文档摘要

3.1 零售与电商：推荐与需求预测 零售AI的两大支柱是推荐系统（把对的商品放到对的人眼前）与需求预测（把对的货放到对的仓里）。本节审计两者的成色：离线指标与在线增益的落差、长尾商品的数据饥饿、以及预测精度提升到底省了谁的钱。 两套数字的落差 一家电商平台上线新的推荐模型，算法团队汇报：离线召回率提升了百分之十二。两周后在线A/B实验的结果却是：点击率几乎没动，转化率微降。这类落差在零售AI审计里是最常见的第一现场。 会员。《3.1 零售与电商：推荐与需求预测》收录于灏天文库文集《AI在各行业的应用案例分析》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/443-ai%E5%9C%A8%E5%90%84%E8%A1%8C%E4%B8%9A%E7%9A%84%E5%BA%94%E7%94%A8%E6%A1%88%E4%BE%8B%E5%88%86%E6%9E%90

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流