一文搞懂电商中的搜索和关联策略推荐

John在淘宝和京东上各搜索火锅关键词,搜索出来的结果为:

1.我在淘宝上的人群画像是只卖低于100元的商品,所以推荐给我的都是低于100元的商品,我在京东都是购买大于200元的商品,所以推荐给我的都是100元以上的商品;

2.我在淘宝只购买某些零食,所以给我推荐的以零食居多,火锅对应的是自热火锅;我在京东上购买的有电器类型,所以给我推荐的是火锅电器。

是真的基于我历史购买的商品来推荐给我的搜索结果还是有其他的策略。

那么今天可以一起来聊聊搜索和关联推荐策略……

一、搜索策略

从上面John搜索情况来看,搜索结果不仅仅体现在对应搜索算法上,更重要的是结合到消费者的场景和行为特征,通过消费者历史消费的场景匹配到消费者购买的真实意图,从而匹配最佳的结果。对于淘宝和京东的搜索来看,当我随便乱输入文字时,京东和淘宝的推荐规则完全不一样。

其实本身没有这个商品,京东和淘宝匹配的关键词推送并不是一样的。从电商商品搜索的机制来看,用户搜索的核心设计,是帮助用户解决更加便捷的,更精准的查询,比如关键词模糊搜索,同时针对于查询服务,电商常用做法是针对关键词进行准备的分词操作,分词需要考虑垂直产品的相关联性,然后基于分词后的关键词去查询和匹配商品后进入数据库中查询,从而获得结果列表,再按照算法策略进行过滤、排序并匹配用户画像行为特征,优化结果查询,返回优化后的最佳搜索给用户展示。

从用户检索功能来看,搜索分为3个核心点:

  1. 搜索框:允许用户可以输入字和词联想搜索
  2. 推荐:历史搜索和推荐策略
  3. 结果展示:通过系统端优化结果展示给用户,清晰的供用户参考和使用

可能大家经常遇到这样的情况,你下单商品后,会给你推荐很多该商品周边的商品。有时候John在电商网站上购买了篮球服,为你推荐的是篮球和篮球鞋(这仅仅在支付后),然而当你收到货物后,系统会为你推荐你购物车或者历史购买的商品周边。

其实一直在思考为什么电商可以这么精准的为我推荐关联性这么高的产品?对于产品经理来说,重要的是看产品如何去设计的?

二、推荐策略之关联推荐系统

电商产品中的关联推荐系统一定是结合用户搜索的习惯和用户行为决定的。去京东或者淘宝上的用户购买商品的主要分为两大类:

1.有明确的购买商品需求,直接查找精准词去购买商品(上面聊到的搜索策略主要是针对这类型的用户)

2.在京东上逛逛,仅仅是为了消磨时间去购买商品,则看到产品中关联性的其他商品,推荐系统就显得尤为重要。可以针对性的对用户产生二次复购。

每个用户进入到产品中,系统实时会去记录用户行为和交易数据,会针对性的结合用户画像产生“个性化推荐”,也就是猜你喜欢或者为你推荐。就能使得每个用户都能有自己独特的购物场景。相当于进入一个超市,都是你当前心心念念的产品和之前购买的产品,你会有什么样的感受呢?

社交电商中,系统针对的加强了对电商购物场景的多样性。比如用户推荐、点赞、评论等用户社交之间的操作行为,能有效的传递和反馈商品。用户之间的转化效果是对社交电商中商品的购买最好的效果。

整体来说,用户在某一个场景中互动时,向用户有针对性的推荐另一个场景,有需求的引导进入另一场景中完成任务。在电商场景中,关联推荐主要是为用户推荐最匹配ta的商品,从而达到用户复购或者增加用户在场景中的停留时长。

那么关联推荐系统怎么去设计呢?从John设计关联推荐的角度上来看,通过四个角度来设计:

1.强关联性:推荐给用户的内容和用户行为特性以及用户画像的关联性强。可以让用户一眼看上去:“嗯嗯,这是我想要的”;

2.推荐策略:推荐给用户的商品,要做到润物细无声,惊鸿一瞥就能看到我想要的商品在这儿;(比如进入商品详情、支付商品后和商品完成物流后的推荐策略都不同)

3.反馈策略:用户可以选择性的不看某些商品,也可以换一批商品。也就是给用户反馈的可能,并且系统能针对性的处理操作;

4.用户体验:方便用户的操作,推荐商品就是更便捷让用户可以浏览并选择商品。

接下来详细的聊下推荐策略,电商系统究竟是怎么推荐给用户精准商品的?

推进策略的搭建:

第一步:从底层先收集用户画像和整理用户足迹,相关联的特性打标签,根据用户历史记录和当前操作行为,为用户在场景中构建一个当前场景画像,此时用户的每一步操作都会为用户生成新的场景,从场景中给用户推荐匹配的商品SKU和对应的商品分类等,此时只是第一步筛查;

第二步:推荐商品的属性与用户操作的行为以及用户的历史购物清单进行加权计算(或者其他策略算法)和人工标签推荐策略。输出精细化的场景商品推荐;

第三步:最后输出用户在每个场景中的商品推荐。

三、关联推荐策略之猜你喜欢

用户进入电商网站时,网站会去筛选用户可能会对哪些商品产生购买意向。这几个商品可能在你的购物车里面,可能你上次购买过。其中需要根据商品的消费频次,比如你上次购买了零食,经过一个周期内,刚好有相关联的零食在促销,有更加优惠的价格,那么就会有针对性给你推荐该零食,如果你上次购买洗衣机,肯定不会推荐你再次购买洗衣机。推荐的前提是已经认定用户对价格、优惠有很好的偏好了。这样才可能达到更好的转化效果。

所以“猜你喜欢”的策略维度为:

基于用户的购物车收藏、基于用户的足迹、浏览记录和交易订单的结果推荐以及用户画像。具体的算法各类电商产品有自己的算法。这里就不再赘述了。

当然整体的导购体系绝不止搜索和关联推荐策略,这只是一个组合策略方法。还有push+推荐策略等等都是增加用户粘性和复购率。但是归根到底,我们在做电商产品时,先做好底层的数据:用户画像和商品的精细化属性。才能做好接下来的每一步操作。这也是电商和商超类传统零售的区别。

John,一名不知名产品狗,公众号:产品狗聚集地。欢迎一起沟通交流

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章