电商网站如何实现精准推荐

2022-06-18    分类: 网站建设

去商场前,你告诉自己今天只买T恤,出商场时,你还是拎了大包小包……导购员看你摸了摸连衣裙,让你免费试穿,结果你这一穿就不愿脱下了,而且一件接一件。导购猜测顾客喜欢什么,推荐顾客试穿,满足双方各自的心理诉求来达成交易。电商网站如何猜测用户的心思,推荐商品达成交易呢?我们不可能让人来感知用户的诉求,只能用数据和规则告诉用户,我知道你看上的是这件商品。所有不着调的推荐都是耍流氓,不着调的推荐不如不推荐。

一、推荐算法

推荐算法主要有基于内容的推荐算法、协同过滤算法和基于人口的统计学推荐。先来科普下这几种推荐算法:

1、内容的推荐算法(CB):为每个item提取特征建模

CB基于商品相关性构建商品模型推荐。商品相关性包括商品类目、属性、参数、关键词、组合商品等。

举个简单栗子,你去买手机,导购员看见你进来就知道你买手机,这是商品类目;你说,看看粉色的苹果,内存要大点,导购拿来128G的红色iPhone7,粉色是属性,内存是参数,导购拿来的不是水果,因为苹果是iPhone的关键词。等你决定买粉色128G iPhone7时,导购和你说,今天买手机再加10元可以买一个手机壳,这个是商品组合推荐。电商系统也是如此,一步步猜中用户心思,用户才会信赖网站。目前电商中纯粹使用CB算法的不多了,对于初建网站,没有用户数据的前提下,主要依赖于CB算法推荐商品。

2、协同过滤算法(CF)

(1)基于用户的CF

基于用户对物品的偏好找到相邻邻居用户,将邻居用户喜欢的推荐给当前用户。大学时期和你经常一起看电影的闺蜜和你说,最近上映的《摔跤吧,爸爸》很好看,会让你更想去看这部电影,因为你知道,她喜欢看的,一般你也喜欢看。“喜欢XX的人也喜欢”就是典型的User CF。


(2)基于物品的 CF

基于用户对物品的偏好找到相似的物品,然后根据用户的历史偏好,推荐相似的物品给他。经常遇到的就是你买裤子时,导购和你说,这款是我们销量最好的, 刚还买走一个呢。除了物物关联外增加了用户偏好,根据大众偏好预测你还没有表示偏好的物品,比如大家都在买。


3、基于人口的统计学推荐

根据用户的属性建模,通过用户特征计算用户间的相似度。常见的有用户注册时添加感兴趣标签、榜单、热点等。

推荐算法无外乎是商品相关性、用户行为、大众行为。

二、运营推广

上述的推荐算法是基于数据和规则推荐的,除此之外,还有运营需求的推广。当然生活中也是存在的,导购偶尔会强力推荐某个产品时,有人就会怀疑,是不是提成多。除了专题活动推荐外,偶尔也可以在自然推荐规则中加入人为干扰因素(比如某个品牌优先),让你的运营推荐做的不声不响。移动端的推荐比较推崇的是Feed流,推荐除了不易察觉,还会让你心甘情愿分享。

三、无处不在的推荐

以天猫为例说明,推荐不是越多越好,推荐是越准确越好。

首页:除了各种专题运营活动外,根据用户的浏览历史猜你喜欢

搜索结果页:不漏痕迹地加入人为干扰因素推荐,掌柜热卖

商品详情页:基于大众浏览和商品相关性的看了又看

会员中心:根据用户浏览猜你喜欢

订单详情页:运营活动推荐,关注品牌的热卖单品

购物车页:掌柜热卖、品牌收藏、最近浏览、猜你喜欢


四、2B电商的区别

2B的特殊性又来了,2B电商面向的是企业,企业就会有不同角色操作的人,面向不同的人推荐不同。以采购手机原材料为例说明,工程师选的是产品(选型),他可以决定采购手机电池的规格参数和品牌,商品推荐可以从规格参数和厂家等维度来推荐。采购员是买指定的材料,是无权更改产品型号和品牌的,但他可以决定商品的价格和供应商,商品推荐可以从价格等维度入手。

最后,推荐不是越多越好,推荐是越准确越好,多而不准确的推荐,在用户看来是一次次地眼睛被强奸。

标题名称:电商网站如何实现精准推荐
URL标题:https://www.cdcxhl.com/news/168907.html

成都网站建设公司_创新互联,为您提供网站设计公司网站收录做网站外贸网站建设网站建设关键词优化

广告

声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联

h5响应式网站建设