5000字长文,带你详细拆解每天都用的个性化推荐

26 评论 3372 浏览 40 收藏 23 分钟

编辑导语:我们每天从手机得到的信息,大部分时候除了主动查找就是推送服务,个性化推荐的服务在这个互联网繁荣的时代一直出现在我们的生活中。本文就以个性化推荐为案例,为大家详细拆解其中要点,感兴趣的朋友一起来了解一下吧。

作为一个入行3年的产品经理,能够切身的感受到,这个行业发生了不小的变化,依稀记得2018年面试的时候,产品经理的岗位吸引了不乏清北甚至很多留学生,工资高、工作环境好、专业不限制成为了就业市场上的香饽饽。可到了2021年,似乎到了互联网行业的寒冬,在这样的时代和社会的背景下,产品经理这个岗位只会遇到更困难的挑战。

而对于我来说,最近半年,一个机缘巧合的机会,让我从BI产品经理转岗到了策略产品经理,也负责了两个方向的内容,分别是商城个性化推荐和个性化促销,这两个方向也都属于策略产品经理下的分支,推荐产品经理和增长产品经理。

这两个方向都属于策略产品经理下的分支,通过半年的历练,我在这个岗位上有了些心得和经验。

最近和一些朋友聊天,不少人对我的工作内容很感兴趣,那今天就和大家聊聊推荐产品经理日常工作中的【个性化推荐】。

想要搞懂【个性化推荐】,我们首先要明白策略产品经理主要是做什么呢?

面对产品中某些相对复杂的业务问题,当这些问题受到的影响因素较多且因素是动态变化时,就意味着这些因素需要相对复杂的业务规则甚至算法模型来解决。而且这些业务规则和算法模型需要不断地动态调整,来不断地适应问题的变化。策略产品经理的日常,就是负责这些业务规则和算法模型的从无到有,从有到优的过程。

举个例子,上个月你在抖音上喜欢看美食,于是很多推荐都是美食博主或是探店攻略,现在春天来了,你开始关注户外运动类的信息了,于是抖音也”知道”了,开始为你推荐春游好去处了。

你瞧,这就是策略产品经理要做的事,就是”猜你喜欢”。

我们经常提到的”被大数据包围”,其实本质就是个性化推荐。

先来举几个例子:

  • 早上上班的路上,打开网易/QQ音乐,随机播放起为你推荐的歌曲,哎呦,真好听,每一首都值得点亮红心,听听听!
  • 工作累了打开淘宝,发现给你展示了正在做活动且你心仪很久的外套,哦吼,这不正好是我需要的嘛,买买买!
  • 下班回家路上打开抖音,刷着都是自己喜欢的短视频,哇哦,这个视频太有意思了,点个爱心,刷刷刷!

这可能是大多数人每天不经意间要做的事情,很多都会影响或者主导着我们的生活,这里就是个性化推荐。

好了,那究竟什么是个性化推荐呢?为什么要有个性化推荐?下面就结合我日常的工作和学习到的知识,简单聊聊个性化推荐这点事。

一、什么是个性化推荐

个性化推荐,就是我们常常说的“千人千面”,系统会根据每个人的历史行为以及人物特征,为其推荐较为合适的物品。

它是建立在用户的行为数据挖掘基础上的一种高级商务智能平台,向每个用户提供个性化的信息服务和决策支持。

其实就是你在这个平台付出的时间越多,它就会越了解你,就好像你在一直训练它一样,变得越来越让你喜欢、深得你心。

比如下图网易云音乐的“每日推荐”、知乎的“推荐”、视频号的“推荐”,都是个性化、每个人专属的内容展示。

那我来问大家一个问题,为什么各大app需要个性化推荐呢?

比如我司,是从2020上半年,认识到了算法和流量的重要性,开始重视了商城的个性化推荐。而在时代的背景下,如何利用越来越稀缺的流量,保证存留更少的流失,成为了各个企业关注的焦点。

外界现状:

  • 商品丰富度指数级增长,用户匹配的需求难度上升
  • 互联网时代进入了成熟期,人口红利和流量红利消失殆尽,企业必须开始从增量需求转而挖掘存留需求。

内部能力:

  • 数据获取能力日益完善
  • 算法模型能力有很大的提升

因为这个这样的时代背景和企业能力,当大家都看到了个性化推荐的机会时候,都会牢牢的抓住这个机会。对于电商平台来说,个性化推荐能给我们带来什么呢?

作为淘宝/天猫/拼多多的用户,我们应该都有这样的感受,平台总是能展示一些我们感兴趣或者真实需要的商品。

对于我们来说,这是一种沉浸式的购物体验,减小了商品选择的压力同时,也提高了下单效率(当然不好的是,容易控制不住自己的钱包,这样正是平台的目的)。

用户层面:

最大限度的展示用户需求,缩短下单路径,提高购买体验。

企业层面:

提高复购和留存,吸引更多的三方卖家入驻,赚取佣金和扣点。

解决信息过载,合理的分发流量,有效的打造爆品和处理长尾商品。

二、个性化推荐策略的原则

就拿我们生鲜电商商城app各个的页面为例子,首先要明确制定策略的原则。

  • 用户来想干什么
  • 场景定位是什么
  • 业务诉求是什么

1. 用户心理

首先最根本的是要弄清楚用户在这个场景到底是怎样想的?这个不能我们来拍脑袋来说,而且要根据数据的表现来说明,要客观且事实。

就比如打开淘宝,大多数场景我们都是直接搜索需要的商品。但有些时候,我们也会被打开app之后的首页内容所吸引,发现展示的商品流里面,很多都是自己喜欢的或者需要的商品。

所以,淘宝首页的定位是一个你所需要商品的集市,是一个“吸引你逛淘宝”的定位,那如何才能让你在这里逛下去呢?那就是曝光认为是你需要或者感兴趣的商品了。

2. 场景定位

好了,当我们摸清了用户在这个场景的心理和目的,那我们需要做的事情就清晰了,就是想方设法来满足他们表达的明确需求,根据行为痕迹挖掘潜在需求。

3. 业务诉求

闭环良好的推荐系统,不仅仅是单纯的为了满足用户的需求,更要能够帮公司解决业务难题比如打造价格形象、带动销量增长,同时还要肩负着引流爆品、清理高库存、曝光长尾商品的重任。

比如清理高库存,我司是有自己的仓库的,那某些商品是有一定的存货的,但并不是所有的存货都能按照计划卖出去。

如果遇到了临期商品、库存周转困难、影响资金流的情况,那就是要及时止损,处理掉这些高库存的商品,那我们的推荐系统就可以在流量大的位置给与更多的曝光机会。

三、个性化推荐策略的制定

其实推荐策略的话,相对是简单一些的,策略的制定无非就是三个方面,所需商品+排序+过滤,就根据这三个方面,就可以做到千人千面了。

说到这里,就不得不提一下用户画像了。关于用户画像的定义有很多,但是看起来还是感觉解释的不清晰。

其实,简单说,每款产品都有着自己的使用群体,而用来描述这些用户的信息的标签集合,就是用户画像。

举一个大家应该都听过的例子,前几天上了微博热搜的,海底捞给顾客贴标签,网友们都觉得无可厚非,这里没有侮辱的信息,既可以细分客户群体,了解客户需求,还能提供更个性化的服务,这就是用户画像。

1. 所需商品

(1)明确的需求

基于用户的行为表达过的明确需求,如果没有发生转化,那该怎么推荐商品,才能最大的概率促成转化呢?

这里提供表达行为的商品或许不是最优的,有过行为表达的商品,但没有下单购买,说明有部分属性不符合用户需要,但也存在商品符合需求,价格没有在预期阈值之内。

所以,这里找相似商品,也许是能够最大概率的满足需求。

(2)潜在的需求

对于不明确的需求,我们只能靠猜用户的心理,但是猜也是有策略的,这里初期就可以靠”基准策略”就可以cover的住了。

那到底什么是基准策略呢?

基准策略又称Baseline策略,是指在较低成本条件下是评估指标达到最低要求的策略。

这里举一个我们都熟知的例子,帮助大家更好的了解这个概念。

当我们登录某些软件或者网站的时候,会有短信验证这个选项,就拿6位数的验证码来说,这里最简单的基准策略就是从任意的六位数中随机猜一个,理论上是能够达到十万分之一的准确率,所以任何其他策略的表现都要高于这个基准策略。

而基准策略最根本的目的是以最低的成本和最快的速度上线一种可行的策略。

而当线上数据正常运行起来,就可以积累不断产生的数据,继续当做模型训练的样本,优化算法和模型,进一步的提升准确率。

常见的基准策略有热门排序策略、最近行为策略、基于业务规则的基准策略,这里对基准策略就不过多展开了,大家有兴趣可以自行查询。

(3)业务的需求

作为产品,经常要临时响应业务部门的需求。比如去年公司周年庆期间,公司把”预制菜”作为重点推广商品,需要我们配合制定对应的产品策略。

这种最简单的办法就是,可以根据业务规则找出满足要求的商品融入到推荐结果集中,或直接使用业务规则对结果集的商品进行排序微调。

2. 排序

商品的排序,原则上是要基于我们的目标,训练相关的模型实现的,当然也存在面对一些紧急需求,临时来制定一些简单排序规则,主要能达成目标,也无可厚非。

比如说,你在抖音里的行为,都会被记录下来,当成展示视频的一个排序因子,转发的行为因子;收藏的行为因子;点赞的行为因子;浏览的行为因子。

另外,同一需求相对低价的大于高价的,高品质的大于低品质的,销量高的大于销量低的。

再比如我们逛美团买菜,同一类需求相对低价的大于高价的,高品质的大于低品质的,销量高的大于销量低的。

还有即使一些当日售罄的商品,都是置底处理的,这也是为了保证用户体验。

当然,排序更多的是需要以目标为导向,具体情况具体分析,比如有些商家给了更多的广告费,那可能就会有置顶排序的要求,谁让人家是金主爸爸呢?

比如我在淘宝上搜了“华为手环6”,你看,第一位展示的就带了“广告”二字,是不是你们之前没有注意到这个呢?

我们再看第二位展示的价格虽然贵,但是销量要远远超过第三位,说明第二位的销量的因子给了它很大的加权。

3. 过滤

过滤的规则相对比较简单,有些是业务规则,比如用户当天下过单的商品就无需再曝光了。

比如你在京东上买了一款手机,那理论上起码你近半年不会再次购买手机了,这时再给你曝光手机是没有意义的,不如推荐一些耳机、手机膜、手机壳等周边的产品,也许促成更多的交易。

有些是常识规则,比如清真用户不能推送猪肉类商品;还有用户设置过不喜欢的商品也不要做无效的曝光了。

4. 真实案例

这里我把前段时间做的一个小项目,用上面的三个步骤来解读一下,方便大家能够更好的理解。

首先这个项目的背景是避免核心用户的流失,如何利用营销手段保证用户粘性。

那在确定了背景和目的之后,就需要拆解过程和结果指标/思考优化方向了。

确定现阶段的数据指标的情况,以及整个策略实施过程中要监控的过程和结果指标,要优化哪些数据指标来达到目的。

于是,我找到一些核心用户的特征以及流失过程中某些行为的变化,发现核心用户都有自己的核心商品。

一旦核心商品不在我们平台下单的话,那就有很大的概率流失了。那问题就变成了该如何阻止这种核心品的流失。

于是制定的两个策略。

其一是针对用户的核心品,在商城的一些推荐位给与更多的曝光,时刻提醒用户他是需要这个商品的

其二是根据用户历史的购买周期,如果发现超过了购买周期,用户依旧没下单的话,那么就自动对商品进行促销降价,以更实惠的价格对用户进行挽留。

经过了一段时间的试验,用结果说话,策略投放的区域GMV增长18.8%,人工运营的区域增长5.4%(数据脱敏)。

最后,很多一线业务找到我们,希望我们来托管这个业务,于是让更多的地区使用了策略的投放,一线业务人员都说,真香~

四、如何评估个性化推荐的效果

一切以目标为导向,不同的页面的评估指标也会有所差异,但是对于电商平台整体推荐来说,也是有一些通用的评估指标。

1. 业务维度

  • CTR(曝光点击率,比如浏览了100个商品,点击进入详情是1个,那就是1%)、GMV(商品交易总额)、浏览深度(下滑的屏幕数)、停留时长…
  • 扩展性强,可兼容不同的召回集(召回集的意思就是按照不同规则产生的展示内容。
  • 可满足业务诉求,比如处理高库存商品(例子可见上文)、打造爆品。

2. 用户感知

  • 精准度:能够命中用户想看/想要什么,这里还是要举个抖音的例子,它推荐的商品有多少是你感兴趣,抖音10分钟?人间一小时是不是说的一点都没错?不得不说抖音做的实在太好了,好到我必须要卸载它了。
  • 可解释性:为什么在这个时候展示这个内容,比如端午节淘宝就会推荐很多买粽子的店铺,中秋节就变成了给你曝光更多的月饼,就是让一切推荐内容看起来都合情合理,不突兀。
  • 多样性:要保证多次看到的商品差异性,防止审美疲劳。比如知乎,你关注产品经理的成长技能,知乎会给你在推荐的板块从头到尾都展示相关信息吗?比如抖音,你喜欢小姐姐,它会给你推荐的每一个视频都是大长腿的?它们不会的。这样反而容易引起枯燥乏味,它们还需要尝试着用一些其他的信息来挖掘你额外的喜好。
  • 惊喜度:魅力需求,能够满足用户期望之外的诉求。举一个大家熟知的例子,微信在去年增加了“状态”的功能,这就是一个魅力需求,因为是用户意料之外的功能,好友里每天都有不少人设置个状态,表达今天的心情。

为了让大家更清晰的了解个性化推荐这点事,和大家分享一下前段时间做的一个需求,是我司商场的首页feed排序优化,大家也可以理解成类似淘宝的首页。

首先我把这个页面定位成是一个内容分发,为了让用户买更多的场景,就是想办法怎么设计商品流,才能增加用户的浏览深度,更多的浏览就可能带来更多的转化。

于是经过前期的数据分析,基本了解了用户在这个页面的行为偏好,目前平均浏览商品数,点击商品的偏好,就是哪类商品对用户更有吸引力。

结合了数据现状,我们把商品的信息流排序定位成扩品让用户买更多,也就是把用户的明确需求的商品和一些爆品或者用户可能感兴趣的促销商品穿插开来。

更通俗的解释,比如你在逛淘宝首页,里面的有你常买的三只松鼠、还有你喜欢喝的可口可乐,也有你之前看中的衣服,而且正好在限时促销。

同时也有可能是在搞活动的化妆品,虽然你的神仙水还没用完,但是看到价格还是会动心了,很可能就剁手提前囤了一些。

五、说在最后

推荐系统随着业务的驱动和人们生活方式的改变而进行不断升级,个性化推荐系统已经实现了千人千面。

当然,人们的心理活动是很难被预测的,而且也是变幻莫测的,所以个性化的效果也有待提升,有些体验类的问题也在逐步完善,推荐的前景还有很大的进步空间。

上面分享的是入行半年时间的一些工作心得,希望能够对读到最后的你有一些收获。

而对于我自己来说,在逐渐揭开个性化推荐面纱的同时,也感慨了还有太多的知识要学习,如果你也是在策略产品经理的这条路上深耕的话,希望能够链接到优秀的你,相关交流学习,一起见证彼此成长。

 

本文由@ CCCCCCC罗 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 有的时候感觉个性化推荐好烦啊,老是吸引我去玩手机,刷视频,有的时候又感觉它能帮我省去很多找东西的时间,而且推送我想看的,就避免了我不想看的,但是我又怕会形成信息茧房

    来自上海 回复
  2. 算法模型,标签体系这些是谁来做呢? 可否提供个私信方式沟通?

    来自广东 回复
  3. 个性化推荐真的蛮好,我想看什么就有什么,是一个人性化设计。

    来自中国 回复
    1. 当然了,目的也是来“抓住”你的时间~

      来自北京 回复
  4. 原来每天都用到的app还有大家常提到的大数据and个性化推荐原来是这么回事

    回复
    1. 是呀,个性化推荐其实也源于自己的“表达”~

      来自北京 回复
  5. 每次各大APP的虚拟化推荐都能准确猜到我的喜好,有些时候搞得我也会主动告诉APP我的喜好,以此获取中意的信息。

    来自浙江 回复
    1. 猜中的前提,是你告诉它的,被你训练出来的哈哈

      来自北京 回复
  6. 个性化推荐功能很丰富,看到的也很多,更了解想知道Get什么

    来自江苏 回复
    1. get什么?

      来自北京 回复
  7. 推荐系统随着业务的驱动和人们生活方式的改变而进行不断升级,个性化推荐系统已经实现了千人千面

    来自中国 回复
    1. 是的,势在必行的趋势

      来自北京 回复
  8. 有时候总觉得手机上的app在监听,明明刚聊完天它就知道我想要什么了

    来自广东 回复
    1. 害,好多输入法都是和一些公司有合作的~

      来自北京 回复
    2. 震惊!原来如此!!!

      来自广东 回复
  9. 小红书的推荐约到后面越不单一,还推有其他的垂类作品及用户

    来自江苏 回复
    1. 保证推荐的多样性,防止信息茧房

      来自北京 回复
  10. 这篇文章看下来太舒适了!某带颜色的小书真的个性化推荐的能力真的很强!

    来自湖北 回复
    1. 很多都做到千人千面了~

      来自北京 回复
  11. 个性化推荐有时候挺烦人的,看了一个视频,就一个劲地推同类型的视频。

    来自陕西 回复
    1. 不如你换个类型的视频看看哈哈

      来自北京 回复
  12. 感谢分享,对于个性化推荐除媚了

    来自湖北 回复
    1. 被个性化影响的我们~

      来自北京 回复
  13. 很实在的文章,赞!请问下,数据平台产品跟策略产品差别是什么,如果想转方向的话,有什么好建议吗?

    来自广东 回复
    1. 数据平台产品更多的目标是保证数据产出的及时性和准确性,以及满足公司各个业务的数据诉求。策略产品更多的是数据的应用,可以理解成数据平台产品经理的下游。
      转化的话,首先要培养数据的敏感性,无非就是先多看数据,发现问题和机会点;另外要有掌握数据处理的能力,不限于excel,更多的是sql和python,因为策略产品更多的数据驱动的。

      来自北京 回复
    2. 谢谢解答~

      来自广东 回复