时间：2022-04-11 11:12:01 | 来源：行业动态
时间：2022-04-11 11:12:01 来源：行业动态
在神策数据，林黄是机器学习算法专家，主要负责人工智能机器学习在神策产品和业务中的探索与落地，主要包括推荐系统、智能匹配、指标预测和诊断、用户流失预测等。 林黄认为，推荐系统的搭建可以总结为两点： 第一，推荐系统不只是算法，它是一个系统工程，算法只占其中的一部分通常我们去实现一个推荐系统时，构建算法的时间通常只占20%到30%。 第二，数据先行，数据是一切算法的前提。根据过去的经验总结，很多时候并不是模型和服务的原因，而是因为数据没有做对，才导致我们推荐系统的效果没有那么符合预期。 随着神策数据公司战略升级，基于数据流的企业运营框架SDAF全面落地，两云一平台全新产品矩阵也应运而生。因此，神策寄希望于林黄及其团队，希望他们能够将数据智能赋能到神策数据到所有产品线。 智能推荐这件事，是业务场景很明确、林黄和团队都很擅长的事情，但让数据智能可以匹配赋能所有产品并落地，在客户侧产生实际的业务价值。确实是值得花费心思做的事情。首先，它比单纯地推荐系统难，这是在创新方面的难；另外，在当下很多技术人的思想意识中，技术人只需要面向技术问题，很难去真正发现客户的业务需求，对需求落地也因此难以把控。 在过往的工作经验和职责安排中，他的工作更侧重于推荐这件事儿，而赋能全产品线需要对客户的业务场景等有深入洞察，根据不同行业的客户需求针对性进行规划并落地。赋能全产品这件事儿，对于林黄来说是确实是个不小的挑战。 他开始思考，到底如何发挥数据智能的价值？ 林黄认为有三点：第一，依托于神策智能推荐，把智能算法的覆盖范围拓展至神策营销云的各个场景和触点，除了推荐场景之外，还包括push、弹窗、Banner等，以及触达的时机和渠道。 第二，智能预测 分析 智能诊断，深入分析感知到的每一个数据，并依据分析结果做出诊断决策等。为了帮助大家理解，林黄针对此做了场景化的描述：通常情况下，分析师发现产品的某一项关键指标如DAU下降，需要手动进行维度下钻，分析下降原因，经过多次对比洞察才能找到指标下降原因；而数据智能能够基于机器学习，根据历史数据，智能化判断数据异常，帮助客户及时发现问题所在，并基于智能诊断发现指标异常的原因，是渠道投放还是地域拉新等，贴合客户业务场景，形成闭环。 第三，基于神策用户画像和CDP，从用户维度，根据业务规则为用户打标签并进行分群，由此拓展到机器学习的方式为用户打上智能化标签。在这里，林黄以游戏产品举例：因为游戏产品的拉新成本相对较高，设计复杂且用户行为多，因此通常会用数据智能及时定位即将流失的用户，通过多数据分析模型，发现导致用户流失的原因。这个时候，企业便可以针对性地帮助用户尽快通过某关卡或者增强用户PK时的竞争力等，真正意义上实现用户洞察，打造挽回用户的强劲抓手。 每一次的从客户需求出发，都来自于神策给客户带来价值的观念。林黄说，加入神策之后，他从一个纯代码工程师变成了懂需求懂市场的研发人。关键词：市场,需求,场景
在线咨询
