浅谈商品推荐:如何猜中用户的心思?
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。
转载于:https://www.cnblogs.com/a-du/p/9037593.html
浅谈商品推荐:如何猜中用户的心思?相关推荐
- 浅谈.NET(C#)与Windows用户账户信息的获取
原文:浅谈.NET(C#)与Windows用户账户信息的获取 目录 1. 用户账户名称 - 使用Environment类 2. 用户账户信息 - 使用WindowsIdentity和IdentityR ...
- 浅谈所谓的产品「用户画像」
2015上半年,我国网民已达到6.68亿,年底肯定能够顺利突破7亿,其中使用手机上网人群占整体88.9%.不同于传统PC上网,每个家庭共用一台设备,手机上网存在着独特性.唯一性和私密性的特点,每个人的 ...
- 浅谈前端视角下的用户体验
性能优化是一个老生常谈的话题,每谈及性能优化,我们一定会提到的就是用户体验,用户体验的好坏是决定产品成功与否的关键. 性能优化是为了提升用户体验,从这个角度出发,"快"即是好的用户 ...
- 浅谈数据中的偏差问题和推荐系统去偏最新研究进展
©作者 | 杨晨 来源 | RUC AI Box 本文首先回顾了数据中的偏差问题,通俗易懂地做一个解释和引入,并基于最近两年发表在顶级会议(KDD.SIGIR.WWW.AAAI 等)的推荐系统去偏相关 ...
- 浅谈大数据中的 2PC、3PC、Paxos、Raft、ZAB
一致性 简述 一致性,是指对每个节点一个数据的更新,整个集群都知道更新,并且是一致的.假设一个具有N个节点的分布式系统,当其满足以下条件时,我们说这个系统满足一致性: 全认同: 所有N个节点都认同一个 ...
- 基于协同过滤算法的商品推荐购物电商系统
一.介绍 商品推荐是针对用户面对海量的商品信息而不知从何下手的一种解决方案,它可以根据用户的喜好,年龄,点击量,购买量以及各种购买行为来为用户推荐合适的商品.在本项目中采用的是基于用户的协同过滤的推荐 ...
- Vue.js+Mysq+java+springboot+商品推荐算法实现商品推荐网站+商品管理系统后台
面对海量的商品信息如何实现针对不同用户维度开展个性化商品推荐,实现用户线上选购商品,下订单,支付,物流配送等?本次毕设程序基于前后端分离开发模式,搭建系统网络商品推荐系统前台与系统后台商品管理系统,通 ...
- 基于java与springboot结合商品推荐算法实现商品推荐网站+商品管理系统后台,mysql,vue
面对海量的商品信息如何实现针对不同用户维度开展个性化商品推荐,实现用户线上选购商品,下订单,支付,物流配送等?本次毕设程序基于前后端分离开发模式,搭建系统网络商品推荐系统前台与系统后台商品管理系统,通 ...
- Griddle 框架--面向商品推荐的级联框架
前言 当我们讨论推荐系统的时候, 我们一般是说广告推荐. 对于广告推荐, 业界最领先的架构是采用两层架构. 使用一个双塔结构做召回, 再用一个 FNN 模型做排序. 但是在业界广告推荐并不是推荐系统的 ...
- 浅谈微博精准推荐——用户行为挖掘与相似用户挖掘
引言:在推荐系统中,通过对用户数据的挖掘,抽象出用户感兴趣的"商品",以微博的博文推荐为例,"商品"表现为用户的博文,在博文精准推荐中,其核心问题是在给定的环境 ...
最新文章
- spring-data-mongodb必须了解的操作
- 数据挖掘(Data Mining)| 数据分析建模理论基础
- YOU SAY THE RULE IS HERE,BUT I SAY WHY?
- 饼图大小调整_别让这些细节毁了你的图表,饼图制作的三大准则和七大细节
- python爬虫从入门到放弃(二)之爬虫的原理
- c#queue_带有C#示例的Queue.CopyTo()方法
- 设计灵感素材网站:美工设计者必备
- linux 只运行一个实例 互斥锁,Linux多线程4-1_互斥量
- source命令执行SQL脚本文件
- Leetcode 刷题笔记(三十) ——动态规划篇之子序列问题:回文
- 搭积木php编程,Primo Toys,一款可以同时搭积木与编程的玩具
- 信息安全工程师(软考资料)
- Rose环境和用例图
- Windows64位安装git
- js 数组遍历时删除元素方法总结
- Ubuntu 18.04 登录界面鼠标键盘鼠标失灵解决方法
- 【Python数据类型展示】
- python--根据星座测试性格特点-列表/模拟12306火车订票下单 --字典
- 腾讯云搭建Socks5一系列及相关内容
- 使用Python requests和BeautifulSoup库爬取去哪儿网