围绕商品的站内个性化推荐,根本点是围绕用户在购物生命周期内不同阶段做个性化推荐。那么用户不同阶段有哪些特点?

根据互联网时代的AISAS用户行为模式,用户依次会经历注意到——感兴趣——搜索——购物行为——分享这五个阶段,推荐也是在这五个阶段进行的。这五个阶段背后又有细分的用户行为。

解密站内个性化推荐之个性化推荐背后的逻辑什么

第一阶段:注意到

这个过程中,我们需要让用户看到我们的产品,因此在用户浏览首页、超市页、列表页、产品详情页的过程中,就要不遗余力的推荐用户去看我们的商品。

但当用户看到该商品之后,我们需要根据不同的情况作引导区分:

解密站内个性化推荐之个性化推荐背后的逻辑什么

情况一:针对不满意当前商品的用户引导。这部分用户由于价格、库存、促销等因素,对当前商品不满意,通常情况下会产生退出。此时,我们需要针对用户浏览轨迹,做商品浏览引导。因此就会出现“浏览了该商品的用户还浏览了”的个性化推荐。

情况二:针对满意当前商品的用户引导。引导的是让用户下单,但在下单过程中,用户可能会存在犹豫,通常情况下他会对当前的产品不肯定,因此利用群集效应的个性化推荐栏“浏览了该商品的用户最终购买了”就出现了,为了增加集群效应,我们还会用百分比的形式增加消费氛围。

如右图为浏览了华为U500后的站内个性化推荐形式:

第二阶段:感兴趣

解密站内个性化推荐之个性化推荐背后的逻辑什么解密站内个性化推荐之个性化推荐背后的逻辑什么

解密站内个性化推荐之个性化推荐背后的逻辑什么

我们发现用户在不同的品类上,网站关注价格与实际成交价格具有差异性,并且这种差异性在不同品类上表现不同。有的品类网站关注价格会高于成交价格,有的品类网站关注价格会低于成交价格。

对于用户这种口是心非的行为,如果我们只是一味的按照用户实际浏览数据做个性化推荐,效果必然要打折扣,解决方法是不管在做哪方面推荐,用户的全部行为数据都要计入推荐权重中,购买的购买数据的推荐权重一定要更大。做分析和做推荐的根本是围绕有成交用户的数据,让没有成交的用户沿着有成交用户的轨迹形成转化。

标签:

免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
岱庙资源网 Copyright www.zgmyg.com

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。