站内个性化推荐能实现什么?

  • 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。
  • 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。
  • 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。
  • 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?

  • 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。
  • 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。
  • 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。



除非注明,本博客文章均为 数据研究与商业应用(TonySong) 原创.
转载请注明本文地址: http://www.searchmarketingart.com/value-of-personalized-recommendation.html