復(fù)盤一個淘寶的線上策略

0 評論 1802 瀏覽 4 收藏 4 分鐘

本文主要介紹了淘寶的在線推薦策略,包括如何采集和預(yù)測用戶行為以實現(xiàn)更精準(zhǔn)的推薦,以及這一策略對于提升用戶體驗和增加轉(zhuǎn)化率的重要性。

今天簡單跟大家聊一個淘寶的策略。

不知道大家在平時逛淘寶的時候有沒有發(fā)現(xiàn)這么一個case:當(dāng)你進入淘寶首頁,從首頁的商品feed流任意點擊一個商品,進入商品詳情頁瀏覽若干時間。

當(dāng)你再次返回首頁的時候,你會發(fā)現(xiàn)剛才你點擊商品坑位下方會移動上來一個卡片,這個卡片里面的內(nèi)容和剛才你瀏覽的商品十分“相似”。

大家可以自行體驗一下。

除了淘寶,京東,美團都有類似的前端交互。這個是什么?

其實就是典型的實時推薦。

我們都知道推薦的核心在于根據(jù)用戶的興趣給他們進行結(jié)果展示,但是,不要忽略一點,那就是用戶的興趣其實是隨時變化的。

我之前經(jīng)常舉一個例子:男生和他女朋友吵架了,那么他為了哄女朋友開心,買一個女包,這種場景太常見了。

所以如何能夠快速,準(zhǔn)確地捕捉到用戶這種近乎“實時”的需求就很關(guān)鍵,也是提高推薦成交率的核心手段。

明顯傳統(tǒng)的基于離線數(shù)據(jù)去做推薦,很顯然是無法滿足的,這個時候其實就是我們常說的基于用戶當(dāng)前session的行為的準(zhǔn)實時推薦。

如何做?我畫了一個業(yè)務(wù)流程來說明這個問題的解法

所以,大家其實能夠根據(jù)上面的流程看到其中的關(guān)鍵點:

用戶行為的采集,當(dāng)然更多的是預(yù)測用戶實時偏好,比如可以根據(jù)當(dāng)前瀏覽的商品屬性(類目,品牌,價格等等)去進行預(yù)測;

基于實時偏好預(yù)測,計算其可能感興趣的商品集,可以實時進行計算,也可以根據(jù)離線相似物品集生成;

端上重排,前端給到用戶實時反饋。

當(dāng)然,現(xiàn)在還有很多其他“實時”的推薦,就是把你近一次,或者進幾次訪問APP發(fā)生的行為數(shù)據(jù)加入到推薦系統(tǒng)的策略邏輯當(dāng)中,這些行為對推薦結(jié)果的影響會體現(xiàn)在下一次用戶訪問APP當(dāng)中。

這種有時候也會被定義為實時推薦,但是時效上顯然是弱于上面提到的方案,所以有時候也稱這種的為準(zhǔn)實時推薦。

本文由人人都是產(chǎn)品經(jīng)理作者【夏唬人】,微信公眾號:【策略產(chǎn)品夏師傅】,原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來自Unsplash,基于 CC0 協(xié)議。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)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(fā)揮!