通过AI驱动的推荐,提高客户满意度和消费。适用于您的主页、产品详情、电子邮件营销活动等。帮助企业快速搭建推荐系统,为用户提供千人千面的个性化体验,解决信息过载与用户注意力有限之间的矛盾,将每一次曝光价值最大化
- 数据自适应
- 基于协作式和基于内容的过滤算法的个性化。
- 模型可实时更新
- 实时为您的个人用户在每一个时点上进行个性化定制。
- 快速整合到您的业务系统
- 通过我们完善的文档和易于使用的API、SDK快速集成。
- 快速、简单的集成即可融入您的环境
- AI驱动的A/B测试
- 为了随时保持最大的KPI,应用AutoML AI来优化算法合集。
- 支持业务规则配置
- 我们的解决方案可以通过助推器或过滤器快速、轻松地添加任何业务规则。
- 内嵌AI算法模块
- 深度神经网络的模块化有助于根据历史行为预测下一步行动。
当前支持的模型列表:
- Contextual Bandits (small datasets)
- Linear bandit w/ ε-greedy exploration
- Random forest bandit w/ ε-greedy exploration
- Gradient boosted decision tree bandit w/ ε-greedy exploration
- Contextual Bandits (medium datasets)
- Neural bandit with ε-greedy exploration
- Neural bandit with UCB-based exploration (via. dropout exploration)
- Neural bandit with UCB-based exploration (via. mixture density networks)
- Reinforcement Learning (large datasets)
4 支持的特征类型:
- Numeric: standard floating point features
- e.g.
{totalCartValue: 39.99}
- e.g.
- Categorical: low-cardinality discrete features
- e.g.
{currentlyViewingCategory: "men's jeans"}
- e.g.
- ID list: high-cardinality discrete features
- e.g.
{productsInCart: ["productId022", "productId109"...]}
- Handled via. learned embedding tables
- e.g.
- "Dense" ID list: high-cardinality discrete features, manually mapped to dense feature vectors
- e.g
{productId022: [0.5, 1.3, ...], productId109: [1.9, 0.1, ...], ...}
- e.g