热闹的双十一总算过去了,不知?#26469;?#23478;有没有一种过年的感觉。

先是点赞PK能量,再是攒码瓜分11.11亿现金红包,紧接着是明星云集的直播晚会,最后一起等待零点钟声的响起……

在一系列仪式感的引导下,终于又一次刷新了双十一的日交易记录:2135亿。

  

这是一次全民的狂欢,也是一次三方共赢——不管是发包裹的商家、送包裹的快递小哥,还是等着收包裹的你,都满怀喜悦之情。

但在狂欢背后,我们有必要深思,为什么我们总忍不住剁手?

 

先介绍一下本期的两位嘉宾:小文和算法

 

大数据——个性化推荐

经常混迹在某宝等购物网站的人,应该会有这样的体验:在这些购物网站上搜索或者浏览过某种商品后,在接下来的一?#38382;?#38388;内,首页最醒目的地?#20132;?#20986;现同样或类似的商品

其实,这就是个性推荐——通过采集、分析并定义用户行为数据,根据用户的特征、偏好、行为习惯,从而预测?#25945;?#19978;的用户偏好,最后向用户推荐其可能感兴趣的信息和商品。

这句话看起来很绕口,简单来说就是:它们会记录并分析你的习性,然后把你最想要的东西?#32856;?#20320;,引导你消费。

但是要是实?#32456;?#31181;目的,必须依靠相应的算法才能实现,目前有三种主流算法:协同过?#36865;?#33616;算法、聚类模型算法、基于搜索的算法

协同过?#36865;?#33616;算法通过显式和隐式两?#21046;?#20998;方式,来判断用户对商品的感兴趣程度。显式评分是指用户直接对某些产?#26041;?#34892;的购买后评分;隐式评分则是通过用户的使用行为来获得,例如,一个用户在某本书的商品详情页面浏览超过一分钟,并上下滚动查了全?#25335;?#32461;,则说明该用户很可能想购买该书。

聚类模型算法的目标是,把当前用户归类到相似用户的细分人群里,再利用该细分用户人群的购买和评级记录生成推荐。?#28909;紓?#20320;购买了某种洗发水后,系统会想你推荐购买这款洗发水的人还购买了哪些商品。

 

基于搜索的算法原理,是根据该用户已买过和评级过的商品,推荐其他有关联的热卖商品。?#28909;?#22914;果一个顾客买了?#27573;?#28216;记》这本书,系统就会推荐?#27573;?#28216;记?#20998;?#36793;产品,例如金箍棒玩具、唐僧面具等等。

 
 

人工智能——个性化定制

如果说个性化推荐是初代吸引用户消费的尝试,那么个性化定制则?#23884;?#23581;试的升级,而阿里人工智能设计师“鹿班”,便是这次升级中最具代表性的产品。

 “鹿班”由学习网络、行动器和评估网络三部分组成,通过人工智能算法和大数据训练,学会设计并且输出海报内容,为每个消费者量身定制广告?#35745;?/span>

 

据悉,根据今年双十一的表现,“鹿班”已经达到阿里P6设计师的水平,相当于市面上的高级设计师。虽然“鹿班”只用了两年时间,就获得了人类要用十年才能获得的能力,但它的“成材”之路,也绝不轻松。

首先告诉机器设计什么构成设计人员通过人工数据标注,对设计的原始文件中的图层做分类,并提炼设计手法和风格通过数据的方式告诉机器,哪些元素可以放在一起

其次给机器建立素?#30446;狻?/span>当机器学习到设计框架后,需要大量的生产资料,这?#26412;?#38656;要建立素材通过机器图像特征提取分类,再通过人工控制图像质量以及版权问题

另外,让机器虚拟做图。这个原理有点像下围棋:在设计框架上构建起虚拟画?#36857;?#31867;似棋盘让机器素?#30446;?#20013;的素材往棋盘放,通过不断尝试反馈,让机器“学习”怎么完成设计。

最后,评估机器作品。通过抓取大量设计的成品,从“美学”和“商业”两个方面进行评估,进一?#25509;?#21270;机器“审美”能力。

 

今年4月21日,阿里宣布“鹿班”正式对外开放能力,这并不是设计师将被取代的信号,而是 “鲁班”将成为设计师得力助手的信息。设计师们甚?#37327;?#20197;驯养属于自己的“鹿班”——不仅可以学会各种设?#21697;?#26684;,还能帮设计师接活赚钱。

 

从推荐到定制,有人说这是电商移动端个性化领域的一个大跃进,而在这个进步之下,某宝等购物网站?#19981;?#26356;加懂你。

投其所好之下,是永远有所期待,为了下个双十一能果断清?#23637;?#29289;车,加油吧!