背景

Homsters是一家房地产服务公司,为阿拉伯联合酋长国、土耳其、匈牙利、塞尔维亚和哈萨克斯坦的城市提供住宅房地产市场。当地门户网站为房地产买家提供全面的新开发住宅搜索引擎。

Homsters与AltexSoft数据科vwin.co0m学团队合作,建立并整vwin拳击宝贝合了一个基于机器学习的推荐系统,该系统将根据不同用户的偏好对其进行个性化的属性搜索。

挑战

为了建立一个推荐系统,AltexSoft的数据科学家们处理了以vwin.co0m下任务:

  • 收集和准备用户数据
  • 构建一个推荐引擎,当新用户第一次访问该平台时,该引擎会启动
  • 将引擎集成到现有产品中
丹尼斯Arysmiatov

丹尼斯Arysmiatov,推广部门负责人,Homsters

在Homsters,我们通过提供所有需要的信息来帮助新建房产的买家找到最佳的报价。vwin.co0mAltexSoft团队在开发搜索页面推荐引擎方面做得很好。最初,我们对所有访问者都得到了相同的结果。作为合作的一部分,我们已经创建了一个解决方案,跟踪用户行为,分析它并个性化属性列表,这可能与每个特定的访问者相关。我们成功地改善了网站的用户粘性指标,并提高了使用我们平台的开发者联系的用户比例。

价值交付

  • 数据采集机制的研究与开发

    vwin.co0mAltexSoft的团队研究、评估了现有数据,并定义了影响用户选择的关键变量。数据科学家考虑了现有的用户交互数据,并建议使用其他类型的信息来驱动推荐引擎。变量包括用户交互、元数据(位置、设备、浏览器等)和其他分析。该小组还帮助为此目的设计数据存储,包括所有数据准备和清理活动,以删除无关变量和纠正不完整或不准确的数据。
  • 设计推荐引擎与快速用户分析

    最大的挑战之一是大多数用户只访问一次市场。为了提供帮助,系统必须在第一个会话中快速收集和分析个人访客数据。数据科学vwin拳击宝贝团队设计了一种算法,可以立即生成用户资料,甚至可以在第一次互动后,为一次访问量身定制物业推荐。该引擎使用基于内容的过滤方法,这意味着它将用户配置文件数据与每个属性配置文件的特定属性相匹配。
  • 将引擎集成到具有自动更新的web服务中

    随着用户的首选项和属性的细节随着时间的推移而变化,连接到web服务的算法能够更新自己,以适应更近期和相关的数据。该引擎被部署为一个由基于python的框架Flask支持的web服务。该服务由主web应用程序使用,它为每个访问者提供个性化的属性列表。在市场上,该推荐系统实现了一个转化率提高15- 30%(联系房产卖家)与非个性化搜索相比。

方法及技术资料

Homsters推荐引擎是由一个由机器学习工程师和机器学习团队领导组成的团队开发的。

该项目的工期约为4个月,总工程范围约在1.5人月完成。

技术堆栈包括:Python,熊猫,scikit-learn, Plot。ly, Matplotlib瓶,SQL Server

项目框架内提供的服务:vwin拳击宝贝数据科学咨询

想知道如何构建
独家软件产品为您的业务?

与我们的建筑师讨论您的项目需求。