★ Netflix 80%的觀看次數、Amazon 35% 的營業額均來自推薦系統
★ 建構高效推薦系統,精準媒合用戶需求
本書適合對推薦系統的開發,或者對推薦演算法有興趣的你:工程師或資料科學家、產品經理與UX/UI 設計師、研究者或學生。
許多網站服務都有推薦機制,譬如「Amazon 的『購買這些商品的人也看了這些商品』」、「YouTube 的『推薦觀賞』」、「Twitter 的『推薦用戶』」等等。許多人因為這些推薦而買了許多商品,或者看影片看到很晚。想必你應該也有類似的經驗吧!其實推薦系統一直存在於我們的周圍。若能讓用戶盡快找到他們感興趣的品項,便可提高用戶的滿意度。
網站服務引入推薦系統已成為趨勢,本書著重實際建構這種信息過濾系統,用於預測使用者對物品的「評分」或「偏好」,來決定呈現哪些商品在使用者眼前。
本書以「運用在實際工作上」為目的,提供作者自身的實務經驗和各種成功、失敗的例子,著重於實際建構一個推薦系統,適合新手入門。
隨著資訊化愈發深入生活,需要做決定的頻率及選項數都急遽增加,對於推薦系統的需求也跟著增加,網站服務引入推薦系統已成為趨勢。
本書將從推薦系統的概要開始,介紹相關的UI/UX、演算法,推薦系統的實際建構方式、推薦系統的評價方式,讓讀者能實作適當的推薦系統。
★ 建構高效推薦系統,精準媒合用戶需求
本書適合對推薦系統的開發,或者對推薦演算法有興趣的你:工程師或資料科學家、產品經理與UX/UI 設計師、研究者或學生。
許多網站服務都有推薦機制,譬如「Amazon 的『購買這些商品的人也看了這些商品』」、「YouTube 的『推薦觀賞』」、「Twitter 的『推薦用戶』」等等。許多人因為這些推薦而買了許多商品,或者看影片看到很晚。想必你應該也有類似的經驗吧!其實推薦系統一直存在於我們的周圍。若能讓用戶盡快找到他們感興趣的品項,便可提高用戶的滿意度。
網站服務引入推薦系統已成為趨勢,本書著重實際建構這種信息過濾系統,用於預測使用者對物品的「評分」或「偏好」,來決定呈現哪些商品在使用者眼前。
本書以「運用在實際工作上」為目的,提供作者自身的實務經驗和各種成功、失敗的例子,著重於實際建構一個推薦系統,適合新手入門。
隨著資訊化愈發深入生活,需要做決定的頻率及選項數都急遽增加,對於推薦系統的需求也跟著增加,網站服務引入推薦系統已成為趨勢。
本書將從推薦系統的概要開始,介紹相關的UI/UX、演算法,推薦系統的實際建構方式、推薦系統的評價方式,讓讀者能實作適當的推薦系統。
