當推薦遇上營銷,會擦出什么樣的火花

產品老司機手把手教寫文檔,10天線上課程,零基礎掌握產品經理必備7大文檔撰寫法。了解一下>

大部分人都聽說過千人千面,也知道個性化推薦,那么千人千面具體的流程和應用是怎么樣的?作者做了總結。

在做推薦或者搜索的同學大概都知道千人千面這個概念,就是個性化推薦或搜索排序。

一般主要應用在首頁物品/內容feed流,頁面的推薦模塊,搜索結果頁等。

舉個例子:在淘寶搜索“衣服”,每個人的搜索結果不會完全相同,甚至差異很大,比如男女之間。

這就是千人千面,其主旨就是為了從一個大量的物品侯選池中match到用戶最愿意與之產生交互行為的物品,這種交互可能是點擊,加購,下單,轉化,瀏覽等等。

01

先簡單聊聊目前千人千面的大概流程:

  1. trigger階段:這個一般是基于用戶行為數據挖掘,利用用戶pin或者uuid去觸發計算用戶相關的個性化信息,給到推薦策略使用;
  2. recall階段:基于個性化信息,按照一定的策略去一個item的候選集里面進行item match,把符合閾值或者條件的item進行召回;
  3. rank階段:基于召回的item池,一般這里會做一次排序,一方面保證召回的結果是比較優質,且用戶交互意愿比較強烈的;另一方面,如果召回的量太多,考慮性能以及用戶實際的使用行為,進行截斷。這個階段也可以稱之為粗排;
  4. pageplacement階段:這個是一個精排階段。這個階段會考慮更多詳細的規則,比如單品加權,新業務扶持,品類曝光等等,最終展示給用戶。

推薦和搜索總體步驟差不太多。

不過有的同學可能會發現一個問題:在tigger階段,先要做的一步就是基于用戶行為數據去做大量的數據挖掘工作,那么對于用戶量比較少產品怎么辦?按照這種方法肯定無法在推薦位曝光。

所以實際上推薦冷啟動的問題本質就是缺少用戶、物品和事務數據。(注:來之《推薦系統:技術、評估及高效算法》)

業界有很多解決冷啟動問題的方法,不過今天參加了一個內部會議,還是get到了一些新的觀點,覺得可以在后續的工作中試一試。

02

實際上除了上述的應用場景,營銷投放領域也會應用大量千人千面。

比如在很多營銷活動頁,或者說廣告投放中都會應用到個性化推薦,為不同的用戶展示不同的廣告,以提升廣告的CPM。

下面的微信朋友圈廣告,就是一個典型的個性化投放策略的應用,會給不同的人推不同的廣告:

按照我的理解,簡單的畫了一個做營銷或者廣告的流程:

廣告商把產品投到廣告平臺,廣告平臺按照一定的投放策略進行投放,最終得到的投放效果反饋到廣告供應商。其中,個性化投放策略的制定就是基于用戶數據。

其實,產品剛推出同樣面臨無法精準投放的問題。

這個時候,一般都會選取一些主流的媒體渠道做大量的曝光,然后從投放平臺獲得本渠道的廣告投放效果。

一般對于一個廣告來說到此就結束了,后續可能就是基于本次投放的效果做一些后續廣告投放策略的優化。

但是,細細想想,如果此時讓推薦系統聯合廣告營銷效果,會產生哪些不一樣的東西。

剛才說到,推薦在冷啟動面臨的本質問題就是缺少用戶、物品和事務等數據,因此無法觸發個性化推薦邏輯。

一般而言,從投放效果中我們可以拿到本次廣告產品曝光的用戶,點擊的用戶,用戶在廣告落地頁的停留時長,下單的用戶,產品的銷量等等信息。

這些信息按照細分一下:

  • 用戶:產品曝光用戶,產品點擊用戶,產品下單用戶
  • 物品:產品,產品所屬的類目,銷量
  • 事務:曝光,點擊,下單

如果有這些數據的話,那么產品在推薦場景下曝光的幾率就會提升不少,這樣就很有意思了。

比如一個影片想要在電商平臺的首頁推薦場景下露出,電商平臺,商品的銷量一般來說是一個權重很高的排序因子。

因為其在未上映之前是沒有任何數據積累的,這個時候無論是搜索還是推薦的排序中,其實很難依靠正常的得分得到有效的曝光。

但是如果能把影響在各種營銷渠道中的數據做一個打通的話,那么這個事情就很好辦了。

所以今天的會上,一個大佬說:“千人千面實際可以有兩種,千人千面和營銷加千人千面。”

想想還真的是一種不錯的思路呢。

#專欄作家#

夏唬人,公眾號:夏唬人,人人都是產品經理專欄作家。某廠策略產品經理,關注推薦,搜索,AI策略方向,用數據來賦能業務。

本文原創發布于人人都是產品經理,未經許可,禁止轉載。

題圖來自 Unsplash,基于 CC0 協議。

給作者打賞,鼓勵TA抓緊創作!
評論
歡迎留言討論~!
  1. 請問,對于一個新產品經理來說,想要成為這種推薦策略的產品經理,應該怎么考試學習呢?

    回復
彩票开奖接口怎么接