阿里巴巴B2B电商算法实战

图书标准信息

• 作者 阿里集团、新零售技术事业部、CBU技术部 著
• 出版社 机械工业出版社
• 出版时间 2020-07
• 版次 1
• ISBN 9787111657842
• 定价 99.00元
• 装帧 其他
• 开本 16开
• 页数 312页
• 字数 100千字

【内容简介】

本书是阿里巴巴CBU技术部（1688.com）深耕B2B电商15年的经验总结。阿里巴巴B2B在战略形态上经历了信息平台、交易平台和营销平台的升级迭代，本书聚焦营销平台商业形态背后的算法和技术能力，试图从技术和商业互为驱动的视角阐述技术如何赋能业务，并结合阿里巴巴集团在基础设域和算法创新上的沉淀，打造出智能B2B商业操作系统。

 

具体内容方面，结合阿里巴巴B2B电商业务场景，深度解析算法对用户、商品、商家的

 

精准刻画，围绕搜索、推荐、营销、直播、端智能等场景建模，还原商业视角的技术思考和落地方法。

 

第1章从技术的角度介绍了阿里提出的“人、货、厂、商”四位一体的电商核心要素，揭秘了阿里是如何同时做到在消费端和供给端提高效率的。主要介绍电商四位一体的人、货、场、商核心要素；

 

第2章重点讲解了算法落地依赖的工程系统，包括搜索引擎、推荐引擎和实时数据工程；

 

第3章聚焦搜索算法，核心是基于Query理解的导航和搜索排序算法；

 

第4章重点剖析推荐算法，从召回和排序两个环节展开；

 

第5章介绍任何商业平台都离不开的营销算法，以及红包和优惠券等营销工具的使用；

 

第6章讲解了当下在各电商平台盛行的新兴电商内容呈现形式背后的算法，包括直播推荐算法、短视频推荐算法、榜单算法、首图个性推荐算法、端智能等；

 

第7章以知识图谱开篇，重点讲解了阿里巴巴B2B在电商结构化信息挖掘和场景应用等

 

方面的经验；

 

第8章从流量效率*大化的角度阐述了全域中控技术框架和核心算法。

 

【作者简介】

阿里巴巴CBU技术部（1688.com)

 

全球率先超过1亿用户的B类电商平台，自2003年诞生之初，就承载了“让天下没有难做的生意”的重要使命。在阿里巴巴“五新战略”下，作为阿里集团新制造和新零售的重要技术生力军，CBU技术团队15年来一直以技术之力赋能千万中小企业，沉淀了一系列极具B类特色的交易、支付、营销、采购、分销技术产品，促进B类全链路商业效率优化。

 

在商业全球化的大形势下，CBU技术以大数据为原力、以算法为引擎，在企业采购与服务、企业分销通路建设、柔性供应链建设、数字营销、心智导购等领域不断进行横向联动、纵深探索，结合云计算、IOT智能技术、图形算法、深度网络、在线学习、运筹优化等尖端技术，助推中小企业向数字经济转型。

 

任卫军，阿里巴巴研究员，2006年4月入职淘宝技术部，拥有10年ToC电商研发和管理经验。2017年开始负责阿里CBU&C2M技术部，聚焦B类业务技术体系建设。

 

 霍承富，霍承富，阿里巴巴资深算法专家，2012年毕业于中国科学技术大学，博士学位，毕业后加入阿里巴巴，从事搜索、推荐、广告、营销、用户增长等相关的算法工作。

 

 翁晨玮，翁晨玮，阿里巴巴算法专家，2012年毕业于浙江大学，硕士学位，毕业后在百度、腾讯等公司从事搜索推荐算法相关工作，于2017年加入阿里巴巴。

 

 卢小康，阿里巴巴技术专家，2010年毕业于杭州电子科技大学，硕士学位，毕业后加入阿里巴巴，从事搜索引擎工程和算法工程相关工作。

 董宇，阿里巴巴高级算法专家，毕业于北京航空航天大学，硕士学位，2014年入职阿里巴巴。
 赵玉姣，阿里巴巴算法专家，2015年毕业于天津大学，硕士学位，毕业后加入阿里巴巴，从事搜索、用户增长等相关的算法工作。
 贺星星，阿里巴巴高级算法工程师，2010年毕业于大连理工大学，硕士学位，毕业后先后在中兴通讯、三星电子、亚信数据分别从事3G/4G通信、智能终端、智能图像算法相关工作，2018年加入阿里巴巴，从事搜索、用户增长等相关的算法工作。
 陈曦，阿里巴巴高级算法工程师，2014年毕业于浙江大学，硕士学位，2018年加入阿里巴巴，从事C2M产地供应链相关算法工作。
 林瀚驰，阿里巴巴高级算法工程师，2016年毕业于北京大学，硕士学位，毕业后加入深信服，从事webshell查杀，网页篡改检测等安全相关算法工作，2018年加入阿里巴巴，从事搜索相关算法工作。

 

 茹江涛，阿里巴巴高级算法工程师，2017年毕业于南京航空航天大学，硕士学位，毕业后加入腾讯，从事游戏安全相关的算法工作，2019年加入阿里巴巴，从事搜索相关的算法工作
 张吉豪，阿里巴巴技术专家，从事网络游戏研发近9年，作为服务端负责人研发了《勇者大冒险》《寻仙手游》两款作品。2018年加入阿里巴巴，从事搜索、推荐、实时计算相关的数据及工程工作，提交发明专利3篇。
 谷伟，阿里巴巴高级开发工程师，2016年毕业于东南大学，硕士学位，毕业后加入趋势科技从事邮件服务器安全防护工作，2018年加入阿里巴巴从事搜索和推荐相关的算法工程工作，提交发明专利3篇。?

 

 杨帅，阿里巴巴技术专家，2011年毕业于武汉工程大学，获学士学位，毕业后入职网易网络从事云网络安全DDOS防御等相关工作，2019年加入阿里巴巴从事搜索和推荐算法工程相关工作，目前负责搜索引擎相关工作。
 张波，阿里巴巴高级开发工程师，2013年毕业于哈尔滨工业大学，硕士学位。毕业后主要在前程无忧公司从事搜索引擎相关工作，2018年加入阿里巴巴从事搜索和推荐相关的算法工程工作。
 张贺，阿里巴巴高级开发工程师，2016年毕业于深圳大学，硕士学位，毕业后加入腾讯从事主机反入侵方面的工作，2018年加入阿里巴巴从事搜索和推荐等相关的算法工程工作，提交发明专利3篇。
 王修充，毕业于北京航空航天大学，硕士学位，先后在京东推荐算法团队、阿里CBU技术部承担推荐算法的工作，目前主要的工作方向为直播、短视频电商内容推荐，研究兴趣为多目标学习、图网络在推荐算法中的应用。
 何珂，毕业于北京邮电大学，硕士学位，2018年入职阿里，任高级算法工程师。
 娄琦，毕业于杭州电子科技大学，硕士学位，2018年入职阿里，任高级算法工程师。
 吕泽，毕业于西安电子科技大学，硕士学位，2017年入职阿里，1688猜你喜欢算法负责人，曾在AAAI等学术会议和期刊上发表论文。

 

 ?徐传宇，毕业于厦门大学数学科学学院，理学硕士学位。2019年7月入职阿里巴巴，任推荐算法工程师。
 叶梦贤，毕业于荷兰伊拉斯姆斯大学，硕士学位，2019年入职阿里，任高级算法工程师。
 顾海倩，毕业于北京邮电大学，硕士学位，2019年入职阿里，任推荐算法工程师。
 韩乔，2017年毕业于新加坡国立大学，硕士学位，2019年入职阿里，任高级算法工程师。
 林源远，毕业于中南大学，硕士学位，2018年入职阿里，负责推荐算法相关的工作。
 陈起进，毕业于浙江大学，硕士学位，2019年入职阿里，任职高级算法专家，研究方向包括NLP/NLG/知识图谱，目前主要负责电商知识图谱建设、内容理解、可解释模型及智能助理。
 王姿雯，毕业于北京邮电大学，硕士学位，2019年入职阿里巴巴，任算法工程师职位。
 任伟龙，毕业于中国人民解放军火箭军工程大学，博士学位，2019年入职阿里巴巴，高级算法工程师职位，主要技术方向为运筹优化算法，在流量分配、智能定价等领域应用优化算法提升效率和营收，同时最小化运营成本。
 张进，毕业于英国布里斯托大学，硕士学位，2017年入职阿里巴巴，算法专家职位。
 张涛，毕业于北京邮电大学，硕士学位，18年入职阿里，高级算法工程师职位，研究方向包括NLP，NLG，GAN，ML等。在学术会议和SCI期刊中发表过多篇学术文章，目前主要从事B类知识图谱建设和商品企划链路升级。
 宁振，毕业于南昌大学，硕士学位，2019年入职阿里，高级算法工程师职位，主要从事NLP相关技术如文本理解、知识图谱的研究和应用。
 孙刘诚，阿里巴巴高级算法工程师，2019年毕业于同济大学，博士学位，毕业后加入阿里巴巴，从事用户增长等相关的算法工作，同时是浙江大学-阿里巴巴联合培养博士后，发表学术论文近十篇。
 刘祥宇，毕业于中国科学技术大学，硕士学位，2015年入职阿里，现任技术专家职位，主要方向是研究电商导购领域的相关工程研发工作。

 

【目录】

作者介绍 
前 言 
第1章 电商四位一体 1 
1.1 人―买家 1 
1.1.1 开源引流2 
1.1.2 客群画像17 
1.2 货―货源 22 
1.2.1 价格力22 
1.2.2 趋势力28 
1.3 场―内容 36 
1.3.1 智能文案37 
1.3.2 文案标签化46 
1.3.3 模型工程优化49 
1.3.4 展望规划49 
1.4 商―企划 50 
1.4.1 品类规划定义51 
1.4.2 波士顿矩阵53 
1.4.3 CBU品类规划53 
1.4.4 技术架构59 
1.4.5 展望规划61 
第2章 系统工程 63 
2.1 搜索工程 63 
2.1.1 统一入口SP服务64 
2.1.2 策略平台OpenSE72 
2.1.3 意图分析QP74 
2.1.4 在线引擎HA377 
2.1.5 离线系统Dump81 
2.2 推荐工程 85 
2.2.1 召回引擎BE85 
2.2.2 算分服务RTP89 
2.3 实时数据工程 95 
2.3.1 概述 96 
2.3.2 数据采集96 
2.3.3 数据分层98 
2.3.4 数据服务99 
2.3.5 数据应用100 
第3章 搜索算法 101 
3.1 Query查询词理解 101 
3.1.1 Query类目预测102 
3.1.2 Query改写106 
3.1.3 Query推荐111 
3.2 搜索排序 122 
3.2.1 召回124 
3.2.2 粗排135 
3.2.3 精排142 
3.2.4 搜索底部推荐161 
第4章 推荐算法 163 
4.1 召回 164 
4.1.1 协同过滤165 
4.1.2 Embedding I2I168 
4.1.3 DeepMatch170 
4.2 排序 176 
4.2.1 Wide&Deep模型176 
4.2.2 DIN180 
4.2.3 DIEN183 
4.2.4 DMR186 
4.2.5 ESMM190 
第5章 营销算法 197 
5.1 红包 197 
5.1.1 用户敏感度建模198 
5.1.2 离线红包分配200 
5.1.3 在线红包分配202 
5.2 营销优惠券 208 
第6章 多模态内容场景与端智能 212 
6.1 直播推荐算法 212 
6.1.1 多目标学习213 
6.1.2 用户异构行为214 
6.1.3 直播排序模型214 
6.2 短视频推荐算法 219 
6.2.1 短视频推荐概述219 
6.2.2 基于异构网络图的推荐方案220 
6.3 榜单算法 229 
6.3.1 榜单生成229 
6.3.2 榜单召回推荐232 
6.3.3 榜单内商品排序232 
6.3.4 榜单个性化文案233 
6.4 多形态内容混排 235 
6.5 App端智能 239 
6.6 首图个性化 244 
6.6.1 全局最优视角联合打散244 
6.6.2 跨域召回（从淘宝到1688） 247 
第7章 认知推理 250 
7.1 电商知识图谱 250 
7.1.1 知识工程与专家系统250 
7.1.2 语义网络与知识图谱252 
7.1.3 知识图谱构建254 
7.1.4 知识表示265 
7.2 知识图谱主题会场 268 
7.3 知识蒸馏 271 
7.3.1 知识蒸馏的起源272 
7.3.2 多种传递形式的知识蒸馏274 
7.3.3 知识蒸馏应用于自然语言生成277 
7.3.4 BERT模型蒸馏280 
7.4 组货推荐 281 
7.4.1 同款匹配281 
7.4.2 组货搭配284 
7.4.3 服饰搭配286 
第8章 全域中控 290 
8.1 流量中控 290 
8.2 在线动态广告分配 297 
8.3 目标动态规划 307