商业化推荐系统服务应用实战

1. 内容经典：涵盖从推荐服务的商业创新模式到需求与解决方案管理、商业化版本发布、工作流支持以及绩效KPI体系设计和跨职能团队的沟通技术等内容2. 实用性强：知识经验与实例相结合，从不同角度详细阐述说明了商业化推荐服务领域各部分的内容

本书主要从企业的商业模式出发，结合作者对企业生命周期发展阶段的分析和判断，对如何设计与实施推荐系统服务的商业化过程和相关业务实践进行介绍和分享。本书涵盖了从推荐服务的商业创新模式到需求与解决方案管理、商业化版本发布、工作流支持以及绩效KPI体系设计和跨职能团队的沟通技术等方面的内容，着重体现了现代商业化产品生态中，跨职能团队的密切协作与商业化服务的可靠交付的价值。本书适合软件创新型企业的团队领导者、决策者阅读，同时对希望通过商业智能技术对企业进行转型的领导者、执行者也有指导作用。

张乐，SAP高级技术专家，有13年的IT从业及产品开发经验。具有丰富的数据产品业务分析、研发设计、质量测试评估、部署发布的产品全流程经验。曾从事多款数据库和数据仓库产品的设计研发和质量测评，是多项相关国际专利的合著者。目前主要研究方向为原生云数据库和企业智能数据产品质量指标体系设计和质量评估优化。

前言
第1章 商业化推荐服务
1.1 从推荐开始的商业创新
1.1.1 商业模式识别与推荐服务
1.1.2 企业生命周期视角下的推荐服务
1.2 商业化推荐系统服务的企业驱动力
1.3 小结
第2章 商业化推荐服务的需求管理
2.1 需求的出发点和分析
2.2 需求的演进：伴随业务更新的变更
2.3 小结
第3章 商业化推荐服务解决方案
3.1 从提供服务到解决方案的进化之路
3.2 深入客户业务的解决方案
3.2.1 客户需要的答案
3.2.2 回答问题：来自解决方案的业务坐标
3.2.3 推荐服务的业务交付
3.3 推荐服务使用的技术
3.3.1 选择正确的方向
3.3.2 推荐服务中的算法模型
3.3.3 推荐服务的上下文环境
3.3.4 推荐服务的冷启动
3.4 小结
第4章 服务建模与商业化发布
4.1 使用版本控制的建模体系
4.2 商业化API与定价
4.2.1 选择：设计优先还是API优先
4.2.2 机器学习服务API设计
4.2.3 商业化API定价策略
4.3 使用SDK向客户的端到端交付
4.3.1 SDK架构设计
4.3.2 SDK商业化定价
4.4 小结
第5章 支撑商业化推荐服务的高效工作流
5.1 构建稳定可靠的流水线
5.2 工作流的可持续性设计
5.2.1 工作流中的参数评估
5.2.2 流水线中的模型版本管理
5.3 小结
第6章 商业化推荐服务的绩效KPI体系设计
6.1 竞技场中的对手：竞品分析
6.2 让服务运营交付保持状态：绩效KPI指标体系
6.3 小结
第7章 商业化高级技能：跨职能沟通技术
7.1 围绕商业价值的技术营销
7.2 在需求管理中有效沟通
7.3 让团队在问题的解决中成长
7.4 服务上线运营中的跨职能沟通
7.5 小结
第8章 商业化推荐服务案例：餐饮业务整合推荐服务
8.1 企业的难题
8.2 拿出解决方案
8.3 使用正确合理的推荐系统提升商业价值
8.4 小结
附录
附录A 机器学习相关重要论文
附录B 绩效KPI体系设计与通用示例