實(shí)時推薦
悅數(shù)圖數(shù)據(jù)庫擁有強(qiáng)大的原生圖引擎提供低延遲的讀寫和高吞吐量,，
輕松實(shí)現(xiàn)大數(shù)據(jù)驅(qū)動的精準(zhǔn)營銷,，被廣泛應(yīng)用于用戶畫像分析,、個性化推薦等場景。
有效的推薦為何如此重要
有效的推薦是帶來流量的重要手段,。圖數(shù)據(jù)技術(shù)通過即時處理訪問者生成的實(shí)時信息,、瀏覽行為和歷史偏好，可以對文章,、視頻,、產(chǎn)品和服務(wù)做出準(zhǔn)確的推薦，同時還能與地理位置（POI）等信息結(jié)合,，給用戶實(shí)時實(shí)地推薦更合適的商家,，讓平臺提供的推薦信息更具有吸引力,。
圖技術(shù)與傳統(tǒng)推薦手段的區(qū)別,？
高昂 VS 低改動成本
由于在關(guān)系型數(shù)據(jù)庫中所有的數(shù)據(jù)庫模式都需要提前定義，當(dāng)數(shù)據(jù)量和維度快速增加時,，所需的改動成本也會更加高昂
滯后 vs 實(shí)時推薦
基于內(nèi)容的過濾等目前流行的推薦算法依賴快速遍歷不斷增長和高度互聯(lián)的數(shù)據(jù)集,，傳統(tǒng)數(shù)據(jù)存儲方式在處理關(guān)聯(lián)數(shù)據(jù)時效率較低
模糊 vs 精準(zhǔn)推薦
由于數(shù)據(jù)維度和視圖的缺失常常導(dǎo)致推薦結(jié)果不夠準(zhǔn)確，圖技術(shù)能夠提供實(shí)時的上下文洞察,，圍繞用戶行為提供更精準(zhǔn)的推薦建議
同樣的場景,，可以使用關(guān)系型數(shù)據(jù)庫嗎?
面對億萬級用戶和實(shí)時產(chǎn)生的大量交互數(shù)據(jù)，使用傳統(tǒng)數(shù)據(jù)庫很難快速深度探索數(shù)據(jù)間關(guān)聯(lián)關(guān)系,。而要作出有效的實(shí)時建議,，數(shù)據(jù)平臺必須了解實(shí)體之間的關(guān)系,，以及這些關(guān)聯(lián)的質(zhì)量和強(qiáng)度。 只有圖技術(shù)能夠根據(jù)用戶購買,、交互和評論有效跟蹤這些關(guān)系,，以提供對客戶需求和產(chǎn)品趨勢最有意義的深刻見解。
使用悅數(shù)圖數(shù)據(jù)庫的優(yōu)勢
精準(zhǔn)高效的實(shí)時推薦效果
使用收益
靈活的設(shè)計模式
在關(guān)系型數(shù)據(jù)庫中所有的數(shù)據(jù)庫模式都需要提前定義,，后續(xù)改動代價高昂,。而圖模型中，只需要重新增加模式定義再局部調(diào)整圖數(shù)據(jù),，便可完成在原有的數(shù)據(jù)源上增加標(biāo)簽或添加屬性
高效的關(guān)聯(lián)查詢
在用圖數(shù)據(jù)庫存儲的知識圖譜中,，可以通過查詢實(shí)體的邊和其邊上的標(biāo)簽來快速地獲取與其相聯(lián)系的另一實(shí)體，而不用再進(jìn)行各種表的關(guān)聯(lián)操作,，關(guān)系查詢的效率顯著提高
精準(zhǔn)的實(shí)時推薦
圖數(shù)據(jù)庫可以有效地關(guān)聯(lián)消費(fèi)者標(biāo)簽,、購買行為和售賣商品等多維度信息，結(jié)合圖算法為客戶提供精準(zhǔn)實(shí)時的個性化推薦,，幫助企業(yè)大幅度提高營銷轉(zhuǎn)化效率
