起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識豆瓣讀書VS當當網：談推薦策略如何定義理想態
推薦板塊是用戶習以為常的APP板塊，從這一小小板塊可以看出什么呢？
下圖展示的是一個產品從發現問題到解決問題的整個循環，產品經理的工作都是圍繞這這幾個階段展開的，本文將以豆瓣讀書為例分析其在實際生產中的應用。
為什么要定義理想態
上圖是PM發現問題的幾種途徑，理想態在其中各個途徑中都起到了重要的作用，下面我們來詳細分析。
首先我們需要明確理想態是什么，任何一個產品和策略的本質目標都是解決用戶的問題，理想態即描述了在最佳解決問題規則下的輸出結果。
比如滴滴，他的產品目標是為用戶和司機提供一個平臺，將資源（司機、乘客雙方）最大化利用。那么滴滴的理想態就是乘客都能打到車；當然司機也是滴滴的用戶，我們在這里只描述乘客的理想態。
如果我們將這種理想態轉化為參數指標，也就是交易完成率=100%，這顯然是不現實的。但是通過對未達理想態的case進行拆解，并merge過程指標的信息可以幫助我們分析平臺未達理想態的原因。
意義一
幫助PM發現問題，找尋未達理想態的優化點。
還是滴滴這個例子，假設我們發現現在的交易完成率大概是95%~99%，我們在進行策略迭代和優化的基礎是現有數據的穩定，而我們每天進行人工核實的話費時費力，所以我們基于交易完成率這個指標建立了指標監控機制，幫助我們衡量數據的波動情況。
意義二
通過對理想態的抽象，得到監控指標，并根據歷史數據定義指標閾值，監控系統可以自動衡量指標的穩定程度，方便我們在指標變化不合理時快速發現問題，及時響應。
以上都是產品的核心指標，當我們新上一個策略時，策略也具有理想態。
比如一個新的運營策略是希望大家都能參與到平臺的活動中，那么理想態就是所有的用戶都看到了該活動push，都點擊并且都參與進來。
這顯然也是不現實的，但是我們可以提取出三個指標——活動push覆蓋率、用戶點擊率、參與轉化率。通過對這個指標的監控我們可以衡量策略的收益情況。
意義三
抽象理想態，在效果回歸中幫助我們判斷策略的收益情況，進而判斷是否開啟一輪新的產品循環。
那我們最后的一個目標主要作用在用戶反饋搜集上，用戶反饋的信息多頻多維，而我們如何去其糟粕，取其精華呢？這根線就是我們對平產品理想態的理解。
比如用戶和滴滴客服抱怨，說接他們的車里面衛生不大好、太臟亂了，而這個顯然不是現階段的產品目標，我們能做的最多也就是對司機進行教育。
又比如有用戶說司機總是會取消訂單，建議增加取消險之類的東西，這個在現有階段也沒有在我們理想態范圍內，可能隨著產品的階段性進展，后續會納入理想態，但是目前這個反饋不會起到什么作用。
意義四
確定產品目前的理想態范圍，合理清洗用戶反饋。
要注意的是，理想態不是一成不變的，隨著產品目標和階段的不同，理想態也會發生變化。
豆瓣閱讀vs當當網——智能推薦版塊
1. 分析產品（策略）目標
如下圖，我們在進行一本書的搜索時，網頁還會給我們顯示“喜歡這本書的人也喜歡……”這一信息：
這個版塊在各類產品中都非常常見，那么首先我們需要明確的是產品目標是什么，簡單來說就是平衡用戶、資源和環境之間的關系，提供最優的匹配策略。
1）用戶角度：方便有趣
感興趣：用戶希望在這里看到的都是他所感興趣的圖書推薦，不會他搜索了村上春樹的小說想著放松一下心情，但是下面給他推薦的是他最討厭的數學課本。
低成本：方便是所有用戶在所有平臺的訴求之一。
- 首先用戶希望看到的是圖文并茂的展示方式，如果只是一些超鏈接，那么體驗就會大打折扣，增加了用戶的閱讀成本；
- 其次用戶希望他們感興趣的書不需要過多的翻頁和下拉就能看到，這是減少用戶的操作成本；
- 同時用戶希望我能迅速獲取到足夠的我所感興趣的信息，不需要再進行跳轉，比如這是買書的網站，就該顯示給我書的價格，我可以迅速的決定是否進行詳細瀏覽，這也是對操作和閱讀成本的減少。
總而言之，用戶關注的是時間成本，讓他們用同樣的資源做更多的事情。
2）平臺角度：拉新促活，資源轉化
高用戶活躍程度：用戶是每個產品的存在之本，高用戶活躍程度可以從兩個方面加強：提升用戶基數，促進單一用戶活躍程度。所以平臺的首要目標是滿足用戶的目標，即方便有趣。
資源轉化：一個產品能夠發展壯大，生生不息那么一定形成了閉環。
抖音的生態閉環：高質高量視頻素材>用戶看視頻>用戶點贊、送禮物等>主播得到收益繼續產出/用戶自身從觀看者變成資源輸出者>高質量視頻素材。
那么從圖書產品的角度而言也形成了一定閉環。
- 營利性產品：“用戶搜索瀏覽>用戶購買>用戶認為體驗不錯>用戶再次進行搜索瀏覽”，所以營利型產品閉環在購買>再次搜索上，所以其目標是提高交易轉化率和購買后再次搜索的比例，進而促進資金的流通和信息——主要是用戶畫像的豐富。
- 非營利性產品：“用戶搜索瀏覽>用戶閱讀圖書>用戶輸出圖書信息>用戶再次進行搜索瀏覽”，所以非營利性產品閉環在用戶從觀看者變成輸出者上。因此要提高產品點擊率，以及用戶從觀看者變成輸出者的轉化率。但是沉默的永遠是大多數，此類平臺對用戶的信息抓取能力是不如營利型平臺的，因為用戶沒有必要建立賬戶，大量用戶是以訪客身份瀏覽的，所以更多的是促進圖書信息的豐富。
2. 當當vs豆瓣：示例說明平臺目標引起的展示差異
我們以當當網和豆瓣讀書為例說明兩者差異，以下是我在兩個不同網站中搜索《運營之光》后得到的結果。
當當網：
豆瓣讀書：
下面我們來進行差異分析，說明平臺性質不同帶來的推薦模塊上的差異。
1）占據版面的不同
由于當當網主要是以盈利作為其根本目的，其推薦類圖書的透出率越大越好。所以我們可以看出在經常購買商品一欄有五本圖書展示，在“購買此商品的顧客還購買過”一欄實際上是有6*10也就是60本圖書的展示，當當網的一本書智能推薦結果有65本。
后者是在豆瓣上的搜索結果，可以看出一本圖書對應的智能推薦只有7本，就算占據所有的版面也只有10本，遠遠小于當當。
2）推薦維度的差異
首先我們來看一下兩者給智能推薦版塊命名上的差異，當當網命名為了“經常一起購買的產品”、“購買此商品的顧客還購買過”，豆瓣命名為“喜歡讀xxx的人也喜歡”。從命名上看當當的智能推薦提供更泛泛、不具有指向性，也就是更多維，豆瓣的命名就限制了其推薦圖書也是定位在與搜索圖書類型、關鍵字、作者等存在一定關聯的書籍上。
從具體的推薦上來看，在當當網截圖的十本書里有三本是屬于和搜索書籍“八竿子也打不著”的，所以其推薦結果會更智能和多元；而在豆瓣的搜索結果中推薦的7本書都和搜索書籍具有強相關性。
3）排序結果的差異
我們分析一下當當網的智能搜索排序結果，“經常一起購買的商品”一欄完全是按相關性強弱進行的排序，而后一欄中不同維度占展示結果的比例各頁均不相同，我在此不截圖了，感興趣的可以自己搜索一下。
《運營之光》為例，其智能推薦結果6頁，第一頁強相關性圖書/所有展示圖書占比是100%，也就是說此頁是更為聚焦和單一維度的；第二、三頁的占比是70%；第四、五、六頁中占比是50%或者60%——也就是說隨著翻頁次數的增加，用戶操作成本變大，相應的結果曝光率會變低。
當當會顯示更多針對用戶非目的性瀏覽需求輸出的結果，目標是刺激用戶的消費。
而豆瓣的排序策略則不顯著，在體驗中發現了一些將強相關性和弱相關性（相對）位置顛倒或者順序相反的情況，理應這是一個應該優化的策略點。
但是其重要程度顯然沒有盈利網站高，主要原因是不存在翻頁行為，操作成本低，用戶一目了然，且不存在過多的營銷需求，所以放在什么位置對其曝光率影響實際是不大的。
4）信息展示的差異
當當的信息展示主要也是從購買的角度出發，高亮價格，并會多展示出作者的名字和出版社。而豆瓣的信息展示就非常少，我認為可以加上豆瓣標簽便于用戶對該書的類型有快速了解。
具象產品理想態
注：我們在這里先不涉及資源的轉化率相關問題，僅對平臺的拉新促活進行分析。
通過上述對用戶和平臺目標的拆解和詳細例子的分析，我們總結出兩種不同產品的理想態。
豆瓣讀書
通過理想態分析可以看出來豆瓣閱讀實際上用戶和平臺的理想態差異是很小的，追求的都是在目的性瀏覽下的高質量以及高切合度的圖書推薦。
也就是說平臺主要做的是“基于內容的推薦”，就是將內容系統下的數據進行很好的分類。
這一推薦結果的精度主要依賴完整的內容知識庫的建立，如果內容知識庫豐富度不夠或者格式化建立不好，其搜索結果也會大打折扣。同時由于用戶的登錄需求不高（沉默的永遠是大多數），大多數用戶以游客身份瀏覽，留下來的數據就比較少，推薦結果的擴展性就比較低。
由于用戶數據比較少，所以在上圖閉環中沒有顯示出來。針對“基于內容的推薦”的平臺更著重于用戶的輸出，即“標簽”“評論”“打分”這些作用在“項目”上的信息，幫助豐富數據庫內的格式化信息，平臺的目標著重于對每本書畫像的更了解其次是對用戶畫像的理解。
當當網
通過上面的分析我們可以看出來：和豆瓣相比，當當網的用戶理想態以及平臺理想態都有“購買”這一因素的存在，這就需要跳出基于內容的基礎智能推薦，而是對用戶心理具有準確把控，以及對當下熱點的敏感程度提高，我們通過當當網的閉環來加深以下理解。
我們可以分析當當的智能推薦策略是有以下幾個方面：
- 基于內容的推薦：和豆瓣相同，基于完整資源庫建立以及細粒度的格式化信息搭建；
- 基于內容的協同過濾：協同過濾會分析系統現有數據，結合用戶表現數據，對指定用戶對此類信息的喜好程度進行預測；比如“啤酒加尿布”，就是通過分析指導美國爸爸總是會一起購買這兩件商品，通過調整商品位置增加啤酒銷量；
- 基于用戶的協同過濾：通過用戶對不同內容的行為，評測用戶之間的相似性，基于用戶相似性進行推薦。
我們可以看到當當聚焦到了用戶身上，基于內容的協同過濾以及基于用戶的協同過濾都需要對用戶心理具有很好的把控，所以歷史信息主要作用于豐富人群畫像，這是資本壓力下的必然結果。通過用戶出揣測來刺激消費，同時其推薦結果也受到較多因素的影響，比如當今熱點、圖書銷售情況、運營活動等等。
抽象產品理想態
對產品理想態的抽象指標會隨著產品階段不同，以及策略目的不同而發生改變。在此僅做淺顯討論，希望幫助讀者建立抽象理想態的框架。
針對上述推薦策略而言，我們需要明確的包括但不僅限于以下幾種：
- 用戶對搜索結果的滿意情況
- 用戶的購買轉化情況
- 推薦結果是否可見？
- 關鍵詞定義是否準確？
- 排序是否合理？
- 推薦圖書和搜索圖書的切合度情況
- 運營圖書的透出情況
關鍵目標實際上是明確用戶對推薦結果的滿意情況，也就是說點擊率，當當網中還有購買轉化率，這應該是智能推薦系統的核心指標。
但是為了方便我們定位各個過程的運轉情況，遇到case時進行快速定位分析，我們需要對核心指標進行細粒度的拆解，并建立過程指標。
對核心指標拆解
用戶總點擊率>用戶對排序結果第>位圖書的點擊率>用戶對排序結果第二位圖書點擊率……
購買轉化率>用戶對排序結果第一位圖書的購買轉化率>用戶對排序結果第二位圖書的購買轉化率……
細粒度的拆解可以幫助分析推薦結果排序情況是否合理，建立過程指標包括搜索結果可見率，關鍵詞匹配度，熱點圖書、運營圖書透出率等。
建立過程指標的作用
- 建立監控體系，實時監控產品穩定性；
- 出現問題時快速定位；
- 在效果回歸中衡量策略的收益情況；
- 作為規則抓取case進行分析，從而對策略進行迭代優化。
本文由 @Crystal 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 Unplash，基于 CC0 協議
小姐姐 小白在其他平臺上看過你的視頻 但還是沒有學會怎么寫這樣文章 555 不知道從何下筆