，以服務更多的場景。

　　機器學習在數(shù)據運營領域的未來規(guī)劃和展望

　　未來，機器學習在數(shù)據運營領域也會有廣闊的發(fā)展空間。短期內產生價值的可以基于業(yè)務線、主題等個性化搜索排序，進行數(shù)據檢索工具的集成，可以更高效地幫助用戶找到數(shù)據。

　　基于數(shù)據推薦反向指導數(shù)據建設這個發(fā)展方向還需要進一步探索。在數(shù)據建設的整體決策階段，可以預先使用推薦來預估潛在的用戶量和潛在的訪問量，為數(shù)據建設提供相對數(shù)據化的量化參考。此外在內容設計和可視化方面，也可以根據數(shù)據化的分析來提供更加科學和數(shù)據化決策指導。