（1）阿裡巴巴CBU技術部（1688.com）是阿裡巴巴集團B2B電商、新零售、新制造的重要技術生力軍。（2）阿裡巴巴CBU技術部15年來通過技術為千萬中小企業賦能，在B2B領域的交易、支付、營銷、采購、分銷等環節沉澱了大量的技術經驗和成果。（3）結合阿裡巴巴B2B電商業務場景，深度解析算法對用戶、商品、商家的精準刻畫，圍繞搜索、推薦、營銷、直播、端智能等場景建模，還原商業視角的技術思考和落地。

●作者介紹
前言
第1章 電商四位一體
1.1 人——買家
1.1.1 開源引流
1.1.2 客群畫像
1.2 貨——貨源
1.2.1 價格力
1.2.2 趨勢力
1.3 場——內容
1.3.1 智能文案
1.3.2 文案標簽化
1.3.3 模型工程優化
1.3.4 展望規劃
1.4 商——企劃
1.4.1 品類規劃定義
1.4.2 波士頓矩陣
1.4.3 CBU品類規劃
1.4.4 技術架構
1.4.5 展望規劃
第2章 繫統工程
2.1 搜索工程
2.1.1 統一入口SP服務
2.1.2 策略平臺OpenSE
2.1.3 意圖分析QP
2.1.4 在線引擎HA3
2.1.5 離線繫統Dump
2.2 推薦工程
2.2.1 召回引擎BE
2.2.2 算分服務RTP
2.3 實時數據工程
2.3.1 概述
2.3.2 數據采集
2.3.3 數據分層
2.3.4 數據服務
2.3.5 數據應用
第3章 搜索算法
3.1 Query查詢詞理解
3.1.1 Query類目預測
3.1.2 Query改寫
3.1.3 Query推薦
3.2 搜索排序
3.2.1 召回
3.2.2 粗排
3.2.3 精排
3.2.4 搜索底部推薦
第4章 推薦算法
4.1 召回
4.1.1 協同過濾
4.1.2 Embedding I2I
4.1.3 DeepMatch
4.2 排序
4.2.1 Wide&Deep模型
4.2.2 DIN
4.2.3 DIEN
4.2.4 DMR
4.2.5 ESMM
第5章 營銷算法
5.1 紅包
5.1.1 用戶敏感度建模
5.1.2 離線紅包分配
5.1.3 在線紅包分配
5.2 營銷優惠券
第6章 多模態內容場景與端智能
6.1 直播推薦算法
6.1.1 多目標學習
6.1.2 用戶異構行為
6.1.3 直播排序模型
6.2 短視頻推薦算法
6.2.1 短視頻推薦概述
6.2.2 基於異構網絡圖的推薦方案
6.3 榜單算法
6.3.1 榜單生成
6.3.2 榜單召回推薦
6.3.3 榜單內商品排序
6.3.4 榜單個性化文案
6.4 多形態內容混排
6.5 App端智能
6.6 首圖個性化
6.6.1 全局很優視角聯合打散
6.6.2 跨域召回（從淘寶到1688）
第7章 認知推理
7.1 電商知識圖譜
7.1.1 知識工程與專家繫統
7.1.2 語義網絡與知識圖譜
7.1.3 知識圖譜構建
7.1.4 知識表示
7.2 知識圖譜主題會場
7.3 知識蒸餾
7.3.1 知識蒸餾的起源
7.3.2 多種傳遞形式的知識蒸餾
7.3.3 知識蒸餾應用於自然語言生成
7.3.4 BERT模型蒸餾
7.4 組貨推薦
7.4.1 同款匹配
7.4.2 組貨搭配
7.4.3 服飾搭配
第8章 全域中控
8.1 流量中控
8.2 在線動態廣告分配
8.3 目標動態規劃

本書是阿裡巴巴CBU技術部深耕B2B電商15年的經驗總結。阿裡巴巴B2B在戰略形態上經歷了信息平臺、交易平臺和營銷平臺的升級迭代，本書聚焦營銷平臺商業形態背後的算法和技術能力，試圖從技術和商業互為驅動的視角闡述技術如何賦能業務，並結合阿裡巴巴集團在基礎設施和算法創新上的沉澱，打造出智能B2B商業操作繫統。 具體內容方面，結合阿裡巴巴B2B電商業務場景，深度解析算法對用戶、商品、商家的精準刻畫，圍繞搜索、推薦、營銷、直播、端智能等場景建模，還原商業視角的技術思考和落地方法。 第1章從技術角度介紹了阿裡提出的“人、貨、廠、商”四位一體的電商核心要素，揭秘了阿裡是如何同時做到在消費端和供給端提高效率的。 第2章重點講解了算法落地依賴的工程繫統，包括搜索引擎、推薦引擎和實時數據工程。 第3章聚焦搜索算法，核心是基於Query理解的導航和搜索排序算法。 第4章等

阿裡集團 新零售技術事業群 CBU技術部 著