AI产品落地全流程

一、业务背景

业务背景：

• 快手电商的发展越来越快，流失的用户也越来越多。
• 为减缓用户的流失，需要对那些可能流失的用户做内部提前预警，并采取一些措施。

模型需求：

• 预测电商用户是否会流失。

二、产品开发全流程

二、需求定义

定义产品需求： 明确做这件事情的背景、价值、以及预期⽬标。

工作内容： 和业务⽅沟通，讨论项目的背景，决策业务的预期⽬标，期望上线的时间。

• 项目目标：通过算法干预，电商用户的整体流失率降低0.5%
• 模型提供方式：按月更新的离线模型，hive表的形式
• 模型的覆盖率：100%全部的电商用户
• 上线时间：618大促前一个月。
• ....

三、技术预研

技术预研： 请算法对需求做初步的预判。

工作内容：

• 模型方面：历史的模型或算法技术是否可以直接复用
• 数据方面：历史积累的数据是否足够
• 需求调整：根据算法的预估，对需求内容进行调整

四、数据准备

数据准备： 根据模型预研的结果以及业务的实际情况，帮助算法同学准备数据。

[!question]

作业：思考一下，电商平台可能流失的用户和其他用户在用户行为上的区别？

• 活跃度，内容偏好。
• 下单的频率，客单价，商品品类，客诉处理情况，用户设备和app版本，负向评论......

在数据准备的部分，由于数据的不同，我们的获取⽅式也不同。

• 部门内部数据： 部⻔内的业务数据，如订单数据、访问⽇志等，可以直接从数仓中获取。部分未留存的数据可以增设埋点
• 集团中台数据： 其他部⻔的业务数据，或统⼀的中台数据。根据公司数据管理规范，按流程申请提取。
• 获取外采数据： 在公司内部数据不⾜以满⾜建模要求的时候，可以考虑购买外部公司数据。 要注意合规的风险。

五、模型的构建和验收

模型的构建流程： 包括模型设计、特征⼯程、模型训练、模型验证、模型融合。

模型的评估验收： 模型构建完成后，就需要对模型进⾏评估验收，从产品经理的⻆度去评判模型效果是否满⾜上线的标准。

六、⼯程开发及产品上线运营

• 工程开发： 确认模型的输入输出，约定好api接口
• 测试验收： 测试同学走查，发现bug后修复，产品经理做最后的验收
• 上线运营： AI产品经理需持续观测模型效果