专业成就职业
策略产品当中涉及到大量算法模型的应用,比如召回,排序策略的设计,除了规则逻辑之外,算法模型是很多体量比较大的业务必备的。所以有必要跟大家聊一下实际工作中,我们是如何利用算法模型来解决业务问题的。
广而告之:策略产品经理训练营35期,目前已经持续4年,效果经得起验证。35期有4周年优惠,金额巨大,福利多多,想要深入学习策略,转行策略产品(C端,B端,运营,数据分析,算法均可),求职拿offer的同学可以联系小助理,名额仅剩3个,仅限35期。公众号回复【试听】,可以试听训练营录播课+直播课。每期人数有限,亲自带课,1对1指导,精力有限,保证质量。
了解这些也有助于大家熟知算法工程师的工作流程大概是什么样的,降低沟通成本。
算法模型解决业务问题整体上可以分为如下几步,接下来我将分别讲一下每一步具体做点什么。
01 问题定义
不能为了上模型而使用模型。
所以首先,我们需要明确我们要解决的问题是什么?
问题可以是具体的用户需求,比如:用户希望看到自己感兴趣的商品排到前面;也可以是目前业务面临的问题,比如:目前平台GMV渗透率高的品类曝光流量不足,这些其实都是问题。但是对于使用算法模型来解决的话,关键点在于如何把这个问题变成算法模型能理解,能解决的问题。
因此这里面必然涉及到一个如何从感性的问题描述转变为一个可以让模型去理解和预测的问题。
这就到了第二个环节:问题建模。
02 问题建模
问题建模的关键其实就两个:业务指标定义和模型预测目标定义。
业务指标定义即根据当前业务核心场景去定义核心业务指标,这块涉及到一些数据指标体系搭建。
模型预测目标主要用于根据该目标去设定模型的收敛目标,也就是模型要预测什么,输出什么值。典型的比如ctr预估,实际上就是输出了ctr这个值。
在问题建模阶段,还有两个重要的事情:样本选择和交叉验证。
简言之,我们从原始数据(日志)当中选择跟当前模型预估指标相关的样本,然后把这些样本分为训练集和测试集,然后通过交叉验证的方法对模型进行训练和评估。
这块不得不提一下关于模型评估的指标。指标的分类有很多,最常见的其实就是准确率,召回率,AUC曲线等,包括常见的NDCG是对排序模型的衡量关键指标。
03 特征工程
完成了问题定义和问题建模,接下来就进入了很关键的特征工程,从大量的数据当中进行特征抽取,核心目的是为了将特征输入给模型,让模型从数据中学习规律。
关于如何做特征选择,再实际工作当中,最为关键的是下面两个方面:
正如上面说的,其实不同的模型有不同的应用场景,所以一般线上通常是含有多个模型,最大化利用每个模型的优势,进而达到目标收益最大化,而模型融合以后得结果其实就是线上最终展示出来的结果。
以上就是关于算法是如何解决业务问题的介绍,希望大家能够明白一点,不要为了用算法而用算法,也不要认为算法就一定能更好的解决问题,关键点不在这,而是基于业务的实际情况去决定到底使用算法还是规则,使用什么样的算法。
学策略,找夏师傅,策略产品经理训练营持续招生中,近期的同学陆陆续续拿到抖音,字节,京东,美团,小红书,快手等offer,目前还有双11优惠。
02 特色
1. 大厂实践内容:不讲形而上的思维、认知、框架,都是方法技能+实际工作案例复盘,内容仍然在不断增加
6. 互联网资源圈:训练营会定期举办大咖会,做策略,职场,产品,数据等领域的分享,这些人都是我之前的优质人脉圈,基本在大厂任职重要职位。
考虑到参加训练营的都是职场人士,课程采取的方式是:直播+录播。工作日,课程内容讲解以录播形式进行,方便大家随时回顾和学习;周末,课程以直播的方式进行,包括作业点评、问题答疑,实战项目、求职指导,互动和反馈更加及时。