05_“相同距離，不同價格”的個性化推薦

阿新 • • 發佈：2018-11-11

前幾天被一條訊息刷屏了，據說還上了新聞聯播：相同起點，相同終點的兩個手機打車，價格不一樣。

去年也有新聞引起過激烈的討論：相同的起點，相同終點的兩個使用者買飛機票，機票價格不一樣。

今天接著用通俗的語言說說此類“個性化價格”是如何實現的。

方式一：“使用者分級”

對使用者進行分級，不同型別的使用者會有不同的補貼，定價，營銷策略。

以網約車使用者為例，不同使用者的營銷策略不同。

待拉新使用者

競品使用者：簡訊發大額優惠券營銷
競品重合使用者：簡訊發優惠券營銷
沉默使用者：定額微信紅包喚醒

首單使用者：大額折扣券或者直減券

非首單使用者

2單使用者：降低優惠券金額試探
3單使用者：降低優惠券金額試探
疑似粘性使用者：隨機優惠券試探
強粘性使用者：意思意思優惠券

所以，對於“相同起點，相同終點的兩個手機打車”，可能出現：

新手便宜
熟客貴

方式二：“個性化推薦”

對使用者的歷史行為進行分析，抽象使用者的標籤，針對不同標籤的使用者進行不同的補貼，定價，營銷策略。

例如

平臺可以從日誌中分析出使用者A的歷史特徵是：

有優惠券也不使用
等待30秒沒人接單就加價
等待60秒沒人接單就打專車

可以分析出：使用者A是土豪，對接單時間敏感，對價格不敏感

從日誌中分析出使用者B的歷史行為特徵是：

沒有優惠券就不下蛋
寧願等待10分鐘也不加價
從不打專車，也絕不在高峰期(價格會加倍)打車

可以分析出：使用者B是屌絲，對價格敏感，以省錢為優先

於是，使用者A和使用者B同時打車，可能出現：

時間敏感的使用者A貴
價格敏感的使用者B便宜

從歷史資料，一定能還原出真實的你，“殺熟，殺豪

”是個性化價格的兩大利器，土豪們，你被個性化定價了嗎？

希望這1分鐘，大家能有收穫。

《1分鐘瞭解協同過濾，pm都懂了》

《1分鐘瞭解基於內容的推薦，pm又懂了》

《1分鐘瞭解相似性推薦，pm真懂了》

原創： 58沈劍架構師之路 3月29日

05_“相同距離，不同價格”的個性化推薦

前幾天被一條訊息刷屏了，據說還上了新聞聯播：相同起點，相同終點的兩個手機打車，價格不一樣。去年也有新聞引起過激烈的討論：相同的起點，相同終點的兩個使用者買飛機票，機票價格不一樣。今天接著用通俗的語言說說此類“個性化價格”是如何實現的。

案例1-合並2個不同文件夾中的csv文件到另外一個目錄，相同的文件名進行數據合並，不同的文件名直接移到新文件夾

$2 文件名進行 pri dir head print then color 發現在ubuntu和centos中有些命令還不一樣，比如<<<可在centos中使用，但是ubuntu中不行方法1，可在ubuntu和centos中使用 #!/bin/

驗貨或VIP帶尾續的半成品，不同客戶對於相同編碼，需要維護不同的尾續

相同 TP src 分配一個需要 bsp 結果正常前提：驗貨或VIP帶尾續的半成品不同客戶對於相同編碼，需要維護不同的C開頭的尾續。例子：以下驗貨客戶編碼102001001134CZ綁定了SO：5000144993，而且目前5000144993/30這個

千人千面、個性化推薦，解讀數據賦能商家背後的AI技術

div 並且聊天接收線上體驗超越金礦 docke 12月6～7日，由阿裏巴巴集團、阿裏巴巴技術發展部、阿裏雲雲棲社區聯合主辦，以“2016 雙 11 技術創新”為主題的阿裏巴巴技術論壇，來自商家事業部的技術總監魏虎給大家分享了數據賦能商家背後的AI技術。首先對大

多個頁面跳轉到一個頁面，每次跳轉顯示不一樣的內容，相同功能形式不同的jsp頁面整合成一個根據傳遞的引數值來決定跳轉的jsp頁面該顯示什麼樣的內容，避免new多個jsp頁面，節省資源

在jsp開發過程中，會遇到這樣的情況；一個頁面跳轉到另一個頁面，需要兩個jsp頁面；如果有5、6種不同的一個頁面跳轉到另一個不同的jsp頁面的時候，基本的功能都差不多，類似的情況，如果建立很多的jsp，會導致資源浪費，還有就是建立多個jsp頁面到後來自己都有點暈；那麼只需要在傳遞的

雙11個性化推薦背後，阿里雲“舜天”如何應對百億次挑戰？

摘要： 2018天貓雙11在技術世界，創下不少新記錄，其中有一個記錄是11日當天阿里全平臺共為使用者做個性化推薦453億次，這些推薦的圖片長度加起來可以繞地球70圈。當你在天貓/手淘上買買買的時，圖片會以不同格式或解析度來轉碼呈現，這就要求後臺系統需要強大的算力來保障數倍於平時的轉碼需求。 2018天貓雙

程世東老師TensorFlow實戰——個性化推薦，程式碼學習筆記之資料匯入&資料預處理（上）

程式碼來自於知乎:https://zhuanlan.zhihu.com/p/32078473 /程式碼地址https://github.com/chengstone/movie_recommender/blob/master/movie_recommender.ipynb 下一篇有一些資料的

程世東老師TensorFlow實戰——個性化推薦，程式碼學習筆記之資料匯入&資料預處理（下）

這篇主要是進行程式碼中的一些數值視覺化，幫助理解程式碼來自於知乎:https://zhuanlan.zhihu.com/p/32078473 /程式碼地址https://github.com/chengstone/movie_recommender/blob/master/movie_re

程世東老師TensorFlow實戰——個性化推薦，程式碼學習筆記之③推薦過程

個性化推薦第三部分：推薦過程（完結撒花）程式碼來自於知乎:https://zhuanlan.zhihu.com/p/32078473 /程式碼地址https://github.com/chengstone/movie_recommender/blob/master/movie_recomm

程世東老師TensorFlow實戰——個性化推薦，程式碼學習筆記之②模型訓練與測試

個性化推薦第二部分：模型訓練程式碼來自於知乎:https://zhuanlan.zhihu.com/p/32078473 /程式碼地址https://github.com/chengstone/movie_recommender/blob/master/movie_recommender.

預見未來 | 個性化推薦系統，必須關注的五大研究熱點

編者按：自1998年成立以來，微軟亞洲研究院一直致力於推動電腦科學領域的前沿技術發展。在建院20週年之際，我們特別邀請微軟亞洲研究院不同領

Android 相同類，相同包，在不同的jar/aar中，指定引用一個

比如 A.aar中有com.gson.a類版本是2.3.1 B.jar中也有com.gson.a類版本是2.7 當你呼叫 Gson gson=new Gson(); import是com.gson.a類，無法區分，可能你要用的2.7，但是它引的確是2.3.1

兩個陣列提取相同元素，兩個陣列提取不同元素

兩個陣列提取相同元素 const getArrEqual = (arr1, arr2) => { let newArr = []; for (let i = 0; i < arr2.length; i++) { for (let j = 0; j <

nginx監聽相同埠，根據域名請求不同的server

#同時監聽相同埠，可以通過匹配server_name 來決定最終匹配哪個server #server1 server { listen 80; #server_name localhost;

異或運算（相同為0，不同為1）

轉進位制計算器先輸入一個十進位制數，再輸入要轉換的進位制······ #include<cstdio> #include<cstring> us

程世東老師TensorFlow實戰——個性化推薦，程式碼學習筆記之資料匯入&資料預處理

#執行下面程式碼把資料下載下來 import pandas as pd from sklearn.model_selection import train_test_split #資料集劃分訓練集和測試集 import numpy as np from coll

三種不同的方式，計算歐氏距離，速度比較

def int list axis return arr () num ces import timeimport numpy as np#計算單行的歐氏距離def cal_1(vec): dist = np.linalg.norm(vec) sim = (1.

plsql連線oracle時，不同ip上資料庫名字相同連線的辦法

在工作中有的時候通過plsql連線資料庫名字相同，但是在不同的ip主機上，這樣的話，怎麼通過plsql區分連線呢？如下圖：看到圖的話，大家會發現不同主機上有三個都叫做orclbj的庫，而且在plsql中的Database顯示並不相同，那麼我們

php將兩個不同長度陣列相同的key合併到一個數組，不同的key也合併進去

1.處理前的陣列： <?php $arr1 = array( array( 'id' => 1, 'user_name'=>'test1' ), array( 'id' => 2, 'user

訂單貢獻率10%，京東個性化推薦系統持續優化的奧祕

摘要：京東基於大資料和個性化推薦演算法，實現了向不同使用者展示不同的內容的效果，在PC端和移動端都已經為京東貢獻了10%的訂單。為了探索京東全品類平臺“千人千面”背後的演算法奧妙，CSDN記者採訪了推薦搜尋部總監劉尚堃。在資訊過剩的網際網路時代，個性化推薦技

05_“相同距離，不同價格”的個性化推薦

相關推薦