18｜商业意义（上）：如何利用端侧重排提升转化率
柳博文
你好，我是柳博文，欢迎和我一起学习前端工程师的 AI 实战课。
前面我们分析了用户点击行为数据，并按性别和年龄细分，探讨了不同群体的 UI 偏好。不过除了通过热力图的方式，还有更多挖掘和分析数据的方式。
接下来的两节课，我们来看看如何通过不同的算法模型，找到不同人群下的数据共性，再将算法跑在端侧来为不同人群推荐不同的 UI 结果，为产品转化做出更多贡献。
今天我们先来学习如何进行数据预处理，然后再看看怎么应用传统算法来处理这些数据。
通过算法找到数据共性
在上节课中，我们用热力图可视化的方式分析了用户的点击数据。不过对于这些数据，我们还有更科学的处理方式，那就是利用一些常规的算法模型来处理分析，从而找到这堆数据中的共性。
在这组数据中，每条记录都包含了用户的 ID、性别、年龄等用户属性，同时还记录了用户在 H5 页面上的点击行为时间和位置。在上节课讨论长尾效应时，我们了解到，用户的点击位置实际上对应了页面中 Feeds 卡片的类型，而这些卡片类型具有特定的商业属性。
为了便于后续算法分析，我们将用户的点击位置与 Feeds 对应的卡片类型进行匹配绑定。具体来说，我们可以使用点击事件的 y 坐标来确定用户点击了哪个位置上的卡片类型。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. 本文介绍了如何利用算法模型处理用户点击行为数据，找到数据共性，以及将算法应用于端侧来为不同人群推荐不同的UI结果，提升产品转化率。 2. 通过映射用户点击位置与Feeds对应的卡片类型，可以更好地理解用户行为模式及其与页面元素之间的关系，从而优化用户体验、提升商业效果。 3. 传统算法的处理和分析是本文的重点，后续将探讨机器学习算法和深度学习算法的应用。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《前端工程师的 AI 实战课》，新⼈⾸单¥59
《前端工程师的 AI 实战课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论