<menu id="wywey"><strong id="wywey"></strong></menu>
  • <menu id="wywey"></menu>
    <nav id="wywey"></nav>
  • <menu id="wywey"><tt id="wywey"></tt></menu>
    <menu id="wywey"><strong id="wywey"></strong></menu>
  • <menu id="wywey"><strong id="wywey"></strong></menu><menu id="wywey"><tt id="wywey"></tt></menu><menu id="wywey"><tt id="wywey"></tt></menu>
  • 歡迎訪問本網站!搜索學校主頁
    產品汪如何向女票解釋——淘寶Push的個性化推薦
    日期:2020-05-07 00:00:00  發布人:admin  瀏覽量:1

    本文我分六個部分來寫,分別是

    引言(扯淡)

    一、push目標和本質

    二、商品畫像和用戶畫像

    三、推薦策略和算法

    四、push個性化推薦的衡量指標

    五、push推薦優化方向

    引言

    周六下午的時光是愜意的,小諾和女票來到了東交民巷比利時大使館舊址,里面的餐廳喝下午茶。進去后,倆人忙各自的事情,女票在看晚上要去的餐廳,小諾拿出書和電腦學習,畢竟他是苦逼的產品狗。

    過了十幾分鐘,正在小諾看的津津有味的時候,女票探過頭來,看到小諾在看《用戶網絡行為畫像》和《推薦系統實踐》,一臉嫌棄的說,你怎么又在看推薦的書?

    小諾看著有點生氣的女票,心里想:我可不是個直男,我得說的好聽點。于是他故作深情地說:之所以我喜歡做推薦策略,是因為我想讀懂一個人的心,然后把她最喜歡的給她。

    只聽啪的一聲,女票給了小諾一巴掌,說:油嘴滑舌!你這么行,那你用你的策略預測下我晚上想吃什么呀?

    小諾摸著滾燙的臉,脫口而出:你想去吃辣妹子火鍋店。女朋友驚訝的說:你怎么知道?小諾故作冷靜的分析:上周你就說想吃火鍋,但沒去成,所以肯定不甘心。剛才打車經過火鍋店的時候,你扭頭一直看,還說同事跟你說那家店不錯。你又是個無辣不歡的人,所以你肯定想吃火鍋。

    女票說:原來這么簡單啊,算你猜對了。小諾說:畢竟我是做推薦的,只要我有足夠多的特征數據,我就能讀懂世界!

    女票白了一眼,說:這個不算,我們部門下周要去霧靈山團建,你給我推薦下我該帶什么衣服唄。小諾開始分析:第一步我要理清我現在知道的信息,然后才能進行推理,最后給建議。

    小諾總結的信息如下:

    1.早上9點出發,高德查了一下開車去單程需要3小時。

    2.他們到達先吃午飯,下午2點上山,有車送到差不多快到山頂,大概是2點30,然后自己再走一段路。

    3.百度搜索霧靈山海拔2118米,海拔每升高1000米,氣溫下降大概6度,當然也受環境影響。

    4.現在9月早晚溫差較大,查了當天天氣晴好,濕度應該不會很高,12-24度,日落時間18點05。

    5.山上玩幾個小時,5點左右開始下山,下山曲折路線較長,一邊拍照一邊走路,大概需要1個半小時到2小時。

    6.走路會產生熱量,體感溫度會感覺熱了2度左右。

    綜上推理,山頂溫度在0-12度之間,中午2點最熱的時候應該在12度,但天氣晴好,山頂場地太陽直射,有太陽輻射不會感到那么涼,加上走路產生一些熱量,所以感覺會在十六七度左右。

    5-7點的下山過程中,太陽慢慢下山,溫度會降低,熱量更多,海拔降低,感覺會到13度左右。

    最后小諾給出了建議,他對女票說:你外面多套個上周你買的駝色風衣就好,上山時放在包里,下山時溫度開始降低時穿上風衣就夠了。女票表示疑惑,小諾又詳細解釋了下。

    女票開心的說知道了,然后說:淘寶真是個罪惡的app,每天都給我推送消息,害的我不停的買買買。這個是不是也是你做的推薦?

    小諾說:對呀,我就是做的push的個性化推薦呀。

    女票說:那你給我說說你們是怎么做的。

    小諾說:那我慢慢給你道來……

    一、push目標和本質

    首先什么是push消息呢?就是淘寶每天給你推送的那一條條消息。那push的目標是什么呢?

    ①push的目標:新用戶的拉新,和老用戶的促活,包括流失用戶的召回。

    ②push推薦的本質:push是將合適的內容,在合適的時間,合適的場景下,推薦給合適的用戶。

    所以你每天就會收到很多push消息嘍~

    二、商品畫像和用戶畫像

    這就是一個推薦的過程,我畫的非常簡單,其實真實的比這個復雜。

    我們想把你可能喜歡的商品推薦給你,就要了解你和商品,所以我們要創建商品畫像和用戶畫像。我們先來說說商品畫像。

    商品畫像如下,主要由sku分類和屬性特征構成,須對這些特征建立倒排索引。

    對于商品畫像,商品上下架、庫存、價格、評論數等應采取增量更新,商品標題、分類、屬性、主圖、銷量、評論等應采取全量更新。

    我們再來看看用戶畫像,用戶畫像就是通過了解你的一些信息,來定義出你這個用戶是什么樣子的。大概包括以下幾個方面。

    用戶畫像如下:

    用戶分群:

    ①在用戶畫像上,可以分為基本畫像和模型畫像?;井嬒裰傅氖强梢灾苯荧@得的用戶數據,模型畫像指的是通過模型學習用戶數據得出的模型,如用戶流失級別,用戶挑剔度等。

    ②用戶的基本信息屬于長期畫像,在長時間內是不會改變的。如用戶的性別,年齡,星座等。對于基本信息不完整的用戶,可以對信息完整的用戶進行訓練,得出不同用戶群體的特點。

    比如通過分析用戶的applist,得出安裝哪些app的用戶是女性的概率是多少,男性的概率是多少,這樣可以對性別缺失的用戶進行模型擴散,補上缺失項。

    ③用戶的興趣愛好可分為長期興趣和短期興趣,長期興趣可通過分析用戶歷史數據進行積累。比如用戶在過去半年經常性的買零食堅果,每次購買在長期興趣上都會進行一個權重累計。

    有一天因為用戶受熱點事件影響,開始在短期內買零食果脯,則模型應在短期內提高此興趣點的權重,以便不受長期興趣的影響而無法提高。

    ④對于行為特征,消費信息等數據,可設計用戶對比度,比如設置用戶對比3家同類商品才購買1個為三級,用戶對比5家以上相同商品才購買1個是一級。

    也可以根據用戶點開app頻次設計用戶流失模型,比如用戶1天為打開是流失F級,3天未打開是流失E級,7天未打開是流失C級,一個月未打開是流失A級。

    三、推薦策略和算法

    我們建立了商品和用戶的畫像,就要來分析你喜歡什么樣的商品,商品如何和你匹配上,這就涉及到了策略和算法。

    1.常用算法:

    ①基于統計學的過濾,如基本信息中的性別,年齡,地域等。

    ②基于用戶的協同過濾。

    ③基于商品的協同過濾。

    ④決策樹模型等。

    2.推薦策略:

    ①applist:通過讀取用戶app列表,用app和商品分類進行匹配,了解用戶的興趣點,此策略針對于新用戶的興趣獲取,以及老用戶的新興趣挖掘。

    ②本地化:實時獲取用戶地理位置,與用戶本地天氣,城市層級,生活圈,本地熱點等結合進行push推送。此策略為的是提升用戶感知,增加推送好感。

    ③通勤場景:在通勤中,用戶如屬于移動網絡狀態,push和落地頁應減少插圖或者多圖的比例。此策略為的是考慮用戶感受,增加用戶好感。

    ④興趣試探:對于新用戶來說因興趣愛好信息積累較少,在push推薦時可選取熱度高,點擊率高,表現好的push進行推送,這樣即使用戶興趣不增加,也保證了用戶不產生厭惡。

    ⑤負反饋策略:對于用戶看到不點擊,以及點擊即退出的push,應該有負反饋機制,降低此類push在此用戶面前出現的頻率或者不再出現。

    ⑥季節策略:可根據季節,天氣,節氣變化,針對性的向用戶推送具有此類特征的商品。

    ⑦熱點策略:根據近期話題或事件熱點,結合相關商品進行推送。

    3.分發排序

    ①push可以分類型,如通用型,活動型,群體型,個體型,系統型,熱點型。并給不同類型的push設定優先級。在推送時高優先級的push優先推送。

    ②在召回排序時,通過第一層的統計社會學信息過濾,候選集中的push會存在多條,此時可根據以上提到的各策略模型綜合的對push進行打分,比如有30個策略模型,

    可從30個維度按照不同的加權對push進行綜合打分,由高到低的進行排序,得分高的優先推送。

    ③當一天內的推送push數量達到3-5條的上限時,當天即停止推送。

    四、push個性化推薦的衡量指標

    那么當我們為用戶推薦商品之后,如何來看我們的推薦效果呢,這里就需要有衡量的指標。

    1.短期來看是push拉新數量,和拉新貢獻度。

    2.長期來看,是從推送,點擊,到達,瀏覽,加購,下單,支付,復購整個鏈條來提高,為最后的GMV負責。

    GMV=流量*轉化率*客單價。流量=新用戶+老用戶。

    從用戶行為路徑來看,一條push推送后,經歷了,到達,展示,點擊,瀏覽,加購,下單,支付的流程。評價push效果的指標也據此產生。

    五、push優化方向

    按照以上指標,我們需要對以上幾個方面進行優化。

    1.提升push的到達率

    ①重復發送push:通過服務端重復發送,客戶端本地排重來實現到達率優化。

    重復發送策略,可以分次分時間間隔發送,如每隔x小時,發送y條push,每天發送z次。

    2.提升push的點擊率

    ①增加push的豐富度。如針對活動和熱點事件的全量推送;針對某用戶群體的群體推送;針對單個用戶歷史信息和興趣愛好的個性化推薦。

    ②塑造具有吸引力的文案。對于某個push,可以設置多個文案,用ABtest的方法,將同質用戶分組,推薦同一個push的不同文案,快速獲得點擊率高的文案進行全量發送。

    ③push文案設計:應從文案基礎,用戶感知,用戶習慣,形式多樣性等方面考慮。具體如下。

    文案基礎:無錯別字,無錯誤標點。主語突出,無無意義詞語冗余。文案完整,或主述對象完整。文案過長可末尾用省略號提示。

    形式多樣性:圖片,文字,表情,提示音等,豐富push形式。

    用戶感知:比如讓用戶有參與感的有,含有當地名,@用戶。讓用戶有親近感的有,熟知人名,電影電視名。以及關于熱點熱句的文字。

    用戶習慣:如習慣看半角文案,因為全角文案會有不正規的感覺。

    3.落地頁設計

    ①落地頁內容和push內容應該保持一致,相輔相成。

    ②落地頁內容應該突出商品主體,抓住用戶眼球。

    ③對于新用戶來說,因使用習慣還未養成,對app了解度也還不夠,落地頁最好有一定的指引,引導用戶理解產品。

    4.Push的頻控設計

    主要是為了不過度打擾用戶。

    ①push對于每日每個用戶的推送條數應該有上限的設置。比如系統消息或者互動消息類的push可以無上限,活動和個性化推薦類的push總量應控制在3-5條。

    ②push推送的時間段應選擇用戶的空閑時間,一般分布在早,中,晚,睡前四個時間段。如7-10點,11-14點,17-19點,22-24點

    ③從長期來看,可以通過模型,算出用戶一般每日可接受的push條數,以及單個用戶可接受的push條數。

    小諾說:好啦,我講完了~女票說:我腦子嗡嗡的,就聽懂個大概。

    最后

    醒醒醒醒!做策略的哪來的女票?還是滾去學習吧……

    核發:0 點擊數:1 收藏本頁
    分享到
    相關鏈接
    青草青草视频2免费观看
    <menu id="wywey"><strong id="wywey"></strong></menu>
  • <menu id="wywey"></menu>
    <nav id="wywey"></nav>
  • <menu id="wywey"><tt id="wywey"></tt></menu>
    <menu id="wywey"><strong id="wywey"></strong></menu>
  • <menu id="wywey"><strong id="wywey"></strong></menu><menu id="wywey"><tt id="wywey"></tt></menu><menu id="wywey"><tt id="wywey"></tt></menu>