奔圖A4黑(hēi)白激光(guāng)單功能打印機(jī)P3385DN
如今電(diàn)商平台的(de)形式越來(lái)越豐富：完全跟從(cóng)平台自(zì)身(shēn)的(de)直營模式、數據體(tǐ)系更完善的(de)大品牌B類模式，以及低(dī)門檻的(de)小(xiǎo)微(wēi)個(gè)人(rén)C類模式。其中，C類電(diàn)商的(de)智能推薦系統是最為(wèi)複雜(zá)的(de)。
C店的(de)智能推薦為(wèi)什麽會難做？直營電(diàn)商就不用讨論太多了，統一的(de)商品類目管理(lǐ)、統一的(de)商品排序，在做智能推薦時(shí)，更多的(de)是注重對(duì)用戶行為(wèi)的(de)識别和(hé)用戶數據的(de)挖掘。天貓一類的(de)B類品牌店鋪也一樣，店鋪數量較少，品牌店通(tōng)常都(dōu)有(yǒu)自(zì)己的(de)專業(yè)的(de)運營團隊、曆史數據，在平台方面，品牌店也會更加遵守規則。
可對(duì)于基數巨大、體(tǐ)量差異巨大、從(cóng)業(yè)者生(shēng)态複雜(zá)的(de)C類店鋪來(lái)說(shuō)，想要做出一套人(rén)人(rén)都(dōu)滿意的(de)智能推薦系統，可沒那(nà)麽容易。今天，我們就從(cóng)C店賣家(jiā)的(de)角度出發，看(kàn)看(kàn)智能推薦系統如何為(wèi)其賦能。
逆推協同過濾算(suàn)法，不僅僅是推薦
在C類電(diàn)商中，智能推薦系統不僅僅要幫助用戶找到心儀的(de)産品，還(hái)要幫助普通(tōng)賣家(jiā)更好(hǎo)的(de)把握住流量。
我們可以看(kàn)看(kàn)早期的(de)電(diàn)商推薦系統是怎樣的(de)。
以搜索展示為(wèi)例，早期電(diàn)商推薦最主要的(de)原理(lǐ)就是文(wén)本相(xiàng)關性——也就是關鍵詞。最典型的(de)表現(xiàn)，就是淘寶商品往往會有(yǒu)一個(gè)特别長(cháng)的(de)标題。
比如輸入“滑闆”二字，會發現(xiàn)大多數商品會把滑闆、長(cháng)闆、刷街(jiē)、舞闆甚至滑闆車等等相(xiàng)關不相(xiàng)關的(de)關鍵詞都(dōu)加入了标題中。這(zhè)已經是今天經過多次修正後的(de)搜索效果，可以想象一下(xià)，幾年(nián)前的(de)電(diàn)商搜索結果會是什麽樣子(zǐ)：用戶想購買滑闆，結果搜索結果裏有(yǒu)一堆滑闆車、滑闆鞋、滑闆襪……
在标題中加入多種名詞是商家(jiā)為(wèi)了獲取更多流量的(de)無奈之舉，可對(duì)于用戶來(lái)說(shuō)，這(zhè)樣的(de)體(tǐ)驗并不好(hǎo)。
而面對(duì)這(zhè)種情況，電(diàn)商行業(yè)衍生(shēng)出了一種很(hěn)有(yǒu)趣的(de)解決方式——創造更豐富的(de)數據體(tǐ)系，應用更多的(de)關聯推薦。
在電(diàn)商買東西(xī)時(shí)，平台總是向我們要求很(hěn)多行為(wèi)：收藏店鋪、收藏産品、加入購物(wù)車、為(wèi)産品評分。這(zhè)些行為(wèi)都(dōu)被平台記錄，豐富着每個(gè)人(rén)的(de)用戶畫(huà)像。
在應用協同過濾推薦算(suàn)法時(shí)，這(zhè)些豐富的(de)個(gè)人(rén)用戶畫(huà)像就成了重要的(de)根據，對(duì)單一用戶數據行為(wèi)挖掘越深入、越準确，就可以幫助用戶量較小(xiǎo)的(de)C類店鋪更好(hǎo)的(de)預測買家(jiā)行為(wèi)、甚至對(duì)産品銷售進行預判。
比如我是一位第一次搜索滑闆關鍵詞的(de)買家(jiā)，進入了一家(jiā)C類店鋪，而我曾經購買過運動休閑服飾，通(tōng)過協同過濾算(suàn)法，運動休閑服飾也會被推薦給在這(zhè)家(jiā)店鋪有(yǒu)過購買行為(wèi)的(de)用戶。這(zhè)樣一來(lái)，賣家(jiā)就能判斷我是一位有(yǒu)價值的(de)用戶。
這(zhè)樣的(de)解釋或許有(yǒu)點複雜(zá)，但(dàn)我們隻要記住一點：豐富的(de)行為(wèi)數據體(tǐ)系會讓電(diàn)商的(de)協同過濾算(suàn)法更加精準，而精準的(de)協同過濾算(suàn)法不僅僅能把商品推薦給人(rén)，還(hái)能逆推得知人(rén)與商品的(de)匹配程度。
對(duì)于賣家(jiā)來(lái)說(shuō)，他(tā)們可以從(cóng)此得知每一次引流活動是否精準，更好(hǎo)的(de)提高(gāo)流量轉化(huà)率。
建立預測模型，讓數據找到彼此
對(duì)于如今的(de)電(diàn)商來(lái)說(shuō)，搜索和(hé)頁面廣告兩個(gè)入口已經不足以滿足賣家(jiā)展示商品的(de)需要和(hé)平台間(jiān)的(de)競争。主流的(de)形式是在單一平台上(shàng)開(kāi)拓更多的(de)品類入口，比如京東的(de)精品、淘寶的(de)iFashion等等。
而平台建立某一垂直品類的(de)入口，自(zì)然不是拍(pāi)腦門的(de)決定，而是來(lái)自(zì)于流量、銷量的(de)預測模型。
以iFashion這(zhè)類面向年(nián)輕人(rén)的(de)時(shí)裝入口為(wèi)例，首先要做的(de)就是數據特征的(de)轉換，提取出用戶年(nián)齡、購買行為(wèi)、消費(fèi)能力，關聯出最受他(tā)們歡迎的(de)産品品類。利用随機(jī)森林(lín)或向量回歸等方式建模，模拟用戶在單一品類中的(de)浏覽行為(wèi)、停留時(shí)間(jiān)、甚至購買行為(wèi)等等。
有(yǒu)了大概的(de)估計(jì)後，再将入口上(shàng)線、輔以流量支持。而對(duì)于C類店鋪的(de)賣家(jiā)而言，在更符合自(zì)己屬性的(de)入口中不僅僅意味着獲取更精準的(de)流量，也能夠讓類似産品、用戶、店鋪進行關聯。
産品、用戶、店鋪三者形成一個(gè)三角，三者之間(jiān)産生(shēng)的(de)任何數據關系帶來(lái)效果都(dōu)是三倍計(jì)數。從(cóng)而更好(hǎo)哺育未來(lái)預測模型的(de)建立。
智能推薦的(de)未來(lái)：識别非結構化(huà)數據
除了以上(shàng)兩種方式，目前的(de)新趨勢，是通(tōng)過NLP技(jì)術挖掘更多的(de)非結構化(huà)數據。
我們逐漸發現(xiàn)，現(xiàn)在購物(wù)網站上(shàng)的(de)文(wén)字越來(lái)越多了——買家(jiā)評價、電(diàn)商頭條、商品問(wèn)答(dá)等等。用戶在這(zhè)些文(wén)字中流露出的(de)情緒，對(duì)于賣家(jiā)而言也是珍貴的(de)數據資料。
對(duì)于C店而言，NLP技(jì)術的(de)作(zuò)用不僅僅是機(jī)器(qì)閱讀，更多的(de)還(hái)有(yǒu)自(zì)然語言生(shēng)成。阿裏媽(mā)媽(mā)就推出過這(zhè)樣的(de)功能，利用NLP技(jì)術理(lǐ)解爆款産品的(de)标題，生(shēng)成模型後為(wèi)其他(tā)賣家(jiā)修改産品标題。相(xiàng)信未來(lái)通(tōng)過算(suàn)法模型生(shēng)成爆款商品描述、宣傳文(wén)案等等也指日(rì)可待。
同樣的(de)道(dào)理(lǐ)也能應用在計(jì)算(suàn)機(jī)視(shì)覺上(shàng)，通(tōng)過計(jì)算(suàn)機(jī)視(shì)覺識别商品拍(pāi)攝圖、店鋪網頁設計(jì)等等，歸納出适應于不同品類、人(rén)群的(de)設計(jì)風(fēng)格，供以賣家(jiā)參考。想的(de)更遙遠(yuǎn)一些，或許在未來(lái)，計(jì)算(suàn)機(jī)視(shì)覺技(jì)術還(hái)可以通(tōng)過商品圖片識别設計(jì)侵權，從(cóng)售賣渠道(dào)上(shàng)斷絕侵權産品出現(xiàn)的(de)可能。
總之，對(duì)于C類店鋪來(lái)說(shuō)，在運營中對(duì)于智能營銷和(hé)機(jī)器(qì)學習(xí)等等的(de)新技(jì)術的(de)依賴要更加強烈。我們也能逐漸發現(xiàn)，推薦算(suàn)法本身(shēn)似乎很(hěn)少有(yǒu)改變，我們所做的(de)，還(hái)是在更多的(de)挖掘數據，不管是設置用戶行為(wèi)系統這(zhè)樣主動的(de)獲取方式，還(hái)是利用機(jī)器(qì)學習(xí)技(jì)術識别圖片、文(wén)字這(zhè)樣被動的(de)獲取。
而這(zhè)對(duì)于平台和(hé)C類店鋪賣家(jiā)個(gè)人(rén)來(lái)說(shuō)，都(dōu)是最具性價比的(de)方法。挖掘數據帶來(lái)好(hǎo)處更具普适性，C店電(diàn)商本該是物(wù)種豐富的(de)，平台不能插手其中作(zuò)物(wù)的(de)生(shēng)長(cháng)，但(dàn)有(yǒu)了數據作(zuò)土(tǔ)壤，會讓整個(gè)生(shēng)态更加繁茂。
