场景与准备

场景描述

消费,无处不在。每一次的消费行为带给人们的感受或好或坏。在时间成本如此高的当下,消费者希望在不花太多时间的情况下找到自己喜欢的事物,所以快速、准确地为消费者进行消费品推荐,可降低消费者寻找的时间成本,提高商家的销售效率

现在您可以使用一键式精准推荐模板,为您提供精准营销的方向和辅助决策,提升消费品转化率和商家利润,改善消费者的消费体验

准备工作

使用一键式“精准推荐”模板前,只需要完成以下两步准备工作:

  • 1. 注册华为云账号,并通过实名认证

  • 2. 开通机器学习服务权限

实现方法
  • 数据理解
  • 建模
  • 预测
数据理解

数据源的具体字段:

字段名 含义 类型 描述
Userid 用户id String 消费者标识
Com_id 事物id String 消费品标识
Rate 评分 Real 消费品评分(1-5)

数据集部分样本数据:

userId com_Id rate
1 1193 5
1 661 3
1 914 3
建模

首先需要用历史的评分数据进行建模,建模算法使用交替最小二乘法。交替最小二乘算法通过矩阵分解法快速实现用户对物品评分

  • 1)登录MLS实例,单击模板“精准推荐”的“创建项目”,创建项目,命名为“Recommendation”
  • 2)单击“确定”后,打开“train”工作流
  • 3)单击 运行工作流
  • 4)当“运行日志”显示工作流运行完毕后,单击“回归模型评估”节点,右键选择““ 输出数据集”数据预览”,可以查看模型的评估结果。回归模型的评估值为MAE(平均绝对误差)、MSE(均方误差)、RMSE(均方根误差)。上述3个误差值是指评分真实值与预测值之间的误差,在多次建模的过程中,每一次建模结果都会产生一组误差值,评判一个回归模型好坏的方法就是看这三个误差值是否变小或者变大,误差值越小表示回归模型越好
预测

模型建立完成后,可以使用模型为消费者推荐消费品了,将评分在3.5分以上的消费品作为推荐结果呈现给用户

  • 1)在实例工作界面左侧导航栏,单击“主页”,单击“PreciseRecommendation”项目名称,再单击“工作流”页签,单击“predict”,打开“predict”工作流
  • 2)单击“读取训练好的推荐模型”节点,选择之前“建模”过程产生的推荐模型
  • 3)单击 运行工作流
  • 4)单击“过滤”节点,右键选择““输出数据集”数据预览”,出现下图,其中predict_rate列即为预测出来的对应消费者的对应消费品的评分。例如,图中第一行是指预测消费者3391对消费品796的评分达到3.59,所以将此消费品推荐给此消费者
  • 5)也可在实例工作界面左侧导航栏,单击“数据”,找到/samples/PreciseRecommendation/out/predict_result/predict_result.csv文件。单击文件,在“数据预览”中看到结果
行业应用

通过精确推荐模型得到的评分结果,IT系统可以方便快捷把商品推荐给消费者,为商家和消费者之间架起紧密联系的桥梁

相关场景推荐

机器学习助力客户分群

使用机器学习的一键式客户分群模板,快速区分大中小客户,定制适宜的销售策略和客户管理方针

免费体验 0元领取云主机

点击领取