电商App个性化推荐的精准营销——点击率预估

0 评论 3578 浏览 27 收藏 10 分钟

个性化推荐最早起源于美国电商平台亚马逊,推荐系统能够基于上亿的商品目录为数百万用户提供推荐服务。那电商App基于个性化推荐实现精准营销,该如何预估点击率?欢迎阅读,希望对你有帮助。

围绕产品与商品的核心目标进行的推荐才是有价值的,推荐的目的可以定义为几个点:

  1. 让产品活的更久:活的久是要延长产品的生命周期,延长用户的生命的周期,更受用户喜欢;
  2. 让产品活的更好:活的更好就是通过广告、用户主动付费等方式获得收入,带来商业价值;

本质上产品需要将整个用户行为路径进行优化,比如电商产品,在推荐的场景需要考虑展现形态,包括图片和文字简介,购物链路上的商品详情页的描述信息丰富和核心程度,整体布局等等;去伪存精,通过信息表达需要考虑基础信息区(回答商品是什么,吸引决策)。又如:优惠(有没有优惠,刺激决策);服务区 (有没有保障,加固决策);参数规格区(有哪些可选,完成决策);评价区(大家怎么说,辅助决策);后续推荐卡片(再逛逛别的,流量再分发)

01 推荐是帮助用户感知,而不是强迫用户思考

在推荐商品的过程中,永远需要记住的是:帮助用户感知,而不是将过多的主观想法强加于用户,推荐中收集用户数据,并对用户意图及行为路径建模,从而建立整体用户认知,将条目作为认知的载体呈现给用户,让用户进行体验交互,并进一步收集用户反馈,假设用户有正向反馈的商品是用户表现出价值认可的。在此基础上,我们可以让用户、持续留存,并且建立一定的、情感链接。

02 全局推荐的机制

围绕“数据”“商品形态,类目形态、浏览时长”“算法”进行“协同优化”才能带来更大的收益;用户体验的满意程度贯穿于整个产品使用过程中,如果想要有好的推荐结果,必然需要“全局”优化;

推荐时机:由于兴趣发现和收敛速度的原因,对于智能程度的感知也随时间会产生较大的变化,合适的时机能够带来更大的收益。

推荐质量:对于不同的产品,内容时效性和列表新颖性有不一样的要求,对于不同领域的产品,质量也有不一样的定义。

多样性:对于推荐而言,既要满足用户行为中的正负反馈,又要给予用户更加多样的列表。

产品定位:不同位置的推荐定位不同 ,跳出局部最优思想,做全局最优化,永远是场景间协同,根据行为路径的差异,行为深度的差异来做「差异化的场景设置。

单品页:购买意图,过渡页:提高客单价,购物车页:购物决策,无结果页:减少跳出率,订单完成页:交叉销售,关注推荐:提高转化,我的xx推荐:提高忠诚度,转化,浏览时长;

03 用户维度的推荐

产品所面向的不同类型用户很大程度会影响推荐系统的效果;如“新老用户占比”,即营销引流与用户留存的情况所影响的占比,新用户在冷启动上会需要花费更多的时间。

因为新用户通常是那些没有行为或者行为过少的用户,本质还是数据稀疏问题带来的困难,初期可以用冷启动的一些方法来进行推荐,最终最有效的方式是将新用户留下来,将新用户培养成老用户;“不同性别用户的占比”这个主要体现在用户的行为性别,因为不同性别的人在使用产品过程中的差异非常大,对体验好坏的体感也有较大差异;

精准推荐营销涉及到,站内与站外综合运营,比如:DSP、ASO、ASA、精准推送、智能推荐、用户画像、会员营销。

基于地理位置的精准:以携程的旅游景点、项目营销为例,定了丽江的机票的用户,给其推送丽江当地的酒店比推送北京的酒店更容易被用户接受,从而下单。

行为维度、个性维度:通过用户的搜索、购买、社交等表现,可以对其进行个性化的认知和洞察,继而进行人群划分,譬如按照收入、性别、喜好等等,比如携程的旅游景点、项目营销为例,由于对用户分析的精准,你知道经常订购400-500元区间的酒店,并且喜好商务酒店,所以大概率推送的商务酒店应该在100-500区间。

点击率预测:广告中点击率预估计算出的是精准的点击概率,A点击率0.22% , B点击率0.34%等,需要结合其它因子(出价)用于排序;推荐算法对准确值没有明确要求,只需计算出一个最优的次序A>B>C即可

点击率 = 点击数/浏览数(点击率越高,意味着在相同投入的情况下,收获了更多的用户注意力)

点击率预估 = 在某种环境x下,某个推送y展现给某个用户z后,用户点击的概率r

点击率只是衡量效果的一个指标,但大部分公司均会将其作为重要指标考核。

场景的广泛使用,起源于移动互联网的迅猛发展;用户的行为在多屏间跳转,在PC上的碎片化,如今成为了跨屏的碎片化,此时的精准,又加入了场景的维度;平台根据用户的最终极速画像,推荐时机、场景、渠道、商品等选择投放内容,精准投放。

搜索场景:搜索中有强搜索信号-“查询词(Query)”,查询词和内容的匹配程度很大程度影响了点击概率; 点击率也高,搜索能到达百分之几的点击率。

非搜索场景:(例如展示广告,信息流广告),点击率的计算很多来源于用户的兴趣和广告特征,上下文环境;移动信息流广告的屏幕比较大,用户关注度也比较集中,好位置也能到百分之几的点击率。对于很多文章底部的广告,点击率非常低,用户关注度也不高,常常是千分之几,甚至更低。

专栏作家

小镊子,人人都是产品经理专栏作家。养成挖掘性的思考习惯、综合、市场、运营、技术、设计、数据、擅长跨境电商,综合电商与商业模型。

本文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Pexels,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

给作者打赏,鼓励TA抓紧创作!
1人打赏
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. 目前还没评论,等你发挥!