淺談個(gè)性化推薦(偏電商平臺(tái))

3 評(píng)論 32292 瀏覽 275 收藏 18 分鐘

(一)什么是個(gè)性化推薦?

1.1個(gè)性化推薦的定義

個(gè)性化推薦是根據(jù)用戶的特征和偏好,通過(guò)采集、分析和定義其在端上的歷史行為,了解用戶是什么樣的人,行為偏好是什么,分享了什么,產(chǎn)生了那些互動(dòng)反饋等等,最終理解和得出符合平臺(tái)規(guī)則的用戶特征和偏好。從而向用戶推薦感興趣的信息和商品。

1.2個(gè)性化推薦的5個(gè)要素?

個(gè)性化涉及的五個(gè)要素:

  • 生產(chǎn)者
  • 內(nèi)容
  • 消費(fèi)平臺(tái)
  • 消費(fèi)者
  • 反饋

生產(chǎn)者生產(chǎn)內(nèi)容到消費(fèi)平臺(tái),消費(fèi)平臺(tái)通過(guò)一定的規(guī)則將內(nèi)容組織起來(lái),消費(fèi)者從消費(fèi)平臺(tái)使用該內(nèi)容時(shí)的行為,會(huì)形成反饋。

  • 消費(fèi)者:即進(jìn)入平臺(tái)尋找內(nèi)容的訪問(wèn)用戶。
  • 消費(fèi)平臺(tái):提供內(nèi)容供消費(fèi)者訪問(wèn)的平臺(tái)。如網(wǎng)站、APP等。
  • 內(nèi)容:由生產(chǎn)者生產(chǎn),無(wú)內(nèi)容不存在吸引用戶去平臺(tái)訪問(wèn)。個(gè)性化是以內(nèi)容為根本基礎(chǔ),此為本質(zhì)。
  • 生產(chǎn)者:可以是用戶擔(dān)當(dāng)(UGC);?亦可是由專業(yè)人士無(wú)償生產(chǎn)(PGC),若是有償生產(chǎn)則稱為OGC。以UGC為代表的。如各大論壇、博客和微博站點(diǎn),其內(nèi)容均由用戶自行創(chuàng)作,管理人員只是協(xié)調(diào)和維護(hù)秩序;以O(shè)GC為代表的。如各大新聞?wù)军c(diǎn)、視頻網(wǎng)站,其內(nèi)容均有內(nèi)部自行創(chuàng)造和從外部花錢購(gòu)入版權(quán);而PGC則在上述兩種類型的網(wǎng)站中都有身影,由于其既能共享高質(zhì)量的內(nèi)容,同時(shí)網(wǎng)站提供商又無(wú)需為此給付報(bào)酬,所以O(shè)GC站點(diǎn)和UGC站點(diǎn)都很歡迎PGC。
  • 反饋:消費(fèi)者在消費(fèi)平臺(tái)中,對(duì)內(nèi)容的互動(dòng)行為。如網(wǎng)易新聞app,在推薦欄中生產(chǎn)或匯集新聞資訊,并將其展示在客戶端里。用戶點(diǎn)擊某條新聞,閱讀詳細(xì)內(nèi)容時(shí)便形成了一則反饋。隨后其點(diǎn)擊某個(gè)頂部導(dǎo)航tag、添加或刪除某個(gè)頻道,收藏、離線或分享某一篇文章,重復(fù)點(diǎn)擊某一篇文章等行為都可以看成是反饋。網(wǎng)易可以根據(jù)這些信息通過(guò)技術(shù)方法,一段時(shí)間之后便可以建立起該用戶常規(guī)興趣模型及近期興趣模型。然后應(yīng)用該模型進(jìn)行試錯(cuò),根據(jù)行為方差再進(jìn)行調(diào)整,促使該模型不斷上升,力求越來(lái)越接近用戶的真實(shí)偏好。

1.3什么平臺(tái)適合用個(gè)性化推薦的?

對(duì)于個(gè)性化推薦,內(nèi)容是最根本的東西,巧婦難為無(wú)米之炊。在內(nèi)容都不多的情況下,一定要清楚自己的產(chǎn)品所在的階段是否具備個(gè)性化推薦系統(tǒng)的應(yīng)用場(chǎng)景。

像愛(ài)奇藝、優(yōu)酷、樂(lè)視等視頻類app需要更齊全更優(yōu)質(zhì)的視頻節(jié)目;

像網(wǎng)易新聞客戶端、百度新聞客戶端,需要新聞內(nèi)容豐富和接地氣、并且要及時(shí)性與公信力;

像酷狗音樂(lè)、QQ音樂(lè)、網(wǎng)易云音樂(lè)等音樂(lè)類app來(lái)說(shuō),固家之本還應(yīng)該是音樂(lè)及MV的質(zhì)量及數(shù)量。

像喜馬拉雅電臺(tái)、蜻蜓FM、考拉FM等電臺(tái)類app需要更多高質(zhì)量的PGC內(nèi)容,以及質(zhì)量管控的UGC;

像淘寶、京東、唯品會(huì)等電商平臺(tái),需要更多的商品種類、品牌、購(gòu)買方式,以及對(duì)其質(zhì)量、價(jià)格等的把控;

1.4與其他非個(gè)性化推薦的對(duì)比?

根據(jù)上述個(gè)性化推薦的基本信息,反向?qū)Ρ绕渌莻€(gè)性化推薦的方式。我所理解的非個(gè)性化推薦主要有2種方式。用戶訂閱搜索、全局熱度排名模式。

1.主動(dòng)訂閱和搜索:

屬于主觀行為。用戶需要去主觀判斷和選擇,行為相對(duì)比較“重”,導(dǎo)致體驗(yàn)不好。(成本高,即系需要花費(fèi)精力去搜索、篩選排除,才能得到真正感興趣的內(nèi)容,并且不會(huì)動(dòng)態(tài)根據(jù)用戶的興趣變化而變化);

2.熱門排名模式:

如比較單一的維度加上半衰期去看全局排名。比如,30天內(nèi)點(diǎn)擊排名,一周熱門排名。雖然這也是符合熱點(diǎn)屬于新鮮,用戶或許感興趣。若只靠這種方式有個(gè)弊端,就是馬太效應(yīng),點(diǎn)的人越多的,經(jīng)過(guò)推薦點(diǎn)得人有更多。強(qiáng)者越強(qiáng),弱者機(jī)會(huì)越少就越弱,可能導(dǎo)致兩級(jí)分化嚴(yán)重,一些比較優(yōu)質(zhì)素材就被埋沒(méi)了。

(二)個(gè)性化推薦的作用(電商平臺(tái))

對(duì)于一個(gè)電商平臺(tái),個(gè)性化推薦的作用應(yīng)是相對(duì)而言,應(yīng)分為用戶側(cè)、電商側(cè)兩方面去論述:

2.1用戶側(cè)

1.節(jié)省用戶成本,提升用戶體驗(yàn)

隨著電子商務(wù)規(guī)模的不斷擴(kuò)大,商品個(gè)數(shù)和種類快速增長(zhǎng),用戶需要花費(fèi)大量的時(shí)間、精力才能找到自己想買的商品。尤其移動(dòng)端互聯(lián)網(wǎng)是當(dāng)下趨勢(shì),可用戶在移動(dòng)端顯得很沒(méi)有“耐心”,體驗(yàn)會(huì)更不好。因此,給用戶推薦個(gè)性化的內(nèi)容,在短時(shí)間內(nèi)抓住用戶的”心“,能夠幫助用戶節(jié)省成本,讓用戶體驗(yàn)更爽。

2.2電商側(cè)

1.促使瀏覽者轉(zhuǎn)購(gòu)買者

在電商網(wǎng)平臺(tái)的訪問(wèn)用戶,或許在瀏覽過(guò)程中并沒(méi)有購(gòu)買欲望,僅僅是為了無(wú)聊打發(fā)時(shí)間或者其他原因。而當(dāng)個(gè)性化推薦能夠向用戶推薦他們感興趣的商品,從而促成購(gòu)買過(guò)程,達(dá)到盈利。

2.提高商品交叉銷售能力

個(gè)性化推薦能夠在用戶購(gòu)買過(guò)程中,向用戶提供其他有價(jià)值或關(guān)聯(lián)的商品推薦。用戶能夠從系統(tǒng)提供的推薦列表中,購(gòu)買自己確實(shí)需要但在購(gòu)買過(guò)程中沒(méi)有想到的商品,從而有效提高電子商務(wù)系統(tǒng)的交叉銷售。如買手機(jī)可推薦其關(guān)聯(lián)商品:移動(dòng)電源、耳機(jī)、手機(jī)殼等。

3.提高用戶的忠誠(chéng)度

個(gè)性化推薦系統(tǒng)分析用戶的行為屬性,根據(jù)用戶需求向用戶提供有價(jià)值的商品推薦。如果推薦系統(tǒng)的推薦質(zhì)量很高,那么用戶會(huì)對(duì)該推薦系統(tǒng)產(chǎn)生依賴。因此,個(gè)性化推薦系統(tǒng)不僅能夠?yàn)橛脩籼峁﹤€(gè)性化的推薦服務(wù),而且能與用戶建立長(zhǎng)期穩(wěn)定的關(guān)系,從而有效保留客戶,提高客戶的忠誠(chéng)度,防止客戶流失。

(三)個(gè)性化推薦的方式(電商平臺(tái))

對(duì)于不同的平臺(tái),個(gè)性化推薦的實(shí)現(xiàn)方式和側(cè)重思考點(diǎn)會(huì)有所不同。針對(duì)電商平臺(tái)方面,從初級(jí)到高級(jí),在電子商務(wù)中有4種個(gè)性化方式。

3.1普通的賬戶數(shù)據(jù)

把用戶簡(jiǎn)單地按照位置(地理位置或IP地址),性別,或者婚姻狀況來(lái)分組。通過(guò)這種方式,你可以有效地提高用戶對(duì)相關(guān)廣告或促銷的響應(yīng)。很容易就可以做到給女性用戶發(fā)一則關(guān)于胸罩的促銷郵件而不發(fā)給男性用戶,但這樣就可以有效地增加與顧客之間的互動(dòng)。

3.2同類商品的關(guān)聯(lián)

電商行業(yè)也常常會(huì)使用到基于關(guān)聯(lián)規(guī)則的推薦。即以關(guān)聯(lián)規(guī)則為基礎(chǔ),把已購(gòu)商品作為規(guī)則頭,規(guī)則體為推薦對(duì)象。比如,你購(gòu)買了羽毛球拍,那我相應(yīng)的會(huì)向你推薦羽毛球周邊用品。關(guān)聯(lián)規(guī)則挖掘可以發(fā)現(xiàn)不同商品在銷售過(guò)程中的相關(guān)性,提供相關(guān)商品的快速鏈接可以刺激其他產(chǎn)品的銷售,也可以給購(gòu)物經(jīng)驗(yàn)豐富的用戶提供更好的體驗(yàn)。

3.3近因、頻率和貨幣價(jià)值

這3個(gè)點(diǎn)的分析簡(jiǎn)稱為RFM,是一種可以更詳細(xì)地了解用戶數(shù)據(jù)的方式。通過(guò)這種方式,每一個(gè)客戶都會(huì)擁有一個(gè)唯一的RFM值,該值通過(guò)如下三個(gè)問(wèn)題來(lái)估算:

  • 近因(Recency):客戶最近一次購(gòu)買是如何發(fā)生的?
  • 頻率(Frequency):客戶多久購(gòu)買一次?
  • 貨幣價(jià)值(Monetary?Value):客戶通常消費(fèi)一次會(huì)花多少錢?

基于這種分析,當(dāng)你想提高轉(zhuǎn)化率或者使用戶感到開(kāi)心的時(shí)候,你可以決定在何時(shí)和發(fā)送什么內(nèi)容給特定的客戶。試想,當(dāng)用戶的舊牛仔褲已經(jīng)快報(bào)廢的時(shí)候,剛好收到一條促銷信息,這是件多么令人興奮的事情。客戶會(huì)對(duì)你的個(gè)性化推送和及時(shí)性留下深刻的印象。

3.4協(xié)同過(guò)濾

最高級(jí)的電子商務(wù)個(gè)性化采用協(xié)同過(guò)濾的方式。協(xié)同過(guò)濾意味著整個(gè)電商網(wǎng)站可以實(shí)現(xiàn)對(duì)每個(gè)用戶都是單獨(dú)策劃的。

協(xié)同過(guò)濾可以提示“看過(guò)這個(gè)商品的人也看過(guò)的商品”,“根據(jù)瀏覽記錄推薦的商品”,或者“和當(dāng)前商品相似的有庫(kù)存商品”(對(duì)于售罄的商品而言)。像這樣的個(gè)性化商品推薦可以促進(jìn)銷售也可以增加客戶與相關(guān)的、有價(jià)值的產(chǎn)品之間的互動(dòng)。?他們可以突出不出現(xiàn)在搜索結(jié)果首頁(yè)的好產(chǎn)品或者最火爆的產(chǎn)品。

這種方法可以推薦一些內(nèi)容上差異較大但是又是用戶感興趣的物品,很好的支持用戶發(fā)現(xiàn)潛在的興趣偏好。也不需要領(lǐng)域知識(shí),并且隨著時(shí)間推移性能提高。但是也存在無(wú)法向新用戶推薦的問(wèn)題,系統(tǒng)剛剛開(kāi)始時(shí)推薦質(zhì)可能較量差。協(xié)同過(guò)濾成本很高且實(shí)現(xiàn)起來(lái)相對(duì)復(fù)雜。

(四)個(gè)性化推薦常見(jiàn)的問(wèn)題與建議(用戶角度)

4.1冷啟動(dòng)問(wèn)題

新用戶因?yàn)楹庇锌梢岳玫男袨樾畔?,很難給出精確的推薦。反過(guò)來(lái),新商品由于被選擇次數(shù)很少,也難以找到合適的辦法推薦給用戶——這就是所謂的冷啟動(dòng)問(wèn)題。

問(wèn)題建議:

利用用戶注冊(cè)或者初始進(jìn)入APP,可以通過(guò)性別、年齡分別建立性別-商品相關(guān)表、年齡-商品相關(guān)表,然后將這兩張相關(guān)表的商品列表按照一定權(quán)重相加,得到用戶的最終推薦列表;

也還可以再做非個(gè)性化推薦補(bǔ)充,如熱門排行榜、熱門喜歡商品等;

4.2推薦內(nèi)容的屬性

個(gè)性化推薦的內(nèi)容當(dāng)然需要區(qū)分具體屬性,但對(duì)于用戶來(lái)說(shuō)無(wú)非就是感興趣的,無(wú)感的,以及不感興趣的。那么問(wèn)題來(lái)了,如何排定三者的展現(xiàn)比例呢,如何在展現(xiàn)個(gè)性化的興趣的同時(shí)達(dá)到與新事物介入的平衡?

若7:0:0,肯定是不行的,那樣只會(huì)將客戶端越做越窄,而且用戶也不希望自己固步自封,閉門造車,他們也渴望接觸一些新鮮的事物,拓展自己的興趣;

若6:1:0怎么樣呢?感覺(jué)也不好,性感美女好看,但我不希望每天早上睜開(kāi)眼你就給我看性感美女,因?yàn)檫@東西看多了也會(huì)厭煩。

若3:3:1也不行,一半以上的內(nèi)容很可能都不是我的興趣所在,那我會(huì)覺(jué)得圖失望圖憂傷。

那我建議是選擇4:2:1會(huì)相對(duì)好,能在各個(gè)方面都相對(duì)平衡一些。

4.3用戶場(chǎng)景挖掘和利用

深入挖掘用戶的場(chǎng)景行為模式,有望提高推薦的效果。譬如說(shuō),新用戶和老用戶具有很不一樣的選擇模式:一般而言,新用戶傾向于選擇熱門的商品,而老用戶對(duì)于小眾商品關(guān)注更多,新用戶所選擇的商品相似度更高,老用戶所選擇的商品多樣性較高。如一些場(chǎng)景的建議,此處列舉2種常見(jiàn):

1.基于用戶隨時(shí)間變化的活躍性推薦

如在進(jìn)行手機(jī)個(gè)性化閱讀推薦的時(shí)候,如果曾經(jīng)的數(shù)據(jù)顯示某個(gè)用戶只在7點(diǎn)基于用戶隨時(shí)間變化的活躍性推薦。到8點(diǎn)之間有一個(gè)小時(shí)左右的手機(jī)閱讀行為(可能是上班時(shí)在地鐵或者公交車上),那么9點(diǎn)鐘發(fā)送一個(gè)電子書閱讀的短信廣告就是很不明智的選擇。從含時(shí)數(shù)據(jù)中還可以分析出影響用戶選擇的長(zhǎng)期和短期的興趣,通過(guò)將這兩種效應(yīng)分離出來(lái),可以明顯提高推薦的精確度。

2.基于位置信息的推薦

如預(yù)測(cè)用戶的移動(dòng)軌跡和判斷用戶在當(dāng)前位置是否有可能進(jìn)行餐飲購(gòu)物活動(dòng)等,同時(shí)還要有定量的辦法去定義用戶之間以及地點(diǎn)之間的相似性。如團(tuán)購(gòu)app向用戶推薦近處的餐飲購(gòu)物等等場(chǎng)所;但是,有時(shí)候在用戶經(jīng)常出沒(méi)的地點(diǎn),譬? 如工作地點(diǎn)、學(xué)校、住家等等進(jìn)行推薦的效果往往是比較差的,因?yàn)橛脩魧?duì)于這些地點(diǎn)比系統(tǒng)還熟悉,而且很難想象用戶在上下班的路上會(huì)有特別地情致購(gòu)物或者進(jìn)餐。實(shí)際上可以預(yù)測(cè)的時(shí)空信息往往是商業(yè)價(jià)值比較低的,而用戶在吃飯時(shí)間去了一個(gè)平常不太去的地方,往往有更大的可能是和朋友聚會(huì)就餐。這就要求系統(tǒng)更加智能,能夠?qū)τ脩舢?dāng)前行為所蘊(yùn)含的信息量進(jìn)行估計(jì)(要同時(shí)考慮時(shí)間和空間),并且在信息量充分大的時(shí)候進(jìn)行推薦。

4.4?用戶朋友、社會(huì)推薦

用戶更喜歡來(lái)自朋友的推薦而不是被系統(tǒng)“算出來(lái)的推薦”。最近有證據(jù)顯示,朋友推薦也是淘寶商品銷售一個(gè)非常重要的驅(qū)動(dòng)力量。來(lái)自朋友的社會(huì)推薦有兩方面的效果:一是增加銷售(含下載、閱讀……),二是在銷售后提高用戶的評(píng)價(jià)。當(dāng)然,在社會(huì)推薦方向存在的挑戰(zhàn)主要可以分為三類:一是如何利用社會(huì)關(guān)系提高推薦的精確度,二是如何建立更好的機(jī)制以促進(jìn)社會(huì)推薦,三是如何將社會(huì)信任關(guān)系引入到推薦系統(tǒng)中。社會(huì)推薦的效果可能來(lái)自于類似口碑傳播的社會(huì)影響力,也可能是因?yàn)榕笥阎g本來(lái)就具有相似的興趣或者興趣相投更易成為朋友,對(duì)這些不同的潛在因素進(jìn)行量化區(qū)別,也屬學(xué)術(shù)研究的熱點(diǎn)之一。

(五)總?結(jié)

能夠基于用戶數(shù)據(jù)提供個(gè)性化推薦,這是互聯(lián)網(wǎng)產(chǎn)品可以提供的一項(xiàng)特色功能。用戶也對(duì)這樣的方式很感興趣,即便不夠準(zhǔn)確,用戶需求依舊存在。那么產(chǎn)品在設(shè)置個(gè)性化推薦功能時(shí),除了要不斷完善推薦算法的精準(zhǔn)度外,也要注意一些討巧的方式,既防止讓不準(zhǔn)確的推薦嚇跑用戶,又不至于讓用戶面對(duì)海量?jī)?nèi)容時(shí)不知所措:

多樣性和和精確性的平衡。推薦的內(nèi)容,不能只包含精確算出的內(nèi)容,應(yīng)要考慮多樣性,一些特別的需求非常強(qiáng)調(diào)多樣性和新穎性,譬如類似于“唯品會(huì)”這樣的限時(shí)搶購(gòu)模式或者最近非常流行的團(tuán)購(gòu)模式;

個(gè)性化推薦可以結(jié)合朋友、社會(huì)關(guān)系的推薦。用戶知道大多數(shù)人的選擇是什么,也是一個(gè)不錯(cuò)的推薦方式。當(dāng)一個(gè)產(chǎn)品已經(jīng)有了數(shù)據(jù)積累時(shí),不妨把產(chǎn)品獲得的數(shù)據(jù)反饋給用戶,有的時(shí)候,群眾的眼光可能真是雪亮的;

考慮推送的場(chǎng)景和時(shí)機(jī)。分析用戶的互動(dòng)行為,在不同的場(chǎng)景推送對(duì)應(yīng)所需要的內(nèi)容,這會(huì)讓用戶感覺(jué)更貼心;

 

本文由 @鴨蛋番薯 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理?,未經(jīng)許可,禁止轉(zhuǎn)載。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 不懂就問(wèn)~請(qǐng)問(wèn)推薦內(nèi)容的屬性為什么7:0:0、4:3:1都是按總和7去計(jì)算比例呢

    來(lái)自廣東 回復(fù)
  2. 這篇文章,估計(jì)定位“掃盲型”較妥當(dāng)~ ??

    來(lái)自廣東 回復(fù)
  3. ??

    來(lái)自北京 回復(fù)