确定与不确定,一个难解的悖论

Link 互联网er的早读课 2018-01-13
数十万互联网从业者的共同关注!


作者: Link

来源:从0到1(ID:aboutlink)

编辑:刘小妹


最近跟很多做推荐策略的PD聊天,更加意识到越是智能的推荐算法,不可控性越强,因而也会遇到更多意料之外,但却情理之中的烦恼。


1、电商平台


推荐策略是个黑盒子,流量的不确定性,在电商平台上,对C端用户虽然更友好,但对B端商家而言则是一个噩梦。


双十一、双十二、圣诞节,大的节日促销,品牌商家能从平台拿到多少流量,该如何备货?物流该如何协同?


以此长期下去,品牌商家将不愿意把更优惠的爆品,依托在不确定流量的平台上,而流失到传统坑位曝光的平台。


2、自营平台


推荐策略效率最高,但也容易越推越窄,经常刷今日头条的用户,应该最深有体会。


而对自营平台来说,货都是自己的,渴望去让用户买更多品类的货品,买毛利率更高的货品。


以此长期下去,平台的坪效比很高,但货品整体的动销率却可能做不上去,平台在用户心中的定位也越发单一。


同样的坑位,运营定投任何的商品都会有一定的销量,虽然效率不一定是最佳,但可以定向帮助平台卖货。


3、所有平台


如何赋能运营,去指向性的引导用户买货,如何利用推荐去提升频道的粘性,而不是毫无心智的卖货。


爆品是不用推荐的,要推荐的是潜在爆品或腰位上的商品,而以成交金额导向的推荐策略,流量很可能倾斜在每个品类的爆品上。


因此,我们会发现,推荐需要朝着父爱算法发展,站的高,看的远,更多从用户购买模式和用户成长度衡量。


1、购买模式解析


一个用户在淘宝搜索刺绣、花纹、大红色等关键词的时候,去用智能大脑,解构用户可能是想去找‘中国风’的衣服,而不是只是推荐类似I2I,用户可能买了又买,看了又看的商品。


2、用户成长度


一个用户,最近刚迷恋上了摄影,开始买入门级的摄影装备,根据用户的兴趣周期,逐渐引领他购买发烧友的单反,成长进阶为更高端的用户。就像一个女生,初中的时候可能不会化妆,从来不搜化妆品,但并不意味着她,永远只停留着裸妆的人生阶段。



随着算法的深度学习优化,对于推荐模块的衡量指标,也会从单纯的点击率,成交率,引导成交金额的第一第二阶段,转化为访问频次,次日留存率,核心用户访问占比,用户粘性指标的第三阶段,去考核推荐的价值。


Anyway,推荐算法只是构建商品与用户关系的工具。而好的工具,一定是被使用者喜欢的工具,理解的工具,帮助完成使命的工具。


投稿邮箱:mm@zaodula.com

本文由人神共奋(ID:tongyipaocha)原创发布,授权互联网早读课转载。内容仅代表作者独立观点,不代表早读课立场。如需转载,请联系原作者。


推荐阅读:


本站仅按申请收录文章,版权归原作者所有
如若侵权,请联系本站删除
觉得不错,分享给更多人看到