“产品推荐”模块那些事

        产品推荐以前是没有被单独的拿出来作为一个模块来进行设计,随着互联网的发展尤其是推荐算法的不断演化,越来越多的公司意识到了产品推荐可以带来如此大的利润。亚马逊30%的利润来源于各种形式的产品推荐,一个人在购买书之后会产生诸多的产品推荐,诸如“买了这本书的人也买了”、“猜你喜欢”这样的推荐,而购买者往往会被这些推荐所吸引去购买更多的产品,最终让亚马逊实现了利润和销量的增长。在做产品推荐设计的时候,通常会有人把产品推荐和产品展示、产品详情以及产品搜索相混淆,当然产品搜索也包含一部分的产品推荐功能,但产品推荐与其他几个方面是存在本质的区别。

        产品推荐的本质就是“信息筛选器”,就是更加快速的让用户找寻到自己想要的产品,通过各种引导来最终实现成交。这个过程中的关键点就在于信息筛选后,推荐的产品能够实现与用户高度的匹配,匹配成功的结果当然就是服务于企业的利润指标。

        在做产品推荐模块的时候,应该首先明确以下的问题:

       (1)我为什么要做产品推荐这个模块?

        通常情况下这个问题应该是有产品经理或者更高层的领导人思考的问题,但真实的状况就是产品经理或者领导告诉你需要做这样一个模块,而并没有告诉你做这个模块的具体原因。这个时候你就需要去进行沟通,明确做这个模块到底是为了什么,是为了提升销售额和利润?是为了提升页面的浏览量?还是为了广告投放的有效转化?在明确做这个模块的原因之后,再有目的性的进行模块设计,这样会让自己更加有效率。

        值得提醒大家的是,模块设计的时候一定要能让结果进行量化,产品推荐模块的设计是为了增加销量或者利润,但销量与利润是涉及到多部门的考核指标,否则会引起部门考核之间的扯皮。我的建议是实现分步量化,比如产品推荐模块在用户漏斗中涉及到哪些层级,在层级的转化中起到了什么样的效果,这样进行分步式的设计也便于最终的考核,减少部门之间的纷争。

       (2)产品推荐这个模块是什么?


产品推荐循环图

        从这张简易的循环图就可以看出产品推荐模块就是通过用户的各种行为对用户进行画像,经过算法优化之后得出相关推荐给用户,来引导用户的这样一个过程。实现这一过程需要具备的有个性化的推荐、支付后的相关推荐、搜索结果页面推荐等要素,知道产品推荐是什么之后才能够去设想接下来该怎么做。

       (3)产品推荐模块该怎么去做?

        提到怎么去做产品模块,许多产品经理的第一反应就是去画思维导图、流程图然后紧接着画运行图,当然这并没有错,只是针对于不同的产品模块应该有不同的处理办法。对于产品推荐模块应该想一下从哪些方面着手,比如推荐算法如何去设计、排序怎样去设计,这样才能在跟开发沟通的过程中清晰的表达出自己的想法。

     (4)模块的设计应该具备哪些前提条件?

       任何一个模块的设计都是需要具备一定的前提条件,比如企业投入的资金状况是否能够支持整个模块设计的完成,企业是否具有足够的用户数、产品数、成交量,不然进行算法推荐就没有数据基础,企业网页以及APP的类型是否需要进行这样的推荐。在设计之前想好是否需要这个模块,即便是需要的情况下有没有足够的人财物支持,拥有这个模块能否带来更大的利润而不会造成成本负担的增加,在考虑好这些前提条件之后再进行模块设计,至少不会让产品半路夭折。

     (5)在推荐模块设计的过程中,你该突出哪些要素?

       在做产品的推荐时,经常会使用到文字放大突出,产品打标签,特效渲染等各种手段来对于产品向突出的要素进行一个强调,所以在设计过程中应该根据自身行业的特点来对产品进行一个突出。例如互联网金融类产品在推荐时一般会用红色字体加大加粗来突出其产品的收益率这个关键要素,生鲜类产品在推荐时会采用极其具有吸引力的图片来引导用户点击,所以在模块设计过程中应该想好你想推荐的产品属于什么类别,具有哪些特点,需要进行怎样的突出才能更好的吸引用户。

       在想清楚了以上五个问题之后,就应该着手开始模块的设计,在具体做推荐模块的时候可以从以下维度去进行思考:


推荐的维度

     (1)购买的相关性是指针对于购买的这个产品的行为来进行相关性的推荐,一般表现为“购买此产品的人还购买了XX”,对购买这个产品的人群同时也购买过的其他产品进行一个排序,将购买最多或者企业需要推广,最盈利的那些产品进行推荐,购买者就会产生一种从众的心理,对于推荐的产品产生兴趣,最终实现了购买。

    (2)产品的相关性是指针对于用户购买的这个产品的特性进行相关性推荐,一般表现为“猜你还喜欢”,这是基于产品的特性来进行的判定,对于购买的产品进行打标签,然后把相同类型的产品进行推荐。

    (3)用户的相关性是指通过对正在购买行为、历史购买记录、购物车等各方面的要素来对用户进行画像,来找到与人物角色相匹配的产品进行推荐。

    (4)其他的方面包括热门排行榜、“随便看看”、“凑单”这些方式,其目的就是想让购买者形成激情购买,附带的销售出更多的产品。

      以上四个维度从对于推荐购买形成的意愿从强到弱排序,当然除了这四种常见的推荐维度以外还有其他的方式,通过这些维度在进行算法的优化能够更精准的将产品推荐给购买者。

      现在越来越多的互联网公司把推荐模块应用于产品当中,有的公司甚至将这个模块作为了公司产品最为核心的功能。今日头条就是将这样的推荐算法运用到了极致,就如同它的口号一样“你关心的才是头条”,这样的理念可以应用在各种的产品当中,或者可以这样说“只有购买者真正关心的才是最有价值的产品”。





最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,732评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,496评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,264评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,807评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,806评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,675评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,029评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,683评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 41,704评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,666评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,773评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,413评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,016评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,978评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,204评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,083评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,503评论 2 343

推荐阅读更多精彩内容