浅谈商品：如何猜中用户的心思？

所有不着调的都是耍流氓，不着调的不如不。去商场前，你告诉自己今天只买T恤，出商场时，你还是拎了大包小包……导购员看你摸了摸连衣裙，让你免费试穿，结果你这一穿就不愿脱下了，而且一件接一件。导购猜测顾客喜欢什么，顾客试穿，满足双方各自的心理诉求来达成交易。电商网站如何猜测用户的心思，商品达成交易呢？我们不可能让人来感知用户的诉求，只能用数据和规则告诉用户，我知道你看上的是这件商品。所有不着调的都是耍流氓，不着调的不如不。一、算法算法主要有基于内容的算法、协同过滤算法和基于人口的统计学。先来科普下这几种算法：1、内容的算法（CB）：为每个item提取特征建模CB基于商品相关性构建商品模型。商品相关性包括商品类目、属性、参数、关键词、组商品等。举个简单栗子，你去买手机，导购员看见你进来就知道你买手机，这是商品类目；你说，看看粉色的苹果，内存要大点，导购拿来128G的红色iPhone7，粉色是属性，内存是参数，导购拿来的不是水果，因为苹果是iPhone的关键词。等你决定买粉色128G iPhone7时，导购和你说，今天买手机再加10元可以买一个手机壳，这个是商品组。电商系统也是如此，一步步猜中用户心思，用户才会信赖网站。目前电商中纯粹使用CB算法的不多了，对于初建网站，没有用户数据的前提下，主要依赖于CB算法商品。2、协同过滤算法（CF）（1）基于用户的CF基于用户对物品的偏好找到相邻邻居用户，将邻居用户喜欢的给当前用户。大学时期和你经常一起看电影的闺蜜和你说，最近上映的《摔跤吧，爸爸》很好看，会让你更想去看这部电影，因为你知道，她喜欢看的，一般你也喜欢看。“喜欢 的人也喜欢”就是典型的User CF。（2）基于物品的 CF基于用户对物品的偏好找到相似的物品，然后根据用户的历史偏好，相似的物品给他。经常遇到的就是你买裤子时，导购和你说，这款是我们销量最好的， 刚还买走一个呢。除了物物关联外增加了用户偏好，根据大众偏好预测你还没有表示偏好的物品，比如大家都在买。3、基于人口的统计学根据用户的属性建模，通过用户特征计算用户间的相似度。常见的有用户注册时添加感兴趣标签、榜单、热点等。算法无外乎是商品相关性、用户行为、大众行为。二、运营推广上述的算法是基于数据和规则的，除此之外，还有运营需求的推广。当然生活中也是存在的，导购偶尔会强力某个产品时，有人就会怀疑，是不是提成多。除了专题活动外，偶尔也可以在自然规则中加入人为干扰因素（比如某个品牌优先），让你的运营做的不声不响。移动端的比较推崇的是Feed流，除了不易察觉，还会让你心甘情愿分享。三、无处不在的以天猫为例说明，不是越多越好，是越准确越好。首页：除了各种专题运营活动外，根据用户的浏览历史猜你喜欢搜索结果页：不漏痕迹地加入人为干扰因素，掌柜热卖商品详情页：基于大众浏览和商品相关性的看了又看会员中心：根据用户浏览猜你喜欢订单详情页：运营活动，关注品牌的热卖单品购物车页：掌柜热卖、品牌收藏、最近浏览、猜你喜欢四、2B电商的区别2B的特殊性又来了，2B电商面向的是企业，企业就会有不同角色操作的人，面向不同的人不同。以采购手机原材料为例说明，工程师选的是产品（选型），他可以决定采购手机电池的规格参数和品牌，商品可以从规格参数和厂家等维度来。采购员是买指定的材料，是无权更改产品型号和品牌的，但他可以决定商品的价格和供应商，商品可以从价格等维度入手。，不是越多越好，是越准确越好，多而不准确的，在用户看来是一次次地眼睛被。本文由 @萝卜Lily 原创发布于。未经许可，禁止转载。