谈运营：不着调的推荐不如不推荐

2020-12-14 10:42:29 阅读（152） 评论（0）

在去购物中心之前，你告诉自己你今天只买了一件t恤。当你离开购物中心时，你仍然拿着一个大袋子和一个小袋子。购物指南看到你触摸衣服，让你免费试穿，结果你不想脱下这件衣服，一个接一个。购物指南猜测客户喜欢什么，建议客户试穿，满足双方各自的心理需求，达成交易。电子商务网站如何猜测用户的想法，推荐商品进行交易？我们不能让人们感知用户的需求。我们只能用数据和规则告诉用户。我知道你喜欢这个产品。所有不调整的推荐都是流氓，不调整的推荐不如不推荐。1、推荐算法推荐算法主要包括基于内容的推荐算法、协同过滤算法和基于人口的统计推荐。先来科普一下这些推荐算法:1、推荐算法的内容（CB）：基于商品相关性，为每个item提取特征建模CB构建商品模型推荐。商品相关性包括商品类别、属性、参数、关键词、组合商品等。举个简单的栗子，当你买手机的时候，导购员看到你进来就知道你买了手机，这是一个商品类别；你说，看看粉色苹果，内存要大一些。导购员带来了128G的红色iPhone7。粉色是属性，内存是参数，导购员带来的不是水果，因为苹果是iPhone的关键词。当你决定买粉色128GiPhone7的时候，导购告诉你，今天买手机可以加10元买一个手机壳，这是商品组合推荐的。电子商务系统也是如此。只有一步一步地猜测用户的想法，用户才会信任网站。目前，纯粹使用CB算法的电子商务并不多。对于初始网站，在没有用户数据的情况下，主要依靠CB算法推荐商品。2、协同过滤算法（CF）(1)基于用户的CF根据用户对商品的偏好找到邻居用户，并向当前用户推荐邻居用户喜欢的东西。我最好的朋友在大学里经常和你一起看电影，他告诉你，最近上映的《摔跤，爸爸》非常好看，这会让你更想看这部电影，因为你知道她喜欢看什么，你通常喜欢看。“喜欢XX的人也喜欢”是典型的UserCF。(2)基于项目的CF根据用户对项目的偏好找到类似的项目，然后根据用户的历史偏好向他推荐类似的项目。当你买裤子的时候，导购员告诉你，这是我们销量最好的。我们刚买了一个。除了物品关联，用户偏好也增加了。根据公众偏好，预测你还没有表达你的偏好。例如，每个人都在购买。3、建议根据用户属性建模基于人口的统计学，通过用户特征计算用户之间的相似性。常见的用户在注册时添加感兴趣的标签、列表、热点等。推荐算法无非是商品相关性、用户行为、大众行为。二、以上运营推广推荐算法是基于数据和规则推荐的，此外，还有运营需求的推广。当然，生活也存在。当导购员偶尔强烈推荐产品时，有些人会怀疑是否有更多的佣金。除了推荐特殊活动外，偶尔还可以在自然推荐规则中添加人为干扰因素（如品牌优先级），使您的运营推荐保持沉默。Feed流是移动端推荐的，推荐不仅难以察觉，还会让你心甘情愿地分享。以天猫为例，推荐越多越好，推荐越准确越好。主页：除各种特殊操作活动外，根据用户浏览历史猜测您喜欢搜索结果页面：添加人为干扰因素推荐，店主热销商品详细信息页面：基于公共浏览和商品相关性查看会员中心：根据用户浏览猜测您喜欢订单详细信息页面：推荐操作活动，关注品牌热销单品购物页面：店主热销、品牌收藏、最近浏览、猜测您喜欢4、2B电子商务2B的特殊性，2B电子商务面向企业，企业将有不同的角色操作人员，向不同的人推荐不同的人。以购买手机原材料为例，工程师选择产品（类型选择）。他可以决定购买手机电池的规格参数和品牌，商品推荐可以从规格参数和制造商的维度推荐。以购买手机原材料为例，工程师选择产品（类型选择）。他可以决定购买手机电池的规格参数和品牌，商品推荐可以从规格参数和制造商的维度推荐。买方购买指定材料，无权更改产品型号和品牌，但可以决定商品价格和供应商，商品推荐可以从价格等维度开始。最后，推荐越多越好，推荐越准确越好，推荐越多越不准确。在用户看来，他们的眼睛一次又一次地被强奸。

内容来源:网络，以上内容来源于网络，不代表本站观点，如有侵权，请联系删除。

上一条：用需求的思维看世界，发现世界的另一面。下一条：微信群运营，看看我的经验。

商标/知识产权

网站服务

CRM/销售管理

ERP/智慧办公

财税人力

安全/技术支持

其他应用

商标版权

小程序

谈运营：不着调的推荐不如不推荐

推荐阅读

猜你喜欢

分类

最新文章