電商商品推薦系統(tǒng)產(chǎn)品設計

在電商網(wǎng)站里進行商品推薦，可以提高整個網(wǎng)站商品銷售的有效轉化率，增加商品銷量。通過用戶已經(jīng)瀏覽、收藏、購買的記錄，更精準的理解用戶需求，對用戶進行聚類、打標簽，推薦用戶感興趣的商品，幫助用戶快速找到需要的商品，適時放大需求，售賣更加多樣化的商品。甚至在站外推廣時，能夠做個性化營銷。

商品推薦分為常規(guī)推薦、個性化推薦。常規(guī)推薦是指商家選擇一些固定商品放在推薦位，或者基于商品之間的關聯(lián)性，進行相關的商品推薦。例如：在用戶買了奶瓶之后推薦奶粉。個性化推薦指基于用戶購物習慣，根據(jù)商品特性來進行推薦。例如“看過此商品后的顧客還購買的其他商品”推薦項。

電商系統(tǒng)中的商品推薦位一般有：首頁運營Banner最底部的位置(猜你喜歡/為你推薦)、購物車最底部的位置(猜你喜歡/為你推薦)、商品詳情頁中部(看了又看、買了又買、為你推薦等)、用戶簽到等位置。還有這兩年興起的內(nèi)容電商，通過社區(qū)做內(nèi)容來提高轉化率。

常規(guī)推薦

常規(guī)推薦的商品不會因為用戶不同產(chǎn)生差異，主要是運營配置的活動或固定商品(商品精選)。除了在固定推薦位選定某些商品進行配置，例如選取10件固定商品放在簽到頁進行推薦。還有一些固定規(guī)則的動態(tài)配置商品，例如圖中商品銷量排行榜、商品收藏排行榜、某品類的銷量排行榜(例如圖書會有許多排行榜)，這類根據(jù)瀏覽、收藏、銷售數(shù)據(jù)做的商品統(tǒng)計在常規(guī)推薦時會經(jīng)常用到，對用戶的消費決策影響也比較大。

近兩年崛起的內(nèi)容電商也屬于商品推薦的一種，很多平臺都開始在內(nèi)容上發(fā)力，越來越多的消費者在看直播、看自媒體文章、看帖子的過程中購買商品。例如淘寶的微淘、京東的覓生活(Meelife)、小紅書等。

在移動互聯(lián)網(wǎng)形態(tài)下，用戶的瀏覽減少，更傾向于瀏覽和推薦，但簡單的商品列表和標語描述的沖擊力已然不夠，內(nèi)容電商將商品嵌入到文案或者視頻中，通過詳細的描述消費感受和商品特點，激起用戶的同理心，這樣的購物消費更容易產(chǎn)生沖動性消費，而非計劃性消費。

在內(nèi)容電商中，除了平臺商家自己產(chǎn)生內(nèi)容，還應允許用戶產(chǎn)生內(nèi)容(UGC)，并且對UGC內(nèi)容進行激勵。內(nèi)容形式有長圖文、視頻推薦、直播推薦等多種形式，在內(nèi)容中嵌入商品購買入口，在瀏覽時可以直達商品，增加購買轉化率。對內(nèi)容進行分類打標，可以縮短用戶查找的路徑。建立內(nèi)容社區(qū)，提供評論、關注、種草(收藏)、贊賞等多種互動方式，增加用戶粘性，提供分享到其他社交平臺(微信、微博等)的功能。在內(nèi)容中盡量推薦統(tǒng)一風格或同一場景的商品，增加商品之間的關聯(lián)性。

隨著貨架式電商時代逐漸過去，內(nèi)容電商推薦的優(yōu)勢逐步凸顯，特別在垂直行業(yè)，如美妝、母嬰等，內(nèi)容電商為中小型電商公司突破流量黑洞提供了機會。

個性化推薦

電商推薦系統(tǒng)將收集的用戶信息、產(chǎn)品信息及用戶畫像分類作為系統(tǒng)輸入，利用適當?shù)耐扑]算法和推薦方式，根據(jù)用戶設定的個性化程度和信息發(fā)送方式，給用戶提供個性化商品推薦。用戶對推薦結果的點擊瀏覽、購買的反饋結果，又可以作為優(yōu)化系統(tǒng)推薦的參考。

完善的推薦系統(tǒng)一般由四部分組成，按照收集 → 分析 → 推薦的步驟，收集用戶信息的用戶行為記錄模塊、分析用戶喜好的分析模型模塊、分析商品特征的商品分析模塊和推薦算法模塊。

用戶行為記錄模塊負責搜集能反映用戶喜好的行為，例如瀏覽、購買、評論、問答等;

用戶行為分析模塊通過用戶的行為記錄，分析用戶對商品的潛在喜好及喜歡程度，建立用戶偏好模型;

商品分析模塊主要對商品進行商品相似度、商品搭配度、目標用戶標簽進行分析;

推薦算法根據(jù)一定的規(guī)則從備選商品集合中篩選出目標用戶最可能感興趣的商品進行推薦。

如圖所示：

用戶畫像是根據(jù)用戶特征(性別、年紀、地域等)、消費行為習慣(瀏覽、購買、評論、問答等)等信息進行抽象化，建立標簽化的用戶模型。構建用戶畫像的核心工作即是給用戶貼“標簽”，而標簽是通過對用戶行為記錄分析而來的高度精煉的特征標識。推薦系統(tǒng)的難點，其中很大一部分就在于用戶畫像的積累過程極其艱難。其次用戶畫像與業(yè)務本身密切相關。在用戶標簽足夠豐富并且多的時候，就可以對用戶聚類，例如用A/B/C/D等四種典型用戶畫像來代表商城的目標用戶，還可以將新用戶進行歸類這些典型用戶畫像中。

商品分析模塊主要根據(jù)商品的類目品牌、商品屬性、產(chǎn)品評論、庫存、銷售記錄、訂單數(shù)據(jù)、瀏覽收藏、價格等數(shù)據(jù)來分析商品相似度、商品搭配度(可人工調(diào)整)，并且對商品貼上目標用戶標簽。

用戶畫像、商品分析模塊的數(shù)據(jù)都是為推薦算法提供基礎數(shù)據(jù)。商品推薦的算法有很多種，需要根據(jù)推薦結果反饋，不斷優(yōu)化模型。有時候還需要考慮人工因素的權重，例自營商品排在前面、評分高的店鋪優(yōu)先推薦等。在推薦時，還用一些特殊推薦：購買此商品的顧客也同時購買、看過此商品后顧客購買的其他商品、經(jīng)常一起購買的商品，都是基于商品進行的推薦。

如果完全按照用戶行為數(shù)據(jù)進行推薦，就會使得推薦結果的候選集永遠只在一個比較小的范圍內(nèi)，在保證推薦結果相對準確的前提下，按照一定的策略，去逐漸拓寬推薦結果的范圍，給予推薦結果一定的多樣性。

在大數(shù)據(jù)時代，商品推薦模塊雖然一定程度上進行了精準營銷，提高商品轉化率。但是與推薦的準確性有些相悖的，是推薦的多樣性。有時候會出現(xiàn)推薦混亂的情況，并且引起用戶反感。譬如曾經(jīng)瀏覽過某款電視，連續(xù)一個月都推薦這款電視;甚至購買過手機之后，還不斷推薦其他手機。主要是因為推薦算法做得不夠到位，很多用戶行為數(shù)據(jù)沒有收集處理，商品關聯(lián)度沒做好就盲目推薦商品。

本文題目：電商商品推薦系統(tǒng)產(chǎn)品設計
本文網(wǎng)址：http://www.muchs.cn/news40/169790.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供做網(wǎng)站、定制網(wǎng)站、外貿(mào)網(wǎng)站建設、關鍵詞優(yōu)化、網(wǎng)站制作、自適應網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)