内容简介 这是一本从功能模块、技术实现、平台构建、业务应用4个层次由浅入深地讲解用户画像的著作。作者在某头部互联网公司经历了其用户画像平台从0到1并发展为画像中台的全过程，打下了扎实的技术功底，积累了丰富的业务经验，本书从技术和业务双重维度对整个过程进行了复盘。 具体来讲，本书主要包含如下内容： （1）画像的作用、业界主流的4种商用画像平台的核心功能和实现逻辑； （2）画像平台的主要功能、画像平台的技术架构与技术选型、画像平台的数据模型； （3）画像平台4大功能模块：标签管理、标签服务、分群功能、画像分析的实现方案； （4）从0到1搭建用户画像平台，包括环境搭建和前、后端工程框架搭建； （5）画像平台在用户的不同生命周期阶段和各种业务场景中如何为业务赋能； （6）画像平台的优化和最佳实践。 书中有200+设计图和原型图，可以帮助读者更加直观地了解平台的实现原理及功能形态。20+真实应用案例，技术方案和案例均来自真实的项目。本书提供可运行的代码，能帮助读者快速搭建并部署用户画像平台。

内容简介 这是一本从功能模块、技术实现、平台构建、业务应用4个层次由浅入深地讲解用户画像的著作。作者在某头部互联网公司经历了其用户画像平台从0到1并发展为画像中台的全过程，打下了扎实的技术功底，积累了丰富的业务经验，本书从技术和业务双重维度对整个过程进行了复盘。 具体来讲，本书主要包含如下内容： （1）画像的作用、业界主流的4种商用画像平台的核心功能和实现逻辑； （2）画像平台的主要功能、画像平台的技术架构与技术选型、画像平台的数据模型； （3）画像平台4大功能模块：标签管理、标签服务、分群功能、画像分析的实现方案； （4）从0到1搭建用户画像平台，包括环境搭建和前、后端工程框架搭建； （5）画像平台在用户的不同生命周期阶段和各种业务场景中如何为业务赋能； （6）画像平台的优化和最佳实践。 书中有200+设计图和原型图，可以帮助读者更加直观地了解平台的实现原理及功能形态。20+真实应用案例，技术方案和案例均来自真实的项目。本书提供可运行的代码，能帮助读者快速搭建并部署用户画像平台。

本书从技术维度系统讲解了用户画像的方法论和一些常见的工程化解决方案。

本书从技术维度系统讲解了用户画像的方法论和一些常见的工程化解决方案。

《UI/UE系列丛书 用户至上：用户研究方法与实践（原书第2版）》是用户研究方法指南，谷歌用户体验研究员十几年工作经验结晶，从理论到实战，包含完整的实操案例，是设计以人为中心产品的实用手册。 《UI/UE系列丛书 用户至上：用户研究方法与实践（原书第2版）》包含五个部分共15章。入门篇包括第1～5章：介绍用户体验入门，如何理解目标用户，道德与法律问题，如何搭建研究设施，如何选择用户体验研究方法等。起步篇包括第6～7章，详细介绍用户研究工作的开始工作，如起草研究方案、招募用户、预测试、迎接参与者、开始研究活动等。方法篇包括第8～14章，详细讲解用户研究方法，如日记研究、访谈、问卷调查、卡片分类、焦点小组、实地调研、评估方法等。同时，提供了各种材料、模板和任务清单，方便使用。此外，在各章节的结尾部分精选了案例研究，展示不同的研究方法如何解决实际问题。收尾...(展开全部)

这是一本指导中高级从业者高质量落地现代推荐系统，围绕现代推荐系统核心技术展开深度解读的专业工具书，又是一套完整的推荐系统高质量落地解决方案。本书基于推荐算法工程师实际工作场景规划内容，融合了作者在阿里巴巴、58同城等多家大厂做推荐系统设计和优化的经验，是一本方法和实践兼具的好书。 本书不针对零基础从业者，而是以帮助初级算法工程师向中高级进阶为目标。书中从底层剖析推荐系统在实际业务场景中可能出现的各种问题，直指问题的本质，并按照推荐系统工作流程逐一破解。 本书共包括11章： 第1章 主要介绍推荐系统在各个互联网业务场景中的落地情况，包括构建推荐系统可能面临的问题，以及电商、视频、电子书、广告系统、信息流、拉活促销等相关推荐系统落地指导。 第2章 介绍现代推荐系统的整体架构，以帮助读者从宏观层面整体了解推荐系统。 第3章 对推荐系统所需要的数据和特征处理进行深度剖析，包括数据的收集、非结构化数据的结构化清洗、连续特征处理和离散特征处理等重点内容。 第4章 对推荐系统的在线指标和离线指标，以及AB实验的设计进行深度讲解。 第5章和第6章，主要对机器学习和神经网络的设计和调参进行详细解读。这是本书的重点，也是很多推荐算法工程师的痛点。这部分包括XGBoost的重要参数调优、集成学习最DA化推荐效果利用、DNN网络深度和宽度的影响、激活函数的选择、优化器选择、损失函数、过/欠拟合等内容。 第7~9章 分别对召回层、精排层、粗排层进行详细解读，包括5种召回方案、4种精排建模方式、2种粗排设计方案，以及模型可解释性、近离线计算等重点内容。 第10章 主要介绍精排模型的分析方法，重排模型（PRM、生成式重排模型）和混排（混排的原理和强化学习在混排的应用）的原理。 第11章 主要介绍冷启动链路的设计，主要包括新用户如何冷启动、新物料如何冷启动和冷启动涉及的流量分配算法。这是本书的特色内容。

这是一本指导中高级从业者高质量落地现代推荐系统，围绕现代推荐系统核心技术展开深度解读的专业工具书，又是一套完整的推荐系统高质量落地解决方案。本书基于推荐算法工程师实际工作场景规划内容，融合了作者在阿里巴巴、58同城等多家大厂做推荐系统设计和优化的经验，是一本方法和实践兼具的好书。 本书不针对零基础从业者，而是以帮助初级算法工程师向中高级进阶为目标。书中从底层剖析推荐系统在实际业务场景中可能出现的各种问题，直指问题的本质，并按照推荐系统工作流程逐一破解。 本书共包括11章： 第1章 主要介绍推荐系统在各个互联网业务场景中的落地情况，包括构建推荐系统可能面临的问题，以及电商、视频、电子书、广告系统、信息流、拉活促销等相关推荐系统落地指导。 第2章 介绍现代推荐系统的整体架构，以帮助读者从宏观层面整体了解推荐系统。 第3章 对推荐系统所需要的数据和特征处理进行深度剖析，包括数据的收集、非结构化数据的结构化清洗、连续特征处理和离散特征处理等重点内容。 第4章 对推荐系统的在线指标和离线指标，以及AB实验的设计进行深度讲解。 第5章和第6章，主要对机器学习和神经网络的设计和调参进行详细解读。这是本书的重点，也是很多推荐算法工程师的痛点。这部分包括XGBoost的重要参数调优、集成学习最DA化推荐效果利用、DNN网络深度和宽度的影响、激活函数的选择、优化器选择、损失函数、过/欠拟合等内容。 第7~9章 分别对召回层、精排层、粗排层进行详细解读，包括5种召回方案、4种精排建模方式、2种粗排设计方案，以及模型可解释性、近离线计算等重点内容。 第10章 主要介绍精排模型的分析方法，重排模型（PRM、生成式重排模型）和混排（混排的原理和强化学习在混排的应用）的原理。 第11章 主要介绍冷启动链路的设计，主要包括新用户如何冷启动、新物料如何冷启动和冷启动涉及的流量分配算法。这是本书的特色内容。

如何能牢牢地黏住老用户、吸引新用户、读懂用户的偏好兴趣和喜怒哀乐，这都是对企业发展至关重要甚至关乎生死存亡的问题，解决这个问题的方法就是推荐系统。本书分为上中下三篇，共13章，上篇为用户画像知识工程基础，包括表征建模、画像计算、存储及各种更新维护等管理操作；中篇为推荐系统与用户画像，包括传统协同过滤等经典推荐算法的介绍，以及涉及用户画像的推荐方法；下篇为应用案例分析，包括Netflix、阿里等数据竞赛的经典数据案例，以及在具体工程开发过程的具体案例，分别从系统需求、总体结构、算法设计、运行流程及测试结果等五个方面提供详细案例指导。

如何能牢牢地黏住老用户、吸引新用户、读懂用户的偏好兴趣和喜怒哀乐，这都是对企业发展至关重要甚至关乎生死存亡的问题，解决这个问题的方法就是推荐系统。本书分为上中下三篇，共13章，上篇为用户画像知识工程基础，包括表征建模、画像计算、存储及各种更新维护等管理操作；中篇为推荐系统与用户画像，包括传统协同过滤等经典推荐算法的介绍，以及涉及用户画像的推荐方法；下篇为应用案例分析，包括Netflix、阿里等数据竞赛的经典数据案例，以及在具体工程开发过程的具体案例，分别从系统需求、总体结构、算法设计、运行流程及测试结果等五个方面提供详细案例指导。

内容简介 这是一部讲解企业如何利用指标推动数字化转型和实现数字化经营的著作，详细讲解了指标体系的设计方法、指标平台的产品设计和技术架构、指标在各行业落地应用的方法。 本书由行业领先的数据智能产品提供商数势科技官方出品，融合了其创始人在百度、平安、京东等头部企业的技术研发经验和其团队服务近百家企业的实战经验，得到了来自清华大学、信通院、腾讯、京东、百度等10余位专家的鼎力推荐。 具体地，本书主要讲解了以下五个方面的内容： （1）从指标驱动的数字化经营新模式开始，介绍指标管理对企业经营的重要意义。 （2）指标体系的设计方法论，带着设计思维模拟指标拆解、设计、落地的全过程。 （3）指标管理平台的产品设计与技术架构，介绍了作者团队在多年实践中总结出的“一处定义、全局使用”的指标平台建设方法。 （4）深入零售、金融、制造、消费品、连锁加盟等行业，从不同行业的特点出发，介绍不同行业的指标体系建设、平台设计和应用的全景图，结合行业的最佳实践，为想要进行数据智能决策的企业提供参考。 （5）探索两大趋势——数据民主化以及大模型在数据智能、指标管理中的应用，探索时下最先进的技术带给企业经营的无限价值。