精准度与误差的概念是相辅相成的，精确度高，误差就（）

A.关键词要用工具挖掘出来，跟企业产品相关的所有关键词，数量越多精准度就越高

B.通过逆向思维，分析用户的搜索目的以及搜索习惯，寻找有效流量

C.关键词一定要选择搜索量很大、较宽泛的词，这样精准度就高

D.网站关键词一定要选择较生僻的关键词，很容易做出排名，极容易带来大量精准度高的访客

A.对企业产品或者网站定位精准度高的词语

B.产品或者网站业务扩展出来的关键词

C.即将可能成为搜索用户使用并且找到网站的关键词

A.受众基数大

B.销售成本低

C.定位精准，信息到达率高

D.诚信度高，客户易接受

A. 整合信息资源，提高稽查选案精准度

B. 深度利用数据，准确判定被查企业的涉税疑点

C. 建立案源数据库，夯实信息基础

D. 实施团队化系统作战

A、机器学习模型的精准度越高，则模型的性能越好

B、增加模型的复杂度，总能减小测试样本误差

C、增加模型的复杂度，总能减小训练样本误差

D、都不对

亚马逊的“读心术” 精准的推荐、心水的价格、充足的库存以及高效率的配货，在你还未下单之前，亚马逊早已使用“读心术”并作出预测，为你计划好了一整套井井有条的购物体验。作为电商巨头的鼻祖，二十几年来依然占领着电商界前几名位置，亚马逊自家的大数据系统是当之无愧的大功臣。 “数据就是力量”，这是亚马逊的成功格言。EKN研究的最新报告显示，80%的电子商务巨头都认为亚马逊的数据分析成熟度远远超过同行。亚马逊利用其20亿用户账户的大数据，通过预测分析140万台服务器上的10个亿GB的数据来促进销量的增长。亚马逊追踪你在电商网站和APP上的一切行为，尽可能多地收集信息。你可以看一下亚马逊的“账户”部分，就能发现其强大的账户管理，这也是为收集用户数据服务的。主页上有不同的部分，例如“愿望清单”、“为你推荐”、“浏览历史”、“与你浏览过的相关商品”、“购买此商品的用户也买了”，亚马逊保持对用户行为的追踪，为用户提供卓越的个性化购物体验。 灵活利用Hadoop技术 亚马逊通过多种工具在云端扩展其大数据应用，如数据储存、数据收集、数据处理、数据分享和数据合作。亚马逊灵活的MapReduce程序建立在Hadoop框架的顶端，两者很好地互补，帮助零售商高效地管理和利用分析平台。具体来说零售商店15亿的产品目录数据，能通过200个实现中心在全球传播并储存在亚马逊的S3界面中，每周进行将近5亿次更新。同时S3界面上数据的产品目录每三十分钟都要进行分析并发送到不同的数据库。 个性化推荐 通过向用户提供建议，亚马逊获得了10%到30%的附加利润。拥有两百万销售商，跨越10个国家，为近20亿顾客服务，亚马逊利用其超先进的数据驾驭技术向用户提供个性化推荐。毫无疑问亚马逊是挖掘大数据提供个性化服务的先驱，它通过提供策划好的购物体验诱导用户买买买。亚马逊个性推荐的算法包含多种因素，向用户推荐商品前，要分析例如购买历史、浏览历史、朋友影响、特定商品趋势、社会媒体上流行产品的广告、购买历史相似的用户所购买的商品等等。为了向用户提供更好的服务，亚马逊一直在不断改进推荐算法。 当然，个性化推荐不仅仅针对用户，电商市场上的销售商也能收到来自亚马逊靠谱的建议。一般来说销售商有普遍如下问题：该添加什么新产品？需要保持多少库存才能满足顾客对某一特定商品的需求？如何通过提供更多选择和优化服务来提高顾客满意度？ 亚马逊自称其在销售商上的巨大成功是因为它们向销售商提供库存量的建议，例如向他们推荐可以在库存中加入的新产品，推荐特定产品的最佳配送模式等等。平均下来，亚马逊的每位销售商的产品目录列表都会得到超过100条建议。亚马逊为销售商提供的最受欢迎的建议之一就是关于库存脱销，推荐算法为特定销售商分析销售量和库存量，这简直是解决库存管理问题的神助攻，要知道优化库存管理对销售商来说一直是非常具有挑战的环节。基于这些因素，亚马逊的推荐算法可以提出预期产品需求的建议，以便销售商在亚马逊上及时补充库存，二者达成共赢。 动态价格优化 在零售市场，价格优化是一个重要的因素，因为零售商们都会想尽办法给每一件商品制定最好的价格。价格的管理在亚马逊会被严密地监控，以达到吸引顾客、打败其他竞争者和增长利润的目的。 动态的价格浮动推动亚马逊的盈利平均增长了25%，而且他们通过每时每刻的监控来保持着自己的竞争力。从2012-2013年，亚马逊的销量提高了27.2%，这使他们第一次跻身全美前十零售商的榜单。通过分析不同来源的数据，比如顾客在网页的浏览活动、某件商品在仓库中的存货、同一件商品不同竞争商家的定价、历史订单、对某件商品的偏好、对商品的预期利润等等，亚马逊的产品价格制订策略的实时价格调控得以实现。每隔十分钟，亚马逊就会改变一次网站上商品的价格。 顾客往往会发现亚马逊商品的价格总是全网最低，这就是得益于亚马逊的动态价格策略。亚马逊的动态定价算法每小时会调整几次每件商品的价格，以此更好地利用人们对于价格的觉察的心理。机智的是亚马逊为最好卖的商品提供大幅的折扣，同时在稍微不那么火的商品中攫取更多的利润。举个例子，亚马逊对一款卖的最好的智能手机的定价比同行低了25%，与此同时，另一款相对不那么受欢迎的智能手机却在亚马逊上卖得比其他网站贵了10%。Boomerang Commerce上的一份分析报告指出，在任何季节里，亚马逊不一定真的是某一样商品卖的最便宜的商家。但它在高人气和畅销商品中一贯的低价让消费者产生了亚马逊上总体商品的价格甚至比沃尔玛还划算的感觉。 在亚马逊上，既有不少因为亚马逊的动态价格调整而省下了一大笔的心满意足的顾客，也不乏那些因为没有在最佳时机买买买而扼腕叹息的顾客。其中一个关于动态价格调整的最好的例子，就是亚马逊先把星球大战整套Blu-ray猛降到$70，然后在一周之后又把价格提到$134。捡到这个大便宜的顾客当然超级开心，但那些多给了不少钱的买家可就无比心塞。 供应链优化 尽管亚马逊把它的成功归功于提高用户的购物体验，但事实上，是强大的供应链和满足需求的能力让这句话免于流为空谈。CapGemini的一项调查显示，当他们的订单不能按时被满足时，89%的美国消费者宁愿去其他地方继续他们的购买。在强大的供应链优化作用之下，沃尔玛每运五十万件商品，亚马逊已经运出了一千万件。 亚马逊与生产商有着实时的联系，根据数据追踪存货需求来为客户提供当日/次日配送的选择。亚马逊运用大数据系统，权衡供应商间的邻近度和客户间的邻近度，从而挑选最合适的数据仓库，从而最大化降低配送成本。大数据系统帮助亚马逊预测所需的数据仓库数目和每个仓库应有的容量。同时，亚马逊还通过运用图论选择最佳时间安排、路线和产品分类来把配送成本降到最低。 预测式购物——下单之前就发货 不满足于传统的个性化推荐，亚马逊正在努力将这种个性化推荐提升到另一个层次。近日亚马逊获得了一项“预测式购物”新专利。通过这项专利，亚马逊将根据消费者的购物偏好，提前将他们可能购买的商品配送到距离最近的快递仓库，一旦购买者下了订单，立刻商品就能送到家门口。这将大大降低货物运输时间，同时对实体店的竞争同行也是一次重创。这项专利意味着预见性分析系统将会变得非常精确，以至于它可以预测顾客什么时候和将会购买什么产品。 不过，如果大数据算法在预测上出错，亚马逊将有可能面临着承受来回运送商品物流成本的困难。未来关于预测式购物的问题还会有不少，亚马逊到底如何在保持自身竞争力的同时解决这些棘手的问题，我们拭目以待。 结合以上案例： （1）试分析亚马逊是如何利用大数据技术练就了“读心术”。 （2）你如何理解“数据就是力量”这句话？ （3）请分析大数据为亚马逊带来的机遇和挑战。

B.攻击对象分散、范围大

C.安全专家很难追踪

D.攻击基准度更高

A．读懂消费者

B．清楚精准地展示传播主张

C．考虑容量大的媒体

D．内容要富于故事价值

A、脱贫速度明显提高

B、精准度明显提高

C、认同度明显提高

D、满意度明显提高