被動中的主動 – 談談產品中的推薦

0 評論 5364 瀏覽 2 收藏 8 分鐘

  在路上聽音樂時,我總是習慣在「隨機播放」模式下不停的切歌直到切到自己想聽的那首歌。不知類似的場景大家有沒有”經歷”過,是我個人的習慣還是大家也有這樣的感覺,所以想寫出來順便通過這個習慣引申出關于推薦的一些感想。

  行為:選擇「隨機播放」總想切歌到「想聽的歌」

  隨機播放

從我的使用習慣來看,「隨機播放」多發生在上下班路上或剛忙好稍微放松下的時候,選擇「隨機播放」意味著想「聽歌」這事大過于「聽什么歌」,屬于行為驅動大過于目標驅動,類似于餓了想吃飯但還沒有想好什么飯店,想看場電影但沒有決定看什么電影。只是把「聽歌」當做一個調劑而不是好好的欣賞音樂。

在這個前提下,如果讓用戶先去把歌曲選好,建好列表再去開始播放什么的,相必就不那么讓人愉悅了吧,只是想隨便聽聽。

  想聽的歌

在「隨機播放」中遇到一首不喜歡的歌怎么辦,點擊”下一首”的按鈕就可以了,如果再不喜歡怎么辦,繼續下一首。那為什么不去直接選擇喜歡聽的歌,而是通過這種方式去切換?做了一個圖,可以看到:

隨機播放與找音樂

  在選擇自己想要聽的歌的時候,用戶的心理模型大概如圖,在這么多歌曲里面去主動尋找想聽的歌(藍點),如果目標(藍點)很大,那么很容易就會發現,但是并沒有特別強的目標(藍點),要想挑選出自己想聽的歌,就不那么容易了,很容易選擇困難。

而「隨機播放」狀態下,歌曲的序列是線性的,播放器會主動推送歌曲給你,無需思考下一首是什么,只管當前的歌曲你想不想聽,不想聽就「切」,再給你換,在被動的「隨機播放」中仍掌握著主動權。

  在被動中的主動

我把剛才描述的行為稱為「被動中的主動」,被動是在于信息展現內容和順序非自己編排,而主動則是可以通過一些操作改變被動呈現信息的內容。這種個性化推薦的形式在大家平時使用時已經已經可以發現,這些一定都會也一定會是未來的趨勢。

個性化推薦的產品

  音樂產品的推薦

前面提到的「隨機播放」也已經有很好的音樂類產品了,國外Pandora 國內的豆瓣/蝦米的電臺,用戶不考慮有什么歌曲曲庫問題,產品會先通過熱門或者標簽確認你的初步口味,然后通過你主動的對歌曲進行更細的操作,不斷的挖掘出適合你的歌曲推薦算法,增加黏性

豆瓣電臺

  豆瓣電臺

蝦米猜電臺

  蝦米猜電臺

電商中的推薦

Amazon.com的首頁非常有名氣就是個性推薦商品的功能,在最近國內電商的改版中也發現了推薦所占的位置已經越來越重,這些都是「被動」,而「主動」則是用戶在之前瀏覽過的商品,關注過的東西,商家通過數據的再挖掘從而進行有效的推薦,對轉化非常有幫助。

Amazon首頁個性推薦

  Amazon首頁個性推薦

 

  易訊首頁猜你喜歡

最近火的蘑菇街&美麗說&果庫屬于導購,主動方面還未看的出,但比起淘寶的龐大來說,已經算是屬于精準推薦了。

  內容類的推薦易訊首頁猜你喜歡

豆瓣在這一塊無意是國內做的比較好的,讀書頻道中的豆瓣猜分別有「猜你感興趣的新書」,「猜你的閱讀興趣」,「猜你感興趣的豆列」,書/電影的單頁中有「喜歡XXXX的也喜歡」「以下豆列推薦」,這些推薦可以盤活整個豆瓣的內容體系,互相交織在一起變成一張網,而產生推薦的信息也是由用戶主動的訪問而產生的。

豆瓣的豆瓣猜

  豆瓣的豆瓣猜

豆瓣的喜歡XXXX的也喜歡

  豆瓣的喜歡XXXX的也喜歡

豆瓣的豆列推薦

  豆瓣的豆列推薦

新浪微博的「注冊后的推薦」,「右欄推薦」,「微關系」分別根據微博熱門,標簽&關系,關注分析進行推薦的,也是為了盤活他的整個會員之間的關系而存在的。

微博右欄推薦

  微博的右欄推薦

還有類似豌豆猜,APPStore的Genius也是一樣,就不一一舉例了。

被動&主動&推薦

推薦可以降低使用門檻,可以幫助商品快速轉化,更能夠拉動內容之間的關聯,用戶會需要這樣的功能,但在推薦的背后并不應只是把內容展現給用戶,讓用戶被動的接受,如果全是無用的東西,結果會更糟糕。多給予一些用戶能夠主動掌控的東西,讓用戶不知道情況下的參與到推薦中,讓推薦更有效更靠譜。

VIA:Flickr

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!