BloomReach业务调查笔记
2013-09-12 12:21
330 查看
BloomReach作为美国top big data startup,我在面试前对其进行了一番调研。
写在BloomReach.com的首页:用最相关的内容匹配用户倾向
业务主要分布在Mobile(移动设备端)和Organic Search(原生态web端)。
1. 先说说Organic Search
BloomReach的技术在web端已经早有成效。它能够做什么呢?
The BloomReach Web Relevance Engine gives consumers intuitive opportunities to discover the products and services they want. BloomReach Organic Search presents your most relevant products and improves customer experience.
BR的web相关性引擎可以给顾客提供直观的机会去发现想要的产品和服务。BR的Organic Search可以呈现你最相关的商品并改善用户体验。
BloomReach Organic Search has three components:
BR的Organic Search分为三大类:
功能1的作用还是很大的,我能想到的一点就是可以用来纠正顾客的搜索内容,或者预测、补全顾客将要搜索的内容。
功能2的作用在各大电商上的作用就不说了。
功能3的作用在推销商品上的想法不错,比如Amazon有搭配购买推荐。
2. 移动设备
关于移动设备vs桌上设备,移动设备的数据如下图:
Source:
StatCounter Global Stats - Mobile vs. Desktop Market Share
更多有趣的数据,建议参考StartCounter提供的数据。
可见,手机客户逐渐变得强大,而且用户也在越来越习惯于手机和tablet上网。我有朋友曾经在laptop坏掉后用ipad坚持了一个月。。
BloomReach在用户手机上网体验做了以下工作
1. connect users across platforms
This is done by analyzing on-site web and mobile activity and creating anonymous profiles when behaviors are likely the same person using multiple devices without customer authentication.
通过分析网站和移动设备的行为为用户建立匿名档案,不需要用户登录实现跨平台定位同一用户。我承认每个人都有各自的上网习惯,并且tablet上访问的网站,很有可能再其他mobile或者desktop设备上再使用。但是有些问题,像是一家人共用一个desktop和tablet,会使得这个功能在逻辑上有些说不过去。
2. Auto Suggest and Predictive Search
make thumb- searching simple by suggesting contextual phrases by matching web-wide language with the site's content within two to three characters, then rapidly showing relevant products based on consumer intent. BloomReach Mobile incorporates machine learning
and web-wide intelligence to intuitively deliver search and discovery determined by continuous data analysis across client’s sites and the entire web.
在一个输入不是十分便捷的移动设备上做预测和自动补全确实是一个不错的功能。这个功能我现在想应该是数据库根据前缀搜索出结果集,对结果集中的每个条目和用户倾向计算一个score,取前k条。我没有深入了解,因为这个功能对响应速度要求很高,所以我也不太清楚是否行得通。
3. Make Refinement a Tap
guides shoppers intuitively from their initial search to discovering deeper content that better fits their intent. It’s a simple single-tap navigation and refinement for on-the-go searchers.
这种根据之前搜索行为进行推荐的功能相信Amazon和ebay应该比较成熟吧
4. turn social data into revenue
现在对Tweets做mining的算法非常流行,我们学到一种用wikipedia作Knowledge Base,然后对tweet进行link,classify,tag操作可以进行event detection.
如何利用social media,预计还会火下去吧。
写在BloomReach.com的首页:用最相关的内容匹配用户倾向
业务主要分布在Mobile(移动设备端)和Organic Search(原生态web端)。
1. 先说说Organic Search
BloomReach的技术在web端已经早有成效。它能够做什么呢?
The BloomReach Web Relevance Engine gives consumers intuitive opportunities to discover the products and services they want. BloomReach Organic Search presents your most relevant products and improves customer experience.
BR的web相关性引擎可以给顾客提供直观的机会去发现想要的产品和服务。BR的Organic Search可以呈现你最相关的商品并改善用户体验。
BloomReach Organic Search has three components:
BR的Organic Search分为三大类:
功能1的作用还是很大的,我能想到的一点就是可以用来纠正顾客的搜索内容,或者预测、补全顾客将要搜索的内容。
功能2的作用在各大电商上的作用就不说了。
功能3的作用在推销商品上的想法不错,比如Amazon有搭配购买推荐。
2. 移动设备
关于移动设备vs桌上设备,移动设备的数据如下图:
Source:
StatCounter Global Stats - Mobile vs. Desktop Market Share
更多有趣的数据,建议参考StartCounter提供的数据。
可见,手机客户逐渐变得强大,而且用户也在越来越习惯于手机和tablet上网。我有朋友曾经在laptop坏掉后用ipad坚持了一个月。。
BloomReach在用户手机上网体验做了以下工作
1. connect users across platforms
This is done by analyzing on-site web and mobile activity and creating anonymous profiles when behaviors are likely the same person using multiple devices without customer authentication.
通过分析网站和移动设备的行为为用户建立匿名档案,不需要用户登录实现跨平台定位同一用户。我承认每个人都有各自的上网习惯,并且tablet上访问的网站,很有可能再其他mobile或者desktop设备上再使用。但是有些问题,像是一家人共用一个desktop和tablet,会使得这个功能在逻辑上有些说不过去。
2. Auto Suggest and Predictive Search
make thumb- searching simple by suggesting contextual phrases by matching web-wide language with the site's content within two to three characters, then rapidly showing relevant products based on consumer intent. BloomReach Mobile incorporates machine learning
and web-wide intelligence to intuitively deliver search and discovery determined by continuous data analysis across client’s sites and the entire web.
在一个输入不是十分便捷的移动设备上做预测和自动补全确实是一个不错的功能。这个功能我现在想应该是数据库根据前缀搜索出结果集,对结果集中的每个条目和用户倾向计算一个score,取前k条。我没有深入了解,因为这个功能对响应速度要求很高,所以我也不太清楚是否行得通。
3. Make Refinement a Tap
guides shoppers intuitively from their initial search to discovering deeper content that better fits their intent. It’s a simple single-tap navigation and refinement for on-the-go searchers.
这种根据之前搜索行为进行推荐的功能相信Amazon和ebay应该比较成熟吧
4. turn social data into revenue
现在对Tweets做mining的算法非常流行,我们学到一种用wikipedia作Knowledge Base,然后对tweet进行link,classify,tag操作可以进行event detection.
如何利用social media,预计还会火下去吧。
相关文章推荐
- (三)java业务场景篇笔记库(45)
- 【电信增值业务学习笔记】4 短信类增值业务
- 没头没尾--项目开发笔记:面向业务的用户界面与面向对象的数据库如何连接
- 用微软.NET架构企业解决方案 学习笔记(四)业务层
- Dynamic CRM 2013学习笔记(三十九)流程2 - 业务流程(Business Process Flows)用法详解
- Windchill 业务笔记
- (三)java业务场景篇笔记库(41)
- 侵犯晶片专利?美官方就三星半导体业务展开调查
- 笔记-软件方法-上册-业务建模和需求
- 【电信增值业务学习笔记】5WAP类增值业务
- Megaco学习笔记之业务改变方法(ServiceChangeMethod)
- 《大数据架构商业之路 从业务需求到技术方案》阅读笔记
- 农村调查笔记:勤劳未必致富 癌症病人越来越多
- 大规模数据管理系统调查(学习笔记)
- 《黑马程序员》银行业务调度系统--学习笔记
- 电信增值业务学习笔记2--移动网络基本概念和组网结构
- CISSP复习笔记-第8章 业务连续性与灾难恢复
- 软件方法笔记-4业务序列
- 储蓄存款业务笔记
- Asp.net设计模式笔记之三:业务逻辑层的组织