解密站内个性化推荐之站内个性化能带给我们什么

(编辑：jimmy 日期: 2024/11/5 浏览：3 次 )

站内个性化推荐能实现什么？

1.增加长尾商品展现。通常情况下，网站中被浏览的商品SKU数只占30%~50%，众多商品之所以卖不出去，是根本得不到展现机会。网站资源有限，如何在有限的资源情况下增加商品曝光？除了传统的站内活动、广告推荐之外，个性化商品推荐是增加长尾商品展现的中还要手段。

2.提高用户浏览体验。根据用户行为的个性化推荐，能提高用户站内体验，尤其在商品选择、对比、加入购物车和下单之后，围绕商品的整个活动周期都是站内个性化推荐的重要时间节点。由于个性化推荐是基于用户个体浏览行为的，因此与用户的关注度高度吻合，并结合群体效果的数据引导，会提高用户浏览体验。

3.提高网站转化率。在对用户进行精准推荐的基础上，用户浏览商品的路径中去除了无效查找时间，直接刺激了转化率的提高。

4.提高客单价和客单件。给予购物车的个性化推荐，能在用户购物时增加购物车内商品数量，并由此提高了客单价和客单件（客单件为订单内的商品数量）。

根据实际操作经验，站内推荐栏影响到的订单占比达到6%~10%（点击推荐栏后形成转化的订单占比），推荐栏产生的订单销售额占比达到10%，有推荐栏影响的购物车平均商品量和商品种类数比正常订单高10%~20%，而推荐栏本身的点击率会因为位置的不同而有所差异，点击率最高的是购物车页面、个人中心以及搜索结果页为空时，转化率最高的栏位是我的订单、购物车页面和个人中心、浏览了该商品的用户最终购买了的推荐栏。

什么因素会影响站内个性化推荐效果？

我们来看几个实例：

1.将一款茶几放入购物车是的推荐：

2.某东的商品搭配销售推荐：

3.买了某种就之后的用户还买过：

上面的几个案例，让我们觉得有些不可思议，原因是用户看过或者买过的商品与推荐的商品之间的关联性并不大，其中可能有用户本身的行为因素，但这种因素绝对不是商品推荐失败的主要原因。那原因有哪些？

1.缺少海量数据。个性化推荐需要基于海量数据做数据挖掘，通常小网站是不具备海量数据的，因此海量数据源是个性化推荐的基础。缺乏数据积累的推荐可能会产生误导行为。

2.人工干预过多。通常情况下，公司会根据销售需求改变商品推荐权重，但如果更改权限缺乏有效管理，甚至直接由销售决定，那推荐效果可想而知。

3.缺少多学科结合。站内个性化推荐绝对不是根据用户行为的简单推送，并不是仅靠某一门技术或学科可以解决的问题。比如用户将商品加入购物车，他的动机是什么？是为了比价还是暂存商品，是为了现在购买还是日后购买？不是的用户动机，对应的推荐策略是不同的。

因此个性化推荐需要在海量数据基础上，运用数据挖掘技术，配合心理学、社会学等知识而形成的，推荐的基础是用户真实行为，推荐的效果是符合用户需求和下一步行为导向的商品。