小红书

由于业务需要，公司内部的ERP系统需要与小红书对接，介于odoo当前的市场覆盖率，apps store里自然是没有与此相关的现成模块可用了，既然没有现成的轮子可用，那么就只能自己造轮子了。 小红书接口 小红书的接口大部分都可以从小红书大学的 开放平台 上找到。这里我们主要的目的是将小红书的订单同步到我们本地的ERP系统中。 产品的匹配 小红书有自己的一套SKU编码，要与本地的ERP做映射关系，这样才能保证产品同步的一致性。这里我们使用了包装，跟ERP中的SKU做了一对一的映射。 小红书的物流模式 小红书支持多种物流模式，其中第三方保税模式是无法从系统中读取到订单状态的，只能利用小红书的回调接口将订单变化时推送到我们的系统中。所幸的是，我们目前的业务使用的一种是直邮，一种是小红书的保税仓(即RED STANDARD模式)。 用户信息 小红书对用户的隐私设置比较严格，只能获取到未发货的订单的用户信息，一旦订单发货，用户信息就变成了脱敏信息。 订单处理 小红书提供了两个与订单相关的接口，一个是批量查询接口，一个是查询某个订单的详细信息。因此我们的同步策略可以设置为先用批量查询接口同步批量订单信息，然后根据不同的订单状态筛选，针对那些没有完成的订单，定时轮询。 一旦订单有了发货时间，就将Odoo中的销售订单设置为确认状态，等订单完成，再自动将与之相关的出库单完成 更多内容请阅读 http:

简介： 小红书作为生活分享类社区，目前有 8500 万用户，年同比增长为 300% ，大约每天有 30 亿条笔记在发现首页进行展示。推荐是小红书非常核心且重要的场景之一，本文主要分享在推荐业务场景中小红书的实时计算应用。 作者：郭一 整理：董黎明 本文整理自 2019 阿里云峰会 · 上海开发者大会开源大数据专场中小红书实时推荐团队负责人郭一先生现场分享。小红书作为生活分享类社区，目前有 8500 万用户，年同比增长为 300% ，大约每天有 30 亿条笔记在发现首页进行展示。推荐是小红书非常核心且重要的场景之一，本文主要分享在推荐业务场景中小红书的实时计算应用。 实时计算在推荐业务中的场景 线上推荐流程 小红书线上推荐的流程主要可以分为三步。第一步，从小红书用户每天上传的的笔记池中选出候选集，即通过各种策略从近千万条的笔记中选出上千个侯选集进行初排。第二步，在模型排序阶段给每个笔记打分，根据小红书用户的点赞和收藏行为给平台带来的价值设计了一套权重的评估体系，通过预估用户的点击率，评估点击之后的点赞、收藏和评论等的概率进行打分。第三步，在将笔记展示给用户之前，选择分数高的笔记，通过各种策略进行多样性调整。 在此模型中最核心的点击率、点赞数、收藏、评论等都是通过机器学习模型训练对用户各项行为的预估并给出相应分数。 推荐系统架构

下面内容来自首席增长官年会上，小红书增长技术负责人占雪亮「精细化运营在小红书的实践」的演讲，通过这个内容，我们学习在实际工作面对数据如何去分析。其中，红色字体是我标注的，方便大家对应之前学过的分析问题套路去理解。 1.关于小红书增长之路 在开始分享之前，想先给大家介绍一下小红书，小红书是一个泛品类的生活方式分享平台。 截止到2018年 6 月 6 日，我们的用户数过亿了，昨天我又拉了一下数据，现在是 1 亿 8 千万了，这个增长相对而言还是比较快的了。 回想 2014 年年底、 2015 年年初我刚加入小红书的时候，当时小红书只有 20 人左右的规模，而现在我们用 1644 天完成了用户数过亿。 好，接下来我们进入分享的主题。这是两周前我们公司内部做的一次关于低龄用户留存差的数据分析。 2.为什么低龄用户的留存比较差？（观察数据图表后，提出的问题） 刚刚很多嘉宾都讲到现在获客成本在不断的提高，在 AARRR 的模型里，当 A（获取用户） 越来越贵的时候，我们该如何保证最后的利润 R （增长收入）？如何在利润 R 和越来越贵的A 之间寻找一个平衡点呢？ 就比如说以前 1000 元可以拉来 100 个用户，留存率 10 %，结果有 10 个人留下来了（新增用户100人*留存率10 %=10个人留下来）； 现在 1000 元只能拉来 50 个人了，如果还想留下 10个人，那怎么办