目前电商正从流量运营转向消费者运营，不同商家/品牌商对消费者运营都有不同诉求，对数据应用带来了很大挑战。传统的数据应用方式如 BI 报表、基于 cube 的交互式分析、Ad-Hoc 实时查询等，能解决部分场景，但都存在一定局限性。比如基于实时引擎的 Ad-Hoc 可以个性化查询，但不能有比较复杂的计算逻辑。再比如基于 BI 工具的交互式分析，一般是基于固定的 cube，无法让用户自由选择想要的数据。我们需要的是一种可以由用户选择哪些数据以及指定数据处理逻辑，逻辑可以是简单查询、复杂 ETL 处理(UDF、MR等)、机器学习任务等方式中的一种或多种，这个方向我们内部称之为触发式数据计算。为了快速高效满足业务需求，我们在针对消费者(也就是人群)这个领域，抽象出了一种业务语言，叫 SML(Solar Model Language)，可以很方便来描述业务需求。目前 SML 已广泛应用于品牌数据银行、策略中心等阿里 SaaS 化产品，落地场景包含人群分析、人群圈选、人群画像、人群建模等，满足品牌商/商家对人群运营的个性化诉求。

演讲提纲：

1. 什么是触发式数据计算？
2. 人群业务语言 SML
3. SML 在人群分析 SaaS 化场景的应用
4. 后续规划

听众受益点：

• 了解一种新的数据计算方向 - 触发式计算
• 了解数据计算逻辑如何一步步抽象成业务语言
• 了解一种新的数据架构来满足 SaaS 产品的快速迭代

美团外卖平台目前覆盖了上百万商家和上亿餐饮类商品。平台的用户体验、推荐搜索以及商品管控等都强依赖于一个覆盖全面、设计合理、信息精准的知识图谱的支撑。而餐饮类商品具有非标准化、非结构化等特点，给知识图谱的建设带来巨大的挑战。

本次演讲介绍我们通过文本、图像等多模态建模，打造了国内最大规模的美食垂类知识图谱，广泛应用在外卖的搜索、推荐以及商品管控等多个业务。

演讲提纲：

1. 知识图谱现状介绍

2. 外卖垂直邻域知识图谱方案

• schema设计
• 短文本场景下的信息抽取技术方案
• 图像处理在知识图谱构建的应用实践

3. 业务应用介绍及踩坑和爬坑经验分享

• C端应用
• B端应用

4. 未来展望

 听众受益点：

• 如何从0打造垂直领域知识图谱；
• 如何利用文本、图像等多领域技术完成知识图谱中的信息抽取。

在用户消费升级的大背景下，文化娱乐已经成为人们生活中非常重要的一部分。视频作为文化娱乐的重要载体，如何做好用户和视频内容的高效连接，对于增加用户黏性，提升用户留存至关重要。搜索作为视频内容分发的核心场景入口，如何在搜索意图表达有限和视频结构化信息缺乏的情况下，实现搜索意图场景下的用户与内容的了解面临极大的挑战。

传统的匹配特征在搜索相关性中表达有限，基于深度语义的表达不仅能涵盖传统的匹配场景，更能从语义层面发掘用户搜索词的潜在表达，为用户提供更极致的体验。在视频网站同质化竞争的大背景下，个性化排序作为搜索核心的分发场景，如何在不同意图场景下，对用户兴趣进行有效的表达，对于提升用户观看时长和用户体验至关重要。

演讲提纲：

1. 深度语义和个性化排序面临的挑战
2. 不同意图场景的深度语义相关性实践
3. 搜索场景下用户兴趣的有效表达
4. 视频个性化搜索排序实践
5. TensorFlow在视频搜索中的使用

听众受益点：

• 了解内容分发场景下深度语义相关性和个性化表征学习排序应用
• 了解用户、搜索意图、视频内容的有效表征以及不同场景下的模型调参经验
• 了解TensorFlow在搜索各场景下的应用

随着电商规模的日益扩大，其销售商品的种类和数量相比传统零售商都有了质的飞越。适用于传统线下零售商的运营分析、价格策略制定方法，已经不再适用于变幻莫测的的线上市场。随之产生的电商对日常精细化运营的需求也不断增强。如何建立高效、灵活、稳定的收益管理决策系统，成为电商所面临的巨大挑战。

本次演讲将以电商收益管理系统为例，介绍利用电商数据构建起决策体系方面的思考与实践。

演讲提纲：

• 大数据驱动的智能决策：以电商收益管理问题为例
• 构建有效的智能决策系统：关键问题与主要应对策略
• 案例：智能清仓系统的建设实践

听众受益点：

• 以电商收益管理决策为例，了解搭建智能决策系统的要素。
• 了解收益管理决策在电商中的实际应用场景和落地案例；