业务模型 VS 算法模型，到底该怎么用？( 二 ) _算法

那么只要修改模型参数，就能快速出结果了，非常方便（如下图）：

文章插图
图片

算法模型的第二个优势，是能发现业务没注意到的情况。
比如做商品分析的时候，业务上是可以手动输出一份《商品关联规则表》，但这个表格的规则是固定的。如果用关联规则算法，则可以突破业务思路的限制，发现更多潜在关联销售逻辑。虽然不见得是“啤酒与尿布”这么夸张的东西，但是也对启发业务思路很有帮助（如下图）。

文章插图
图片

算法模型的第三个优势，就是处理大规模数据了。
典型的业务模型RFM，做用户分层时，如果每个指标分3类，那么就有3*3*3=27类，在业务上已经复杂到很难匹配对应策略了。但是如果用协同过滤算法，完全可以做到千人千面，这也是算法模型的巨大优势。

之所以互联网公司倾向于用算法做推荐，主要是源自互联网平台上的商品量以十亿记，极难手动匹配规则。

业务与算法，如何完美配合

想要做好顺畅配合，建议大家在项目启动前，先花时间梳理好：到底要解决什么问题。而不是一上来先说：我要个模型。先捏个模型出来，再拿着锤子找钉子。

如果要解决的问题本身不清晰，比如：
1、诊断类问题：到底指标异动是因为内部还是外部原因？
2、标准类问题：到底该怎么定义“高价值用户”、“有效的策略”？
3、测试类问题：我有个新想法，还没实行，不知道有没有效果？

此时建议做业务模型，先把问题梳理清楚，把定义明确好，拿到测试数据，再看进一步怎么做？

如果要解决的问题定义清晰，且有数据积累，就很适合做算法模型。特别是即使业务很努力，也很难提升效果的时候，比如用户流失挽留，新用户电话销售等场景，天然响应率低，通过模型筛选目标群体能极大提升业务效率，此时效果好。

【业务模型 VS 算法模型，到底该怎么用？】