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

智能推薦的意義對于手握大把優質流量的電商巨頭來講，意義重大。同時，對于那些崛起的，流量沒那么多的電商平臺來說，可能價值還要更大。

為了響應亞馬遜CEO貝索斯的“亞馬遜有1000萬用戶，就有1000萬的亞馬遜”的要求，亞馬遜算法部門早在10幾年前就開發了基于物品的電商推薦系統。國內的電商巨頭淘寶、京東等也陸續在16年上線基于用戶的智能推薦。

智能推薦的意義對于手握大把優質流量的電商巨頭來講，意義重大。同時，對于那些崛起的，流量沒那么多的電商平臺來說，可能價值還要更大。

移動互聯網流量紅利期已過，新增用戶成本高昂，對于各電商平臺來說，將用戶如何留在自家平臺，提高用戶的粘性、使用深度和轉化率變得越來越重要。

那么，智能推薦的本質是什么呢？

智能推薦的核心是內容分發，內容分發第一代是網址導航和門戶網站，第二代是搜索引擎，第三代是智能分發。

智能分發是一個體系，它分為：可被經驗總結的部分和不可總結的部分。

• 可以被經驗總結的部分包括規則推薦，規則就是經驗。
• 不可被總結的就是千人千面的算法推薦，完全根據用戶行為進行推薦。

現階段的內容分發主要為三種分發：運營分發、社交分發與智能分發。而智能分發不是對傳統分發的補充，而是替代。

運營分發，是依靠運營們的經驗挑選，自以為對人們有價值的內容進行推薦，這在人們選擇比較少的年代是成功的，其弊端也顯而易見，無法滿足人的個性化需求，運營有限的經驗很難判斷用戶需要哪些內容。

社交分發是在社交平臺上進行內容分發的分發形式，以微信朋友圈、微博為例：你看到的內容，都是朋友們幫你二次篩選過的。而內容的價值分為分享價值和閱讀價值，很多內容具有閱讀價值但不便于分享，而分享出來的價值很有可能是朋友用來“自我標榜”的。這兩種傳統的分發方式都有比較明顯的缺陷。

智能分發是分發用戶愿意看、對用戶真正有價值的內容，也就是用戶“嘴上說著不要，身體上卻很誠實”的內容。如果說，社交分發解決的是用戶“嘴上說”的內容，那智能分發解決的就是用戶“身體誠實”的內容。

智能分發通過分析用戶特征（年齡、性別、職業等）、內容特征（商品、資訊、視頻等）、環境特征（時間、場合、網絡狀態、地理位置等）、行為特征（隱性的興趣愛好和顯性的評價）和業務特征（業務場景干預），針對性的向用戶推薦他感興趣的內容。

因為每個人的興趣愛好、行為習慣等是不同的，所以每個人所看到的內容也是不同的。這樣就避免了那些優質的內容由于不具備分享屬性而不被人們所知的情形，也解決了運營依靠自身有限經驗所推薦內容的不精準。

對于內容分發而言，不同行業不同場景其所要實現的分發目的是不同的，但本質都是要提高分發效率和質量。

• 對于資訊客戶端來說，最核心的指標是用戶使用時長，也包括粘性、留存率、UV、PV、瀏覽深度等；
• 對于社交平臺來說，包括DAU、MAU，用戶互動、用戶發帖量、消耗內容量等；
• 對于電商平臺來說，最重要的指標自然是銷量，影響最終銷量的指標有點擊率、訪問轉化率、下單轉化率等。

那么通過智能推薦實現的內容分發需要在不同場景上實現不同的分發目的，達成目標的分發效果。

對于電商平臺來說，往往是用戶有了較強的購物需求。未使用智能推薦的電商平臺，因為每個用戶的購物需求是不同的，用戶在登陸時并不能很容易的在首頁就發現自己意向購買的商品、品類，且每個用戶的首頁商品、品類都是一樣的。

用戶不能在短時間找到意向商品在一定程度上，會造成首頁訪問轉化率降低和首頁流量的流失，分發效率和質量較低。

而使用了智能推薦的電商平臺，用戶在登陸首頁時則會有很大的概率發現意向商品，從而直接跳轉到商品詳情頁面，提高了頁面的訪問效率。像用戶在購物車頁面時，智能推薦則幫助電商平臺挖掘了用戶的潛在需求，實現了交叉和向上銷售從而提高了客單價。

較為經典的案例是：經常買德國啤酒的人很大概率上會需要尿布。而未使用智能推薦的電商平臺，用戶在購買德國啤酒時，可能想不到還需要購買尿布，或者想到了要購買尿布而去了其他的電商平臺。而智能推薦則幫助用戶發現自己的需求，減輕用戶尋找到意向商品的時間成本。

假設兩個電商平臺a和b，在平臺a里用戶3秒內就找到了他想要的商品，而平臺b需要3分鐘，那么顯而易見地用戶會更經常使用a平臺。換句話說，智能推薦帶來的不僅僅是簡單的點擊，更重要的是讓用戶重復使用。

而對于如何精準實現商品的推薦，需要收集用戶數據、用戶行為數據、商品數據、商品營銷數據等。

行為數據包括對商品或品類的點擊、收藏、下單等，用戶的長期興趣、短期興趣、實時興趣。興趣則主要有性別、品牌偏好、品類偏好、購買力水平、自營偏好、尺碼顏色偏好等。商品數據則包括商品的產品詞、修飾詞、品牌詞、質量分、價格、性別、年齡、標簽、屬性、詳情頁等。商品營銷數據則包括商品上架時間、是否主推、是否高毛利、是否自有品牌等營銷數據。

智能推薦在電商平臺的應用不僅僅是推薦商品這樣簡單，如：活動、分類、優惠券、樓層、banner、文章等幾乎每個存在個性化需求的界面或內容都需要推薦系統。

對于電商平臺來說，內容分發不能僅僅依靠智能推薦，而需要根據產品狀態和業務場景，制定推薦目標，通過運營經驗總結成的規則推薦和智能推薦一起提升內容分發效果，這也是第三代內容分發系統的核心。

不同的商品有不同的復購周期，以高復購的零食和低頻的家具為例：購買零食后的一個月內用戶可能會再次購買零食，而購買家具的一年內用戶可能不會再購買類似的家具，那么針對于不同商品的品類就得依據運營經驗設置符合用戶購物習慣的召回策略，來保證推薦商品不過度打擾用戶，不影響復購體驗。

電商平臺為了提高利潤率、扶持自有品牌，則可以根據業務目標提高高毛利商品和自有品牌在推薦系統中的權重，高權重商品會有更高的概率被推薦系統分發至用戶，從而達成業務目標。商家注冊入駐類電商平臺，則可以根據商家鉆展、直通車等推廣情況，提高會員商家商品權重，從而保證會員商家的推廣權益。

無論是電商平臺還是資訊平臺，運營人員對推薦系統使用目標的干預和調整對推薦效果和指標的提升都至關重要。

如果說智能推薦是一把錘子，那么運營人員就是使用錘子的人，要造出好的房子，不僅需要一把好錘子，還需要了解該怎樣使用好這把錘子把房子蓋好。

本文由@嵐喧 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 Pexels，基于 CC0 協議