中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語(yǔ)：近年來(lái)，各互聯(lián)網(wǎng)產(chǎn)品的流量分發(fā)策略被媒體或企業(yè)推上風(fēng)口成為討論的焦點(diǎn)，使得相關(guān)產(chǎn)學(xué)研運(yùn)人才的行業(yè)價(jià)值也水漲船高。那么，流量分發(fā)到底有什么樣的魅力呢？本文作者分析了不同類型電商的流量分發(fā)。

我們先來(lái)理解下流量分發(fā)，顧名思義就是流量分發(fā)至各個(gè)渠道進(jìn)行價(jià)值最大化的過(guò)程。根據(jù)目標(biāo)不同，分發(fā)策略也不盡相同。

這里面包含了多種用戶觸達(dá)渠道，比如：個(gè)性化推薦渠道、搜索渠道、push渠道、社會(huì)化營(yíng)銷等渠道。

今天，我們就不同類型電商產(chǎn)品的流量分發(fā)，以其中個(gè)性化推薦這個(gè)渠道為例，圍繞以下幾點(diǎn)進(jìn)行展開(kāi)：

一、當(dāng)下電商的的幾種形態(tài)

一種是我們熟知的京東、蘇寧、拼多多，這種傳統(tǒng)貨架式電商。

一種是快手抖音淘寶直播這種帶貨式內(nèi)容電商。

二、不同形態(tài)電商的幾個(gè)不同點(diǎn)

1. 產(chǎn)品定位：抖音快手這類內(nèi)容電商，現(xiàn)階段的電商帶貨仍然處在探索期，并沒(méi)有完全轉(zhuǎn)型，本質(zhì)還是社交產(chǎn)品；即使目前快手和京東的合作，都只是借用了京東的供應(yīng)鏈能力，抖音雖然自建抖音小店，但是也仍舊是引流為主，目前都仍屬于二級(jí)電商；都是依靠?jī)?nèi)容起家，核心仍然是用戶對(duì)碎片化時(shí)間的消費(fèi)；而京東蘇寧拼多多，本質(zhì)上就是交易類電商產(chǎn)品，核心主要是用戶對(duì)商品的消費(fèi)。
2. 核心鏈路：抖音快手主要是觀看、互動(dòng)、關(guān)注、收藏，核心鏈路不涉及交易；而京東蘇寧拼多多，主要是訪問(wèn)、加購(gòu)、提交訂單、支付、售后，核心鏈路圍繞交易變現(xiàn)展開(kāi)。
3. 供應(yīng)鏈能力：新起內(nèi)容電商沒(méi)有供應(yīng)鏈能力，老牌貨架式電商已經(jīng)對(duì)供應(yīng)鏈能力沉淀了多年。
4. 消費(fèi)場(chǎng)景與業(yè)務(wù)模式：抖音快手對(duì)于消費(fèi)者而言，都是一個(gè)比較簡(jiǎn)單而清晰的平臺(tái)，大多數(shù)以 feed流為主，滑動(dòng)、點(diǎn)贊、關(guān)注，使用起來(lái)操作很簡(jiǎn)單，場(chǎng)景較為單一，是輕業(yè)務(wù)模式；而貨架式電商，使用流程雖然也并不復(fù)雜，但是購(gòu)物鏈路較長(zhǎng)，購(gòu)前、購(gòu)中、購(gòu)后、客服、售后等環(huán)節(jié)，場(chǎng)景復(fù)雜且較多，是重業(yè)務(wù)模式。

綜合以上幾點(diǎn)，社交和電商，一個(gè)是以消遣為主，一個(gè)是以消費(fèi)為主。

消遣型產(chǎn)品手握流量，消費(fèi)型產(chǎn)品手握供應(yīng)鏈；一個(gè)是輕業(yè)務(wù)，一個(gè)是重業(yè)務(wù)；一個(gè)是流量的起點(diǎn)，一個(gè)是流量的終點(diǎn)。

當(dāng)消遣型產(chǎn)品在流量充足的前提下，尋找更多變現(xiàn)手段來(lái)創(chuàng)造更大想象空間來(lái)獲取更高估值或者更多資金進(jìn)行發(fā)展經(jīng)營(yíng)時(shí)，電商一直都是很好的變現(xiàn)手段；所以我們可以看到抖音，快手的電商化。

同理，淘寶是流量的終點(diǎn)，當(dāng)流量的轉(zhuǎn)化遇到瓶頸時(shí)，為了保證市場(chǎng)份額和GMV，只能繼續(xù)獲取更多流量，我們看到了淘寶的電商內(nèi)容化；目前天貓、蘇寧、京東、拼多多中也有內(nèi)容化發(fā)展，只是暫時(shí)還是以貨架式電商為主。

三、在貨架式電商中，抽象出消費(fèi)場(chǎng)景的一些經(jīng)驗(yàn)

上文提到貨架式電商鏈路較長(zhǎng)，場(chǎng)景較為復(fù)雜，所以對(duì)流量分發(fā)的策略，要分場(chǎng)景進(jìn)行定向分發(fā)。

比如：購(gòu)中，提交訂單頁(yè)面，對(duì)于湊單滿減這種場(chǎng)景，是不能夠和購(gòu)前的首頁(yè)猜你喜歡使用相同的流量分發(fā)策略的；但是，又不能一個(gè)場(chǎng)景一個(gè)策略，這樣會(huì)分散產(chǎn)研運(yùn)的精力；所以，抽象歸類是非常重要的一個(gè)環(huán)節(jié)。

流量域是一個(gè)很好的抽象維度，比如：首頁(yè)的各種商品主題入口、內(nèi)容頻道，這些公域流量場(chǎng)景，可以歸為一類。

首頁(yè)對(duì)于電商而言，意義特殊，我們單獨(dú)定義為另一類，同理，搜索結(jié)果頁(yè)也是單獨(dú)的一類；對(duì)于頻道頁(yè)，無(wú)論是各業(yè)務(wù)線還是各行業(yè)線，都是各業(yè)務(wù)或者行業(yè)運(yùn)營(yíng)精細(xì)化的主陣地，所推商品都是各業(yè)務(wù)線或者各行業(yè)線的獨(dú)立商品池，暫時(shí)歸為一類，屬于私域流量，同理還有促銷頁(yè)；在有就是店鋪?lái)?yè)，完全是店鋪內(nèi)商品的分發(fā)，暫時(shí)也是單獨(dú)歸為一類，屬于私域流量。

諸如此類，我們可以先抽象出幾類場(chǎng)景，然后在結(jié)合其他維度，建立一個(gè)三維或者多維的模型網(wǎng)絡(luò)，這樣就可以根據(jù)交點(diǎn)找到抽象后的歸類結(jié)果。

比如：大促期間的促銷頁(yè)，當(dāng)碰上不同業(yè)務(wù)時(shí)，比如遇上百億補(bǔ)貼，和遇上海選報(bào)名，分發(fā)策略就完全不同；這兩個(gè)場(chǎng)景，就是在二維模型網(wǎng)絡(luò)中的兩個(gè)交點(diǎn)。

如果在根據(jù)不同產(chǎn)品類型（比如榜單，或者feed流產(chǎn)品形式）來(lái)區(qū)分，就是在三維模型網(wǎng)絡(luò)中的多個(gè)交點(diǎn)；當(dāng)在促銷頁(yè)，百億補(bǔ)貼的榜單這個(gè)場(chǎng)景下，和促銷頁(yè)、海選報(bào)名的feed流場(chǎng)景，就是不同的分發(fā)策略。

所以，對(duì)于貨架式電商，分發(fā)策略要相對(duì)復(fù)雜而不容易統(tǒng)一，且對(duì)商家獲取流量的規(guī)則也不是很好理解；針對(duì)一些規(guī)則，在場(chǎng)景覆蓋上也不是很全面，只能通過(guò)建立分場(chǎng)景的分發(fā)策略來(lái)解決人貨的匹配。

四、搭建個(gè)性化推薦系統(tǒng)的思路

我們先要明確的是不同類型電商產(chǎn)品要解決什么問(wèn)題？

抖音快手解決的是用戶場(chǎng)景和內(nèi)容的問(wèn)題，簡(jiǎn)單來(lái)說(shuō)是誰(shuí)在哪想看點(diǎn)啥；淘寶直播解決的是用戶當(dāng)下時(shí)間和商品的關(guān)系，簡(jiǎn)單來(lái)說(shuō)是誰(shuí)現(xiàn)在想看啥買啥；天貓?zhí)K寧京東拼多多解決的是人貨場(chǎng)的問(wèn)題，簡(jiǎn)單來(lái)說(shuō)是誰(shuí)什么場(chǎng)景下想買啥。

一個(gè)強(qiáng)調(diào)看的內(nèi)容，一個(gè)強(qiáng)調(diào)當(dāng)下關(guān)注的商品，一個(gè)強(qiáng)調(diào)不同場(chǎng)景下關(guān)注的商品；所以個(gè)性化推進(jìn)落地時(shí)，對(duì)消費(fèi)者一側(cè)的側(cè)重點(diǎn)是不同的。

當(dāng)我們明確了問(wèn)題，也可以定義出場(chǎng)景的時(shí)候，剩下的就是考慮在這些場(chǎng)景下如何做個(gè)性化推薦了。

比如：抖音、快手，在個(gè)性化推薦的時(shí)候，場(chǎng)景單一，主要考慮的還是內(nèi)容側(cè)的特征多一點(diǎn)。

比如：橫豎屏的差異、拍攝時(shí)長(zhǎng)是否適宜碎片化時(shí)間瀏覽、標(biāo)題是否簡(jiǎn)明扼要帶有懸疑等抓住用戶獵奇心理等特點(diǎn)、封面是否好看，還有內(nèi)容本身的點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)、完播、觀看時(shí)長(zhǎng)等核心指標(biāo)。然后，再結(jié)合用戶行為、停留時(shí)長(zhǎng)、社交關(guān)系，進(jìn)行用戶偏好意圖獲??；經(jīng)過(guò)召回排序后，在規(guī)則層根據(jù)不同時(shí)期的平臺(tái)規(guī)則進(jìn)行調(diào)整，既能準(zhǔn)確判斷用戶偏好意圖，又使創(chuàng)作者能夠持續(xù)性獲取流量。

另一類是貨架式電商，其本質(zhì)是電商，場(chǎng)景復(fù)雜，按照一事一議的原則，對(duì)場(chǎng)景抽象歸類，然后就是要多考慮商品側(cè)的特征。

比如：標(biāo)題、圖片、品類、品牌、價(jià)格、營(yíng)銷和促銷活動(dòng)，屬性參數(shù)比如服飾顏色尺碼等；在這些特征基礎(chǔ)上，基于用戶行為對(duì)應(yīng)的商品屬性、用戶屬性，進(jìn)行個(gè)性化召回、排序，在結(jié)合上面提到的抽象出來(lái)的歸類場(chǎng)景，在不同場(chǎng)景下進(jìn)行不同策略的分發(fā)。

當(dāng)內(nèi)容與電商相結(jié)合，在內(nèi)容電商方向上進(jìn)行個(gè)性化推薦時(shí)，就要結(jié)合內(nèi)容特征與商品特征；如果內(nèi)容特征重一點(diǎn)，則商品轉(zhuǎn)化情況可能會(huì)受影響，對(duì)原業(yè)務(wù)影響最小。

但是如果商品特征重一點(diǎn)，則對(duì)原社交屬性會(huì)造成威脅，用戶活躍度可能會(huì)受影響，對(duì)新業(yè)務(wù)的推進(jìn)而言會(huì)受到一定的阻礙；在這一塊，就需要研發(fā)人員對(duì)特征進(jìn)行整合和評(píng)估，得出最優(yōu)解。

五、落地方案要兼顧消費(fèi)者和創(chuàng)作者/商家的利益

我們一定要有平臺(tái)的概念。

平臺(tái)，提供的是資源供給和產(chǎn)出消費(fèi)，簡(jiǎn)單來(lái)說(shuō)，平臺(tái)既面向消費(fèi)者，又面向創(chuàng)作者/商家；供給方的需求是簡(jiǎn)單操作即可獲取流量進(jìn)行變現(xiàn)，消費(fèi)方的需求是獲取高質(zhì)量資源滿足當(dāng)下欲望。

如果想在獲取流量繼續(xù)搞增長(zhǎng)的同時(shí)，同步還要來(lái)保證創(chuàng)作者的持續(xù)性投入；就必須為平臺(tái)建立一套規(guī)則，即面向消費(fèi)者，也面向供給方；只有建立一個(gè)公開(kāi)透明的流量獲取規(guī)則，才可以盤活創(chuàng)作者/商家，保證他們的流量來(lái)源。

六、會(huì)影響到落地效果的幾個(gè)注意點(diǎn)

在梳理這個(gè)經(jīng)驗(yàn)之前，我們先明確下推薦算法，推薦策略，推薦系統(tǒng)這幾個(gè)名詞的概念。

其實(shí)，看似相同卻不相同。

推薦算法是學(xué)術(shù)界名詞，其實(shí)是由多種數(shù)學(xué)算法經(jīng)過(guò)不斷篩選組合而形成的綜合模型。

推薦策略，則是指有人參與制定規(guī)則的問(wèn)題解決方案；而推薦系統(tǒng)，是學(xué)術(shù)界在工業(yè)界的落地，是一個(gè)相對(duì)復(fù)雜，且包含推薦算法和推薦策略在內(nèi)的系統(tǒng)，一個(gè)完整的推薦系統(tǒng)所涉及的鏈路比較長(zhǎng)，它涵蓋了基礎(chǔ)日志采集/基礎(chǔ)業(yè)務(wù)信息采集-數(shù)據(jù)反饋與處理-數(shù)據(jù)源篩選-召回-粗排-精排-規(guī)則-AB測(cè)試-效果分析等多個(gè)環(huán)節(jié)。

這些環(huán)節(jié)適用于以上每個(gè)產(chǎn)品的個(gè)性化系統(tǒng)，只是大同小異而已，所以不拆開(kāi)對(duì)比，以下可能會(huì)影響到落地效果的幾個(gè)點(diǎn)需要提前規(guī)避：

1. 個(gè)性化推薦

個(gè)性化推薦，都會(huì)依賴大數(shù)據(jù)的采集、基礎(chǔ)信息的采集，無(wú)論是行為日志，還是業(yè)務(wù)數(shù)據(jù)，都是有著高要求的。

比如，設(shè)備唯一標(biāo)識(shí)、會(huì)員唯一標(biāo)識(shí)、會(huì)話唯一標(biāo)識(shí)，在曝光、點(diǎn)擊、訪問(wèn)等日志中的映射，在請(qǐng)求時(shí)的回傳，這些數(shù)據(jù)是否能夠匹配，業(yè)務(wù)信息采集和日志信息的采集是否有遺漏，都會(huì)影響建模。

2. 實(shí)時(shí)反饋數(shù)據(jù)

實(shí)時(shí)數(shù)據(jù)反饋，輸出商品后是否有行為發(fā)生，如何篩選行為數(shù)據(jù)，數(shù)據(jù)中的各字段業(yè)務(wù)背景與含義，篩選條件是否能夠覆蓋需求，這些會(huì)影響反饋的效果。

3. 數(shù)據(jù)處理規(guī)范

數(shù)據(jù)處理規(guī)范，一般是上下游約定，明確各字段的背景與含義，這個(gè)環(huán)節(jié)最容易出的問(wèn)題是上下游信息不同步，導(dǎo)致業(yè)務(wù)變更，影響效果；還有就是清洗時(shí)的要求，比如對(duì)噪點(diǎn)數(shù)據(jù)的剔除等，比如誤觸、極端活躍用戶的某些數(shù)據(jù)等；這些都會(huì)間接影響效果，且在根據(jù)報(bào)表逆向定位時(shí)無(wú)法得出準(zhǔn)確結(jié)論。

4. AB實(shí)驗(yàn)

AB實(shí)驗(yàn)中，正常模型上線之前，算法會(huì)進(jìn)行評(píng)估，原則上離線指標(biāo)優(yōu)于線上指標(biāo)，新模型就具備了上線的前提；但是實(shí)際，離線效果不一定是靠譜的結(jié)果，所以最終進(jìn)行線上AB，是上線前的必經(jīng)之路。

一般都會(huì)做調(diào)用推薦和沒(méi)有調(diào)用推薦之間的AB，這種是調(diào)用方按照UV，進(jìn)行分桶；AB模型的效果，會(huì)通過(guò)模型輸出的數(shù)據(jù)標(biāo)識(shí)，透?jìng)鹘o調(diào)用方，進(jìn)行埋點(diǎn)，進(jìn)而實(shí)現(xiàn)報(bào)表的計(jì)算。

5. 用戶行為較少

用戶行為較少也會(huì)影響結(jié)果，比如在基于用戶行為進(jìn)行分析時(shí)，實(shí)際上是有一些偽命題傾向的；因?yàn)楹茈y準(zhǔn)確判斷用戶的相似性，和商品/內(nèi)容的相似性，就會(huì)存在一些誤導(dǎo)，對(duì)于電商而言；比如，三四線城市用戶，看了進(jìn)口很貴的奶粉，看了國(guó)產(chǎn)很便宜的手機(jī)，因?yàn)樾袨樯伲赡苤皇潜葍r(jià)購(gòu)買的，所以很容易誤判他的消費(fèi)能力；并且在計(jì)算用戶相似性的時(shí)候，也很容易誤導(dǎo)，對(duì)于內(nèi)容而言，同樣適用。

6. 用戶行為不規(guī)律不連續(xù)

還有用戶行為不規(guī)律不連續(xù)，這里主要是在相對(duì)穩(wěn)定的時(shí)間周期上的不規(guī)律和不連續(xù)，比如，N%的人M天來(lái)一次，N和M沒(méi)有固定規(guī)律；這中間，偏好會(huì)變，行為不連續(xù)，即使結(jié)合長(zhǎng)短期行為進(jìn)行召回，也不能夠準(zhǔn)確的判斷用戶意圖；偶爾逛天貓，偶爾看抖音的人，是很難確認(rèn)用戶真實(shí)意圖的，此處的真實(shí)意圖并非是算法算出來(lái)的意圖。

影響用戶決策的因素，除了這些，還有推薦過(guò)程中的商品展示元素、體驗(yàn)、內(nèi)容的封面、內(nèi)容質(zhì)量等基礎(chǔ)數(shù)據(jù)質(zhì)量等因素；如果內(nèi)容基本信息不全、信息匹配不準(zhǔn)、商品參數(shù)錯(cuò)誤不規(guī)范，都很難實(shí)現(xiàn)商品與內(nèi)容的精準(zhǔn)觸達(dá)。

7. 馬太效應(yīng)

其實(shí)，只有當(dāng)系統(tǒng)長(zhǎng)期處于長(zhǎng)尾效應(yīng)時(shí)，才會(huì)影響推薦效果，這種越熱的商品經(jīng)過(guò)推薦會(huì)變的更熱的情況；比如榜單，長(zhǎng)期使用會(huì)造成新鮮度下降，長(zhǎng)期發(fā)展對(duì)于用戶是推薦疲勞，點(diǎn)擊率自然會(huì)下降。

解決的思路主要是如何針對(duì)于頭部商品進(jìn)行降權(quán)，一般通用的比如算法設(shè)計(jì)的時(shí)間衰減，通過(guò)時(shí)間遷移，商品熱度會(huì)降低，還有不同時(shí)期通過(guò)業(yè)務(wù)干預(yù)的方案；比如某類商品的加權(quán)，或者通過(guò)調(diào)整商品池門檻，來(lái)進(jìn)行商品池中的長(zhǎng)尾商品數(shù)量占比。

8. 信息繭房問(wèn)題

類似于抖音早期的個(gè)性化推薦策略，看什么推什么，比如你看了美食就不停推美食，看了土味視頻就會(huì)不停推土味視頻；這種大多數(shù)是基于用戶標(biāo)簽畫像的推薦，這種推薦策略其實(shí)是很多平臺(tái)的主流推薦，因?yàn)橄鄬?duì)靠譜且容易在大范圍內(nèi)應(yīng)用。

不過(guò)缺點(diǎn)明顯，就是信息繭房，沒(méi)有新鮮感，就在一個(gè)圈定的范圍內(nèi)，像抖音后期綜合熱度進(jìn)行推薦；一定程度上，抑制了興趣偏好，使得流量分發(fā)更加的公平公正，也使得用戶能夠接觸更多的信息，幫助用戶不斷地發(fā)現(xiàn)新的偏好，從而跳出繭房。

以上，分享了一些個(gè)人在不同產(chǎn)品的個(gè)性化分發(fā)策略中的觀點(diǎn)，希望能夠和伙伴們進(jìn)行交流，還望對(duì)不合理之處寄予糾正；本次，我們暫時(shí)不基于不同策略，效果等問(wèn)題進(jìn)行展開(kāi)，下回繼續(xù)。

其實(shí)無(wú)論是電商內(nèi)容化，還是內(nèi)容電商化，轉(zhuǎn)型和新的嘗試都會(huì)承擔(dān)觸及企業(yè)營(yíng)收的風(fēng)險(xiǎn)，每一次新的嘗試都會(huì)伴隨陣痛，希望每個(gè)企業(yè)都能順利度過(guò)轉(zhuǎn)型期并得到預(yù)期的發(fā)展。

本文由 @柴方旭 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自pexels，基于CC0協(xié)議