這篇文章講的是在購物車進行營銷功能設計的一點思考。這將會是一個系列。利用自己一點淺薄的電商產品經驗，對電商產品設計中的一些內容與模塊進行思考總結與輸出。希望對大家有一點幫助。

縱觀國內各大電商網站，不管是天貓、京東等大型B2C綜合型電商網站，小米商城這種垂直型網站，還是像網易嚴選這種OEM、ODM類型的自營式電商，抑或跨境進口電商如網易海淘等，無一例外都在購物車環節加入了類似“猜你喜歡”or“大家都在買”or“最近收藏的”的營銷功能，本質上當然都是利用大數據進行商品推薦。

目的是為了引導一部分在購物車頁遲疑不決的用戶，通過網站推薦的商品給用戶更多購買選擇，爭取快速下單轉化；其次也是為了提高客單價，畢竟買了A商品的用戶可能還想買B商品。

一、購物車營銷功能設計的價值

在這里，咱們先不談具體如何進行這種營銷功能，相對于一個需求或功能模塊背后的業務背景和功能價值，具體設計層面是比較簡單的。所以，咱們先簡單說下這樣做的意義和價值。

記得很久很久很久的從前，筆者不知道在哪里看到一句話，是說「做產品設計的時候，只談價值，不談體驗?！购芏嗳丝赡軙`解這句話的真實含義，個人認為體驗也是價值的一部分，相信說這句話的同學應該也是這么想的。

兩者之間的具體關系和含義，咱們在這里先按下不表。筆者想說的是，我們在做需求分析和產品設計的時候，也要秉承這樣的一個思考路徑，即首先想清楚一款產品能夠給用戶帶來的價值是什么，再打磨體驗層面的細節。

于我而言，我通常采用“創造價值-傳遞價值-獲取價值”的思考鏈路，什么意思呢，分為三層：

1. 創造價值。即這個產品能夠為用戶解決什么問題，帶來什么價值。
2. 傳遞價值。即產品開發完成后，我們通過什么渠道通路傳遞給用戶，讓用戶知道并使用。
3. 獲取價值。即用戶開始使用產品后，如何從用戶身上獲取到我們期望的價值，包括商業價值與品牌價值等。

針對購物車的商品推薦這個營銷功能，我們從兩個方面進行探討：

（1）用戶價值

用戶通過這個功能能夠獲得什么。用戶并非總是理性的，常常會因為熟人推薦、口碑傳播而去購買某件商品。

也常常在“懶”的心理驅動下，基于網站的主動推薦無意中就為網站貢獻了GMV。

在這個過程中，用戶通過更少的時間、更高的效率買到了自己心怡的商品，這是基于用戶核心需求的完美滿足和良好體驗的外在表征。

（2）產品價值（或公司價值）

產品側或者說公司側，通過這個功能又能夠獲得什么呢？

首先，商品推薦引導更多用戶通過點擊訪問其他頁面，必然延長了用戶在網站的訪問時長、增加了網站的整體PV，這是用戶給公司帶來的用戶數據上的提升表現。

其次，總歸是有一部分用戶（具體比例不好說，或許也符合“二八原則”吧。）會通過該功能獲得營銷轉化，給公司帶來實際可觀的經濟利益。

二、購物車營銷功能設計的思考

分析完該功能能夠為用戶和產品兩端帶來的價值后，我們再來具體分析功能的設計層面。

筆者通過體驗觀察發現，天貓在購物車頁面增加設計的營銷功能總共分為4個Tab，分別是：掌柜熱賣、最近收藏的、最近瀏覽過的、猜你喜歡的。如圖：

京東也類似。分為4個Tab，分別是：猜你喜歡、隨手購、我的關注、最近瀏覽。如圖：

當當是在購物車頁面增加推廣商品和為你推薦共 2 個Tab；網易嚴選則只有單獨的一個猜你喜歡；網易海淘是最佳搭配、猜你喜歡和大家都在買共 3 個Tab。

下面筆者以“天貓”為例進行思考與分析說明。

天貓的購物車營銷功能總共分為4個Tab，分別是：掌柜熱賣、最近收藏的、最近瀏覽過的、猜你喜歡的。咱們一 一進行分析。

1、掌柜熱賣

一開始我在看這個Tab推薦的商品前，我以為這是部分店鋪花錢推廣熱推的商品。當我實際瀏覽時發現掌柜熱賣里推薦的商品 95% 都是我瀏覽過的記錄。比如我在最近的 1 個月里，我曾多次瀏覽過耳釘、滑板、手環、紙箱、茶幾地毯…等商品。

而熱賣推薦的商品里，以上商品均有展示。當然并非 100% 精準，比如還給我推薦了一款XXL的沖鋒衣。哈哈這是什么鬼。

商品展示方面，總共推薦了 5 頁（應該是按規則展示的全部數據），點擊輪播指示器可以切換瀏覽。如圖：

2、最近收藏的

顧名思義，這個很好理解。就是用戶某一段時間內加入收藏夾的商品。默認只展示了 5 件商品，據我猜想，這 5 件商品應該是根據用戶收藏時間倒序排，即最新收藏的優先展示（不一定準確，如果能有天貓的產品同學指教，那是最好不過了。）更多點擊“去我的收藏夾”查看。

3、最近瀏覽過的

這個也比較好理解，基于用戶某一段特定時間內的瀏覽歷史記錄進行商品推薦。這里也只默認展示了 5 個商品，更多點擊“去我的足跡”查看。這 5 個商品的具體展示規則，應該是根據用戶的瀏覽時間順序倒序排的，比如 15 天瀏覽的商品數據。如下圖：

不過排序因子里除了“瀏覽時間先后”，不知道是否還有其他因子沒有，比如“瀏覽時間長短”（比如某件商品我反復瀏覽過多次，是否會排在我只瀏覽過 1 次的商品前面）

4、猜你喜歡的

這個就比較厲害了。這是網站基于自身海量用戶數據，構建用戶喜好模型，進行用戶畫像分析，利用大數據進行的商業智能分析與推薦?！安履阆矚g的”也是展示了 5 頁數據（應該是按規則展示的全部數據），點擊輪播指示器可以切換查看。具體涉及的時間跨度無從得知。

“猜你喜歡”這一塊我們通常稱之為CF-協同過濾。協同過濾分為兩塊內容，一塊是基于“用戶”的協同過濾，另一塊是基于“物品”的協同過濾。

（1）基于“用戶”的協同過濾

一種最古老的算法。給用戶推薦和他興趣相似的其他用戶喜歡的物品。

興趣相似度通過計算行為相似度來展示，即將用戶的各種行為映射成多維空間的向量，通過計算向量的相似度（常用的有余弦相似度、歐式距離等）得出。

（2）基于“物品”的協同過濾

目前業界應用最多的算法。給用戶推薦和他們之前喜歡的物品相似的物品。

并不是利用物品的內容屬性計算物品之間的相似度，而是通過分析用戶的行為記錄計算物品之間的相似度。

我只知道最簡單的概念理論，具體怎么實現的，我也不懂。感興趣的同學可以自行參考資料學習，如果能順手分享給我，那是最好不過了。

從以上分析我們可以發現，“掌柜熱賣”和“猜你喜歡的”這兩個Tab 均展示了 5 頁數據。

而“最近收藏的”和“最近瀏覽過的”則只默認展示了 1 頁即5個數據，要查看更多只能分別去到“我的收藏夾”和“我的足跡”。個人認為“最近收藏的”和“最近瀏覽過的”的權重要高于另外兩個模塊。

據筆者不成熟的分析，如此設計的理由可能有以下兩點：

1. “掌柜熱賣”和“猜你喜歡的”推薦的商品：從時間維度看，時間跨度很長，長達數月的商品仍然在此展示。從用戶購物心路歷程分析，此類用戶并沒有明確而清晰的購物目的，更多時候可能只是隨便看看，看上了心怡的就買，沒看到心怡的就算了。對于這部分用戶，將他瀏覽過的商品按規則全部展示在他面前，根據算法進行概率命中，期望用戶從這些商品中能夠獲得轉化。似乎有種瞎貓碰耗子的感覺。
2. 而“最近收藏的”和“最近瀏覽過的”推薦的商品：一方面收藏的商品一般是用戶購買意愿比較強但又并不想在收藏當時就立即購買，而是選擇收藏起來等待時機再下手。

其實也可以把購物車當作收藏夾用，比如我，但是如果全部把商品加入購物車收藏，用戶在真正購買商品的時候，需要將收藏卻不買的商品去掉勾選或移入收藏夾甚至不小心刪除， 這反而會大大加重用戶的決策負擔和操作成本。

另一方面最近瀏覽的商品，我們也可以認為是用戶有較強購買意愿的，同時由于時間間隔短，此時網站提高推薦權重，減少推薦商品數，避免用戶陷入選擇悖論反而拖長購買時間。

但是，以上的 4 種推薦方式，不管是掌柜熱賣、猜你喜歡的，還是最近收藏的和最近瀏覽的，單純從商品推薦來說，其實還蠻準的。但都存在一些問題。

問題1：那就是我作為一個用戶，我在某一段特定時間內，瀏覽過A/B/C/D/E/F/G 共 7 件商品，可能期間某個時刻我已經買了其中的一件商品比如C，或者與C特征相似或功能相近的商品，系統仍然會給我反復推薦C或者與C相似的商品。話說不明白，我還是舉栗子吧。

購物場景：十三，一個喜歡閱讀的藍孩子，平時喜歡看紙質書，可惜缺少一個書柜，急需一個書柜。于是在2016年11月，在天貓App購買了一個簡約白色書柜，滿足了想存書卻無書柜的痛點需求。

問題：十三從去年11月購買此書柜后，網站到現在還在給我推薦書柜，各種各樣的書柜。

那么問題來了，從生活經驗上我們可以認為，十三在購買了書柜之后，較長一段時間內應該都不會考慮繼續購買書柜。讀書的速度就那么快，簡直看書如抽絲啊，即使我想買書柜，那也得我把已買的書看完了才行?。ü婺槪?。所以在這段時間內，為毛還在反復給我推薦書柜呢。

解決方案：個人有一個很不成熟的想法，是否可以以“用戶購買時間”作為間隔點，用戶購買此商品后 6 個月內，不再給用戶推薦特征相似或功能相近的商品，當然僅限于“掌柜熱賣”和“猜你喜歡的”。反復推薦我暫時并不需要的商品，我真的很不喜歡啊，管你是不是熱賣咯。

嗯，雖然問題是擺出來了，但我相信天貓的同學應該都有想到這個問題。至于問題為啥一直存在，我想總歸是有背后的業務背景和某些不可知原因的。畢竟，任何不談業務背景的需求分析，都是耍流氓。

問題2：一眼看過去，國內大部分電商網站都做了類似的營銷功能，而且從最早期比較單一的“猜你喜歡”或“你還想要買”功能橫向拓展到現在的 4 個Tab。

為了提升購物車頁的營銷轉化，提高客單價和網站GMV，以及網站整體的PV、訪問時長等數據。網站可謂是才華橫溢費勁了心思。雖然頁面內容變得更冗余，但也無可厚非。錢嘛，多多益善。

但是我們要冷靜下來認真思考一下，有多少電商網站是為了做而做，看到別人家做了這個功能，自己要是不跟上腳步也設計一個類似的功能似乎就落后了。

燃鵝，基于用戶喜好數據進行的商業智能推薦，它至少需要滿足以下 3 點：

1. 擁有海量的用戶數據，足夠支撐起商業智能推薦的用戶數據這一基礎和核心；
2. 擁有強大的用戶模型構建能力，能夠進行用戶分類管理，構建用戶喜好模型，在此基礎上能夠持續進行精準化運營；
3. 協同過濾算法技術較好，推薦給用戶的數據精準度較高（個人認為至少 80% 吧。）

問題3：商品推薦其實可以說是一個商品聚合頁面，將用戶過去某段時間內瀏覽或收藏過的商品統一展示出來，喚醒用戶記憶–“咦，原來我以前還看過這些商品啊，這個好像還不錯，買了吧?！?/p>

但是，購物車環節非常重要，一般而言，用戶既然已經來到了購物車頁面，說明他的下單購買意愿已經非常強烈了，最重要的是讓用戶盡快完成點擊“去結算”這一關鍵操作。那么在這個頁面進行商品推薦，會碰到兩個問題：

1. 造成用戶從購物車蹦失，看著看著可能就忘記下單支付了；
2. 延長了用戶的整個購物時間，也許看到最后也沒有看到更多心怡的，最后還是只能乖乖地購買一開始選擇好的商品。這與互聯網提升用戶效率的原則是相悖的，其實也說明了一點–并非用戶在網站的訪問時長越長越好。個人認為應當是單位時間內的“有效訪問時長”。

當然，這就涉及到網站銷售目標與用戶體驗之間的權衡利弊了。

總體上來說，雖然對用戶體驗多少會有損傷，但網站銷量的提升帶來的價值應該能夠彌補上這部分損失的體驗，而且根據用戶的數據和反饋顯示，應該也不算差。

最后

不管是猜你喜歡，還是最近瀏覽的，從本質上說都是智能推薦。既然是智能推薦，必然人為干預因素很少，甚至完全沒有人工處理的余地，完全由機器和算法完成這部分工作。

從目前的技術水平來看，要做到 100% 完全精準，命中用戶購物喜好，還是略微有點難的。但是咱們既然要做，就要努力把它做好做全面一點，提升“智能化”。

而不是打著智能推薦的旗號，實則做的是人工商品推廣。這就比較尷尬了。畢竟你推廣的商品，如果跟用戶沒有一丁點關系，用戶是不會買賬的，他只會覺得你煩。

在這里，筆者斗膽給大家兩點小小的建議：

1. 先想清楚為什么要做，比怎么做更重要。
2. 嘗試著用“創造價值——傳遞價值——獲取價值”的思考路徑來分析解決問題。哪怕你思考了完全不符合用戶場景卻也必須要做某個功能，這樣的思維方式也是頗有好處的。

感謝看到這里。

作者：卿宗偉，筆名：#十三#，主業扯犢子，副業聊騷。微信公眾號：#卿宗偉#，感興趣的朋友可以關注交流。

本文由 @卿宗偉 原創發布于人人都是產品經理。未經許可，禁止轉載。