现有广告主对应的店铺或者品牌下有众多的商品，广告主在进行广告投放时无法有效地根据推广目标（点击、转化、或兼顾）进行选品，另一方面，在知道投放的商品时，无法给已知的人群进行细化，挑选细质人群进行投放；因此，研究了机器学习模型对广告主的投放进行合理指导，提高广告主的投放效率。

传统优惠券发放大多根据运营经验随机发放。实际上每个用户的价格弹性系数均不相同，因此可以结合用户自身的价格弹性来分配优惠券。力求在有限成本下，通过千人千面的券面额发放达到提高转化、收入等目标。因此研究了个性化优惠券模型

项目描述： 京东广告数据部为了给广告主提供合理规划渠道营销预算，实现ROI最大化，而提出的一种归因模型。该模型是考虑转化路径上的每个接触点，从整体角度分析不同的广告投放对转化的贡献。采用LSTM+Shapley Value计算广告点击对于用户下单转化的贡献值，首先利用LSTM预测不同转化路径下用户下单的概率，然后利用Shapley Value计算每个触点对下单的贡献。 项目职责：  负责整体Pipeline框架的设计以及开发，对接不同业务线为广告主提供服务；  利用Tensorflow搭建RNN模型，开发大数据量下的分布式框架，并提供实时服务；  优化模型，将第一版效果AUC从0.67提高到0.89。