1.迭代目的：
期望通过对移动端“目的地 — 特惠路线”的产品改版，提高（自由行、跟团游）等商品的订单增长率。
2.产品场景：
（1）旅游需要较长的时间做决策，用户会多次浏览目的地相关内容。
（2）用户浏览“目的地 — 特惠路线”模块时，通过 “热门”等标签 和 商品标题 2个元素获取关于行程的信息。
3.产品问题：【目的地—特惠路线】
（1）标签分类对用户刺激不足；因为仅采用了“热门”等简单分类。
（2）长商品标题提高了用户获取信息的难度；因为为吸引用户，商家录入含行程的长标题。
4.产品方案：
4-1.概述：（具体产品方案，详见第5节—详细产品方案）
（1）抽取用户关注的商品特征作为标签，通过标签组的形式呈现给用户。
4-2.步骤说明：
（1）抽取用户关注的商品特征作为标签。
（2）建立商品标签推荐模型（热门推荐+个性推荐）。
（3）采集、处理、分析计算用户行为数据合商品数据。
（4）用户标签组的形式推荐到通过标签组推荐内容。
5.详细产品方案
5-1.抽取用户关注的商品特征作为标签。
商品特征含：产品类型、出发地、行程天数、价格区间、线路玩法；标签显示如下：
（1）产品类型：自由行、跟团游、当地玩乐、一日游、用车、邮轮、门票。
（2）出发地：“城市/地区名”+出发，如：广州出发、乌鲁木齐出发。
（3）行程天数：1天、1夜、2天1夜、3天2夜等。
（4）价格区间：XXX元；显示标签时，统计的最低价格的价格。
（4）线路玩法：单个景点名，如故宫；模型统计数据时，线路玩法的当个景点统计。
5-2.建立商品标签推荐模型（热门推荐+个性推荐）。
5-2-1.热门推荐：（在数据不足情况下，根据大众的喜好推荐用户商品）
（1）数据集：取统计时间点近30天的、所有用户浏览目的地的“成交的商品属性”和“”商品列表页用户筛选行为”数据。
（2）使用场景：用户于未登录状态，或登录状态下浏览商品详情页不超过3个不同商品。
5-2-2.个性推荐：（推荐给用户更适合的商品）
（1）数据集：取统计时间点近30天、目标用户浏览目的地的“商品列表页用户筛选行为”和“浏览的商品详情页的商品属性”数据。
（2）使用场景：登录状态下浏览商品详情页超过3个不同商品。
5-3.采集、处理、分析计算用户行为数据和商品数据。
5-4.用户标签组的形式推荐到通过标签组推荐内容。
（1）改版后3个商品特征（标签）组成标签组，如下右图。
（2）3个标签、 推荐商品按推荐模型取值。
（3）标签组排序：1.价格区间、2.出发地、3.行程天数、4.线路玩法、5.产品类型；如标签组合出现：价格区间+行程天数+产品类型时，排序则为“价格区间+行程天数+产品类型”。
（4）界面刷新机制：用户每次进入界面刷新。
（5）商品排序机制：按推荐模型得出的重叠度从高至低排序。
6.数据分析
指标：特惠路线的商品订单增长率。
需求：确定特惠路线入口的订单增长率是否提升？
步骤：（统计时长：1个月，统计节点：天、周、月）
1.统计特惠路线入口的订单增长率是否环比、同比显著增长。
2.若该入口订单增长率显著增长，统计：特惠路线入口转化率转化率 = 特惠路线订单成交量订单成交量 / 特惠路线3个入口UV。
结论：若订单增长率、入口转化率均环比、同比显著增长；说明改版带来了效果。
7.产品支持：
（1）人员：算法、数据分析、技术开发、运营、产品、商务、客服；注：算法团队用于对模型的创建、验证、调优。
（2）数据：需采集大量的用户行为数据，注意埋点和服务器资源的利用；注：用户行为数据含用户的浏览商品的商品特征，及用户在商品列表页筛选商品的行为。
8.产品方案评价：
8-1.优点：
（1）卖点更清晰：提前突出行程信息，降低用户浏览和决策时长。
（2）降低信息获取门槛：通过标签组形式对商品特征进行归类，信息更简洁、更清晰。
（3）更精准的推荐：通过热门推荐+个性推荐，推荐适合用户内容，提高订单成交可能性。
（4）扶持更多商家：去中心化，更多商家有曝光给机会。
8-2.缺点：
（1）维护门槛变高：需算法团队，不断对模型调优工作。
（2）需大量计算资源：涉及到大量数据，需提供更多的计算。
