消费网络公司最流行的数据科学应用程序用例是什么？

Question

最流行的用例似乎是不同类型的推荐系统(例如推荐购物项目、社交网络中的用户等)。

但是，其他典型的数据科学应用程序是什么，它们可以在不同的垂直方向上使用？

如:用机器学习预测客户流失，评估客户终身价值，预测销售。

Answer 1

满足感是我经常遇到的一个巨大的问题。指的是重要性/难度/复杂性。

底线是对于大型服务(搜索引擎、facebook、linkedin等)您的用户只是日志行的集合。你几乎没有能力从他们那里得到反馈(不一定是一条严格而快速的规则)。所以大多数时候你都要推断出他们的正负反馈。

这意味着，即使在预测建模之外，也要找到方法，从一组日志行中，真正地判断某人是否真的喜欢他们所体验到的东西。这个简单的行为甚至比a/b测试更基本(在我看来是有偏见的)，因为您谈论的是度量，最终您将在测试记分卡上跟踪。

一旦你掌握了良好的SAT指标，你就可以开始建立预测模型并进行实验。但是，即使是决定哪一段日志工具可以告诉您有关SAT的信息，也是非常重要的(而且经常会发生变化)。

Answer 2

此外，似乎有一个非常全面的数据科学用例清单，按功能和垂直于Kaggle - “数据科学用例”。

Answer 3

当然，这取决于公司的重点:商业、服务等。对于您建议的用例，其他一些用例应该是：

• 漏斗分析:分析消费者使用网站和完成销售的方式可能包括数据科学技术，特别是在公司大规模运营的情况下。
• 广告:投放广告的公司使用大量机器学习技术来分析和预测哪些广告最有效或最有报酬，给出用户的人口统计数据来查看这些广告。