提升電商搜索GMV產品策略之淺見(二)召回排序篇
編輯導語:電商搜索從狹義來看,是電商平臺的商品搜索。在上篇文章里,作者從三個角度講述了什么是電商搜索,闡述了提升搜索UV占比的策略和提升點擊率的前端產品策略。本篇文章里,作者從召回和排序兩個環節對提升點擊的后端產品策略作了介紹,一起來看一下。
在《提升電商搜索GMV產品策略之淺見(之一)》中,我們從三個角度看電商搜索,然后將搜索GMV從交易路徑的角度進行了分解為=網站UV*搜索UV占比*點擊UV占比*購買UV占比*客單價,然后重點闡明提升搜索UV占比的策略和提升點擊率的前端產品策略。
本文講提升點擊的后端產品策略,主要從召回和排序兩個環節進行闡述。
要提升搜索點擊率,不僅要供應鏈提供豐富的好商品,系統能將商品搜出來(召回策略),還要將好商品排在前面。否則用戶可能不愿意繼續往下看而放棄,也會影響點擊率。
搜出來是召回問題,將好商品排在前面,是排序問題。
一、電商搜索召回策略
搜索的召回主要有字符表層匹配的召回和深度理解的召回。前者根據用戶的搜索詞和商品進行匹配,根據命中程度召回。在電商領域,參與召回的字段主要有商品標題、賣點、亮點、核心屬性,在發生無少結果的時候,商品的品類也會參與召回。同時針對上述字段的同義詞、近義詞、上下位詞、俗稱、別名等也需要事前建立知識詞典,參與召回。
在上述召回及改寫之后,如果召回結果依然比較少,甚至沒有的情況下,進行改寫和丟詞召回。
與基于表層字符完全匹配的召回不同,基于深度理解基于語義的深層理解,而不需要在字符表層匹配的約束下,進行召回語義匹配的商品。這種方法是通過構建Query和商品向量,計算兩個向量之間相似度得分進而確定二者相關性,其原理可以參見:https://www.jianshu.com/p/7d4c65a66cac。
在實踐上,我們可以參見京東電商搜索中的語義檢索與商品排序:https://www.6aiq.com/article/1591222526206
這樣,query=‘2-3 周歲寶寶玩具’可以召回 ‘托馬斯小火車’這樣的商品。
另外,對于多渠道融合的電商而言,在商品來源設計基于商品分級的多路召回:每一路召回給予一定的配額。
- 優質好貨(XX%份額);
- 拼購好貨(XX%份額);
- O2O貨(XX%份額);
- 通貨打底(XX%份額)。
同時在召回之前,還要進行可售性校驗:校驗商品的可售屬性,如果商品沒有達到可售或者流量分配前置條件,將不被召回。
- 有價校驗:召回的商品必須包含價格,沒有維護價格的商品不可能產生銷售,不被召回;
- 類目校驗:召回的商品必須包含類目,流量分配都會用到商品的類目,沒有類目的商品不被召回;
- 銷售范圍校驗:召回的商品必須維護銷售范圍,沒有設置銷售范圍的商品尋源上無法定位,不被召回;
- 上下架校驗:召回的商品必須是上架商品,下架的商品不被召回。
商品信息更新
- 實時更新:上下架、庫存、價格、銷量、訂單量、類目、屬性、標題、賣點、圖片進行實時更新;
- 增量更新:新發布商品按照增量更新機制,根據各個公司的系統能力,有秒級更新和分鐘級更新;
- 全量更新:凌晨跑平臺全量數據進行更新。
二、搜索排序策略
我們先看排序的金字塔式的結構:
- 類目模型:搜索詞意圖與商品類型一致性強弱,比如搜索詞“手機”,與搜索意圖相關的商品是手機,而不是手機配件,不如手機殼,手機電池等即使每天搜索量、成交GMV都比手機多的品類商品。
- 文本模型:從文本角度計算Query與Item之間精準度(相關性)得分;
- 傳統方法:命中關鍵詞個數、命中字段類型、命中的順序、關鍵詞重要性等有關,精準度優先級;
- 精準匹配:優先詞序一致的商品(優先無顛倒、無拆詞、無空格);
- 擴展匹配:擴展到同義詞、近義詞、相關詞;
- 中心匹配(無少結果丟詞召回):所有關鍵詞精準匹配無法滿足時,根據主關鍵詞匹配;
- 補全匹配:經過中心匹配還無法召回商品,根據三級類目召回商品;
- 深度學習方法:計算語義相似度得分;
- 供應商模型:通過店鋪的流量、轉化、服務、售后四維度表現來決定店鋪等級;考核項目主要包括:日均流量規模、沉淀的粉絲規模、上新率、售罄率、滯銷商品數、滯銷占比、詢單轉化率、物流時效和糾紛自解決能力;
- 服務模型:評價店鋪的服務能力,考核項目包括;
- 客服服務能力:在線客服時長、客服響應時長(45S響應率)、客服接通率、客服滿意度;
- 物流:24小時及時發貨率、延遲發貨率;服務專業水平:詢單轉化率;
- 售后服務能力:退貨率、退貨及時率、退款率、退款及時率;
- 投訴處理能力:投訴率、投訴及時完結率、退款糾紛率;
- 公平性水平:糾紛介入率;
- 評價模型:衡量商品的評價質量;
- 評價數、評價率、好評率、差評數、差評及時回復率、視頻評價數、圖片評價數、中差評治理率;
- 人氣模型:衡量商品受用戶歡迎程度;
- 銷售量、銷售額、加購量、關注/收藏量、曝光點擊率、訂單轉化率;
- 個性化模型:單純人氣模型不足,主坑位爆款多、客單價低、搜索結果豐富性差;采用個性化,人貨場互動+商品標簽+用戶標簽,匹配更精準變現更強。
1)搜索個性化
在策略上根據行為的強弱使用三種方式的個性化,分別是:
① 強互動的個性化
搜索核心人群(人貨發生過直接交互):系統對N天內瀏覽/點擊/收藏/關注/成交的店鋪/商品的粉絲搜索時,提升該店商品排名。
提升幅度視商品質量、商品與粉絲畫像及搜索意圖的匹配程度而定,搜索曝光量優先傾向店鋪優質粉絲,店鋪優質粉絲越多,店鋪額外獲得的流量越大。
② 弱互動的個性化
搜索潛在人群(人貨無直接交互):系統向同類店鋪的粉絲擴散,或者向類商品(類目相同、品牌定位相同、價位相同)的粉絲擴散,擴散人群稱為本店鋪/商品的潛在人群,擴散程度根據曝光產值來伸縮。
③ 無互動的人貨畫像匹配的個性化
品牌、品類、性別、年齡、區域(市場)、購買力偏好、功能屬性等人貨匹配程度。
2)個性化的交互設計
個性化不僅體現在流量分配策略上,也可以體現在交互設計上,這些措施包括:
① 貨品記憶:拼單過的品、拼過的店。
② 現場記憶:比如系統記住了上次搜索詞。
3)個性化維度
行為密集的個性化比較好做,比如高頻業務的個性化主要以用戶行為作為線索理解用戶的潛在意圖,進行基于意圖的直接推薦和新穎性發散推薦。
對于行為稀疏(業務特性)主要采用群體差異化(旅游業務、租房業務、家電3C電商業務、二手車業務),這些個性化維度包括基于人群、地域、渠道、城市分層、場景進行用戶聚類,按照聚類出的群體設計差異化的策略。
- 基于地域的差異化:地域范圍的消費偏好、品牌偏好等;比如東北地區搜索:羽絨服,應該出比較厚的羽絨服排在前面,深圳的用戶搜索:羽絨服,應該出比較輕薄的羽絨服。
- 基于人群:城市白領、高校學生、高端人群、小鎮青年、Z世代。
- 基于城市:一線城市(核心區域)、新一線城市、二線城市。
- 基于渠道:主站APP、快手渠道、微信渠道、頭條渠道。
- 基于場景:促銷場景、營銷產品、新人場景。
三、搜索B端支撐工具(給供應商使用)
給供應商開放的搜索數據包括:搜索數據、搜不出來原因,排名情況和排名不佳原因診斷,以及提升方法。
排名診斷和排名提升方法開放都比較晦澀,猜想主要是基于系統規則不方便直接告訴商家,所以存在淘寶運營大學和京東培訓第三方服務機構(京東書生公眾號可以查這方面信息)存在的價值。
下一篇講電商搜索的場景和動線。場景和動線對用戶完成消費引導,提供身臨其境的消費環境,這方面在線上闡述的比較少,我主要談談個人的一點思考和行業的一些案例。
大家對文中策略和觀點有什么看法和意見,歡迎評論區留言討論。
#專欄作家#
毛新年,公眾號:資深電商專家毛新年,人人都是產品經理專欄作家。起點學院講師,2021年B端產品經理大會演講嘉賓。主導搭建主流電商平臺搜索推薦商品三大體系,熟悉電商平臺策略-產品-運營-數據及研發各環節。
本文原創發布于人人都是產品經理,未經許可,禁止轉載
題圖來自Unsplash,基于CC0協議。
弱互動的個性化是指把同類/同價位/同品牌定位的商品提高排名權重嗎?有點沒懂,望解答
修改后在審核,明天就OK啦
歡迎關注和轉發