产品中心

当前位置:主页 > 产品中心 >

浅谈个性化推荐(偏电商平台)

发布时间:2020-10-05 12:29

  个性化推荐是根据用户的特征和偏好,通过采集、分析和定义其在端上的历史行为,了解用户是什么样的人,行为偏好是什么,分享了什么,产生了那些互动反馈等等,最终理解和得出符合平台规则的用户特征和偏好。从而向用户推荐感兴趣的信息和商品。

  生产者生产内容到消费平台,消费平台通过一定的规则将内容组织起来,消费者从消费平台使用该内容时的行为,会形成反馈。

  由生产者生产,无内容不存在吸引用户去平台访问。个性化是以内容为根本基础,此为本质。

  可以是用户担当(UGC); 亦可是由专业人士无偿生产(PGC),若是有偿生产则称为OGC。以UGC为代表的。如各大论坛、博客和微博站点,其内容均由用户自行创作,管理人员只是协调和维护秩序;以OGC为代表的。如各大新闻站点、视频网站,其内容均有内部自行创造和从外部花钱购入版权;而PGC则在上述两种类型的网站中都有身影,由于其既能共享高质量的内容,同时网站提供商又无需为此给付报酬,所以OGC站点和UGC站点都很欢迎PGC。

  消费者在消费平台中,对内容的互动行为。如网易新闻app,在推荐栏中生产或汇集新闻资讯,并将其展示在客户端里。用户点击某条新闻,阅读详细内容时便形成了一则反馈。随后其点击某个顶部导航tag、添加或删除某个频道,收藏、离线或分享某一篇文章,重复点击某一篇文章等行为都可以看成是反馈。网易可以根据这些信息通过技术方法,365bet。一段时间之后便可以建立起该用户常规兴趣模型及近期兴趣模型。然后应用该模型进行试错,根据行为方差再进行调整,促使该模型不断上升,力求越来越接近用户的线什么平台适合用个性化推荐的?

  对于个性化推荐,内容是最根本的东西,巧妇难为无米之炊。在内容都不多的情况下,一定要清楚自己的产品所在的阶段是否具备个性化推荐系统的应用场景。

  属于主观行为。用户需要去主观判断和选择,行为相对比较“重”,导致体验不好。(成本高,即系需要花费精力去搜索、筛选排除,才能得到真正感兴趣的内容,并且不会动态根据用户的兴趣变化而变化);

  如比较单一的维度加上半衰期去看全局排名。比如,30天内点击排名,一周热门排名。虽然这也是符合热点属于新鲜,用户或许感兴趣。若只靠这种方式有个弊端,就是马太效应,点的人越多的,经过推荐点得人有更多。强者越强,弱者机会越少就越弱,可能导致两级分化严重,一些比较优质素材就被埋没了。

  随着电子商务规模的不断扩大,商品个数和种类快速增长,用户需要花费大量的时间、精力才能找到自己想买的商品。尤其移动端互联网是当下趋势,可用户在移动端显得很没有“耐心”,体验会更不好。因此,给用户推荐个性化的内容,在短时间内抓住用户的”心“,能够帮助用户节省成本,让用户体验更爽。

  在电商网平台的访问用户,或许在浏览过程中并没有购买欲望,仅仅是为了无聊打发时间或者其他原因。而当个性化推荐能够向用户推荐他们感兴趣的商品,从而促成购买过程,达到盈利。

  个性化推荐能够在用户购买过程中,向用户提供其他有价值或关联的商品推荐。用户能够从系统提供的推荐列表中,购买自己确实需要但在购买过程中没有想到的商品,从而有效提高电子商务系统的交叉销售。如买手机可推荐其关联商品:移动电源、耳机、手机壳等。

  个性化推荐系统分析用户的行为属性,根据用户需求向用户提供有价值的商品推荐。如果推荐系统的推荐质量很高,那么用户会对该推荐系统产生依赖。因此,个性化推荐系统不仅能够为用户提供个性化的推荐服务,而且能与用户建立长期稳定的关系,从而有效保留客户,提高客户的忠诚度,防止客户流失。

  电商行业也常常会使用到基于关联规则的推荐。即以关联规则为基础,把已购商品作为规则头,规则体为推荐对象。比如,你购买了羽毛球拍,那我相应的会向你推荐羽毛球周边用品。关联规则挖掘可以发现不同商品在销售过程中的相关性,提供相关商品的快速链接可以刺激其他产品的销售,也可以给购物经验丰富的用户提供更好的体验。

  货币价值(Monetary Value):客户通常消费一次会花多少钱?

  基于这种分析,当你想提高转化率或者使用户感到开心的时候,你可以决定在何时和发送什么内容给特定的客户。试想,当用户的旧牛仔裤已经快报废的时候,刚好收到一条促销信息,这是件多么令人兴奋的事情。客户会对你的个性化推送和及时性留下深刻的印象。

  最高级的电子商务个性化采用协同过滤的方式。协同过滤意味着整个电商网站可以实现对每个用户都是单独策划的。

  协同过滤可以提示“看过这个商品的人也看过的商品”,“根据浏览记录推荐的商品”,或者“和当前商品相似的有库存商品”(对于售罄的商品而言)。像这样的个性化商品推荐可以促进销售也可以增加客户与相关的、有价值的产品之间的互动。 他们可以突出不出现在搜索结果首页的好产品或者最火爆的产品。

  个性化推荐的内容当然需要区分具体属性,但对于用户来说无非就是感兴趣的,无感的,以及不感兴趣的。那么问题来了,如何排定三者的展现比例呢,如何在展现个性化的兴趣的同时达到与新事物介入的平衡?

  若7:0:0,肯定是不行的,那样只会将客户端越做越窄,而且用户也不希望自己固步自封,闭门造车,他们也渴望接触一些新鲜的事物,拓展自己的兴趣;

  如在进行手机个性化阅读推荐的时候,如果曾经的数据显示某个用户只在7点基于用户随时间变化的活跃性推荐。到8点之间有一个小时左右的手机阅读行为(可能是上班时在地铁或者公交车上),那么9点钟发送一个电子书阅读的短信广告就是很不明智的选择。从含时数据中还可以分析出影响用户选择的长期和短期的兴趣,通过将这两种效应分离出来,可以明显提高推荐的精确度。

  如预测用户的移动轨迹和判断用户在当前位置是否有可能进行餐饮购物活动等,同时还要有定量的办法去定义用户之间以及地点之间的相似性。如团购app向用户推荐近处的餐饮购物等等场所;但是,有时候在用户经常出没的地点,譬  如工作地点、学校、住家等等进行推荐的效果往往是比较差的,因为用户对于这些地点比系统还熟悉,而且很难想象用户在上下班的路上会有特别地情致购物或者进餐。实际上可以预测的时空信息往往是商业价值比较低的,而用户在吃饭时间去了一个平常不太去的地方,往往有更大的可能是和朋友聚会就餐。这就要求系统更加智能,能够对用户当前行为所蕴含的信息量进行估计(要同时考虑时间和空间),并且在信息量充分大的时候进行推荐。

  用户更喜欢来自朋友的推荐而不是被系统“算出来的推荐”。最近有证据显示,朋友推荐也是淘宝商品销售一个非常重要的驱动力量。来自朋友的社会推荐有两方面的效果:一是增加销售(含下载、阅读……),二是在销售后提高用户的评价。当然,在社会推荐方向存在的挑战主要可以分为三类:一是如何利用社会关系提高推荐的精确度,二是如何建立更好的机制以促进社会推荐,三是如何将社会信任关系引入到推荐系统中。社会推荐的效果可能来自于类似口碑传播的社会影响力,也可能是因为朋友之间本来就具有相似的兴趣或者兴趣相投更易成为朋友,对这些不同的潜在因素进行量化区别,也属学术研究的热点之一。

  能够基于用户数据提供个性化推荐,这是互联网产品可以提供的一项特色功能。用户也对这样的方式很感兴趣,即便不够准确,用户需求依旧存在。那么产品在设置个性化推荐功能时,除了要不断完善推荐算法的精准度外,也要注意一些讨巧的方式,既防止让不准确的推荐吓跑用户,又不至于让用户面对海量内容时不知所措:

  多样性和和精确性的平衡。推荐的内容,不能只包含精确算出的内容,应要考虑多样性,一些特别的需求非常强调多样性和新颖性,譬如类似于“唯品会”这样的限时抢购模式或者最近非常流行的团购模式;

  听到很多言论说在中国程序员是吃青春饭的,那么产品经理呢,也吃青春饭吗?

  人人都是产品经理()是以产品经理、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位服务产品人和运营人,成立9年举办在线+期,线+场,产品经理大会、运营大会20+场,覆盖北上广深杭成都等15个城市,在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一起成长。


上一篇:365bet减少脱硫废水处理系统压滤机缺陷的

下一篇:365betφ801000