第一站 - 轻松上网从此开始!

上网第一站

当前位置: > SEO >

淘宝推荐系统:千人千面的底层逻辑

时间:2017-09-27 09:45来源:我来投稿获取授权
以下内容来自网络或网友投稿,www.swdyz.com不承担连带责任,如有侵权问题请联系我删除。投稿如果是首发请注明‘第一站首发’。如果你对本站有什么好的要求或建议。那么都非常感谢你能-联系我|版权认领
从电商平台的角度来讲,个性化推荐技术可以让每一个流量得到更加充分的利用,最大限度的提高流量效率。 我们必须承认,无线技术以及智能手机的发展,让个性化推荐技术变得更加容易

  从电商平台的角度来讲,个性化推荐技术可以让每一个流量得到更加充分的利用,最大限度的提高流量效率。

  

淘宝推荐系统:千人千面的底层逻辑

  我们必须承认,无线技术以及智能手机的发展,让个性化推荐技术变得更加容易实现。因为手机这种产品的私密性(除了自己用以外,甚至家人用的都非常少),你手机的型号,你在手机上的浏览行为、购买行为等数据,在分析上就变得更有价值。

  从电商平台的角度来讲,个性化推荐技术可以让每一个流量得到更加充分的利用,最大限度的提高流量效率。因为他会根据数据分析,把消费者最有可能成交的产品优先推荐给消费者。

  一. 个性化推荐技术基于的逻辑基础

  简单的来说,就是我们首先要搞清楚,淘宝的个性化推荐技术会通过什么样的方式把产品优先展现在你面前。这种推荐的逻辑基础是什么?我们可以简单的分成四个不同的层面来分析。

  1. 你购买过的店铺意味着“认可”

  其实这是很好理解的,因为你已经购买了,所以这证明了你对这个店铺的认可,尤其是在一些比如说衣服、视频、鞋子、宠物用品等复购率比较高的商品中。如果你在这个店铺里面买过,那么你在搜索相关的关键词的时候,这个店铺符合要求的商品就会被优先展现(尤其是新上架的商品),方式是:购买过的店铺。

  同样的方式,你收藏的店铺、浏览过的店铺等等,都会以一种强个性化的方式得到优先推荐,只不过最被优先推荐的就是“购买过的店铺”。在绝大多数类目里面,这种最高级别的个性化推荐都是非常明显的,在无线端。

  2. 根据你的浏览痕迹等推荐相关产品

  你在手机端的所有的浏览行为都会被记录下来(理论上来讲真是这样的),因此你收藏的宝贝、加购的宝贝、搜索过的关键词等等,都是给你进行个性化推荐的重要依据。这个最明显的就是你搜索并且看完一些宝贝后,关闭淘宝,过一段时间再打开淘宝,你就可以看到在“猜你喜欢”模块里面出现。

  3. 根据你的人群特征以及以前的一些消费行为特征“猜你喜欢”

  另外,我们都知道,在手淘首页是有猜你喜欢板块的。如果你能够进入到这个板块,那么你的流量会非常大。那么这个板块推荐的标准是什么呢?首先他会去判断这个消费者的一些人群特征,然后结合他以前的购物行为,匹配一些标签,比如说:20——35之间、女性、低收入人群、爱宠人士、双鱼座……,然后再去分析淘宝上的这些店铺,有哪些店铺标签是符合这些特征的,然后把最匹配的店铺的商品,优先推荐给这些消费者。

  很多店铺经常有大量的来自于手淘首页的流量,当然,有的转化高,有的转化低,就在很大程度上是通过这种方式给你匹配进来的。这时候如果你的店铺标签非常明确,跟人群匹配的程度比较高,那么你的转化数据就好,这些流量就会持续不断的进来。否则进来一段时间后,就会轻易的掉下去。

  4. 根据概率进行匹配推荐

  如果是一个新注册的买家来购物,这时候咋办?因为这个买家除了具备一些基本的人群属性外,购物行为和购物偏好方面是空的。好,这时候搜索引擎会根据概率来进行匹配。什么意思呢?比如,连衣裙这个产品,在风格上有韩版的、欧美的、田园风格的等等。那么搜索引擎通过分析以前搜索“连衣裙”这个关键词的消费者,发现70%以上的消费者最终都购买了“韩版”的,那么韩版就是一个高概率成交风格。所以,展现在这个消费者面前的,会更多的是韩版风格的连衣裙。

  二. 关于个性化标签的问题

  淘宝的搜索引擎在匹配个性化流量的时候,重要的依据就是店铺标签和产品标签,所以我们如果想获得更多的个性化推荐流量,基本的方法就是不断的去强化自己的店铺标签和产品标签。因此,首先我们需要了解的就是:这些标签是如何形成的。

  1. 你宝贝所在的类目、属性以及标题中的关键词

  这主要是针对新品新店来讲的,因为还没有消费者浏览、购买等等,所以你在上传宝贝的时候,你选择的类目、宝贝的属性、标题的关键词等等就是形成产品标签和店铺标签的重要点。

  在这里面有这样的一个小细节分享给大家:

(责任编辑:admin)
织梦二维码生成器
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发布者资料
第一站编辑 查看详细资料 发送留言 加为好友 用户等级:注册会员 注册时间:2012-05-22 19:05 最后登录:2014-08-08 03:08
栏目列表
推荐内容
分享按鈕