达观智能推荐_精细化运营的四个原则「建议收藏」

达观智能推荐_精细化运营的四个原则「建议收藏」伴随着实体行业的数字化转型,以及网民数量、物流快递行业的快速增长,电商平台之间的竞争也日趋增大

伴随着实体行业的数字化转型,以及网民数量、物流快递行业的快速增长,电商平台之间的竞争也日趋增大。如今,电商行业已然进入创新发展阶段,如何直面行业痛点,在众平台中“杀出重围”呢?

电商1

电商行业痛点

用户对商品的需求不是单一的,如何面对不同用户多种多样的需求?

用户购物时一般都带有目的性,如何在短时间内识别用户购物需求从而吸引用户?

商品琳琅满目,如何做到为用户精准推荐?

达观通过电商行业的服务经验,提炼出适用于电商行业的推荐策略及算法,以下将从“人”“货”“场”“策略”四方面展开。

电商2

针对电商APP的新老用户,有不同的推荐方案。

新用户推荐策略举例:

(1)根据用户静态信息生成推荐列表,推荐符合用户性别、年龄的商品;根据用户选择的兴趣标签,推荐符合其兴趣标签的商品;

(2)根据冷启动算法进行推荐,例如E&E和CLUB算法;

(3)结合商品的热门榜单数据进行推荐;

(4)采用专家策略,推荐活动的商品,例如打折的商品等。

电商5

老用户推荐策略举例:

(1)基于用户静态信息生成推荐列表:推荐符合用户性别、年龄的商品;根据用户选择的兴趣标签,推荐符合其兴趣标签的商品;

(2)基于动态数据进行推荐,综合考虑用户的搜索、点击、购买等行为分析用户偏好。例如:用户收藏了一件T恤,那么同类型、价格相似的T恤、同店铺的其它T恤、同品牌的其它商品等都可作为该用户的推荐候选集;其次还可以根据用户行为计算相似用户,将相似用户间的偏好商品进行交叉推荐;

(3)基于运营规则推荐,例如:对于复购周期长的商品减少推荐;给用户推荐配套商品、活动商品等。

电商4

顾名思义,电商APP中可以推荐出来的商品为“货”。推荐系统会综合考虑商品的静态属性字段(如类别、价格、标签等)、商品的统计属性(如销量、点击量等)和商品之间的关联属性。

举例如下:

(1)分析商品静态属性:结合商品类别字段,给用户推荐当季商品,如夏季推荐T恤、连衣裙等;亦或者根据商品上架时间字段,给予上新商品一定的曝光度;

(2)分析商品统计属性:综合考量商品的点击量、销量等,计算商品热度,给用户推荐热门商品;

(3)分析商品关联属性:结合店铺、品牌、价格等信息,给用户推荐同店铺、同品牌、相似价格的商品;或者通过计算商品标题相似度,推荐相似商品;亦或者根据协同过滤算法,通过用户将商品进行关联来进行推荐。

电商3

达观提供个性化、相关、热门、地域、搜索推荐、通用推荐等功能,全方位支持电商APP多个场景接入推荐,例如首页、频道页、详情页、搜索页等等。

电商6

在电商推荐中,搭配专家策略往往可以对效果有促进作用。

例如:

(1)从推荐权重方面:可调整不同行为对模型的影响权重,例如:购买>加入购物车>收藏>分享>点击;

(2)从推荐范围方面:可结合电商用户群体的不同特征上线不同的方案,例如向VIP用户优先推荐VIP折扣商品;

(3)从推荐比例方面:通过丰富推荐结果的比例,来丰富商品推荐的多样性,例如,兴趣商品:热门商品:新商品=4:2:1

(4)当推荐条件限制过多时,为避免推荐结果不足的情况,可以设置补足策略,例如根据海量用户的购买、加购等行为数据计算热门商品,加入到补足推荐的候选集。

达观推荐服务深度理解电商行业应用场景,如直播电商、社交电商、生鲜电商、跨境电商等,支持结合不同行业特点进行模型的定制和优化。目前,在电商行业达观已经服务虎扑识货、安利、天虹、乐友母婴、一条生活馆、顺丰大当家等众多知名客户,行业经验丰富

达观首创“召回+排序+后处理+兜底”四段式推荐流程,平台内置上百种算法模型和专家规则,支持AB测试、用户画像等功能,有效提升转化率、点击率、留存率等业务核心指标,可满足技术、运营、产品、测试等多种角色的不同需求。

今天的文章达观智能推荐_精细化运营的四个原则「建议收藏」分享到此就结束了,感谢您的阅读。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/84822.html

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注