電商平臺(tái)如何做相關(guān)產(chǎn)品推薦？

上一篇文章《如何實(shí)現(xiàn)個(gè)性化推薦？》我們講了如何根據(jù)用戶的瀏覽記錄去做“猜你喜歡”這種個(gè)性化推薦，這種推薦的邏輯是用戶瀏覽過(guò)這個(gè)商品，但是沒有購(gòu)買，所以在產(chǎn)品的某個(gè)界面(比如首頁(yè))繼續(xù)給用戶推薦類似的商品，讓用戶更快的找到自己想要的商品，減少用戶路徑，提高轉(zhuǎn)化率。那么，如果用戶已經(jīng)購(gòu)買了某個(gè)商品，我們?cè)撊绾谓o用戶推薦呢?再推薦類似的商品似乎不大合適了，因?yàn)橛脩舨淮罂赡軙?huì)立馬重復(fù)買一樣?xùn)|西。今天我們來(lái)講另外一種推薦模式：根據(jù)用戶的購(gòu)買記錄來(lái)做推薦。

關(guān)聯(lián)推薦

有的同學(xué)可能注意到過(guò)，當(dāng)你購(gòu)買某件商品后，在產(chǎn)品的某個(gè)界面(比如支付結(jié)果頁(yè))會(huì)給你推薦跟已購(gòu)買的商品不一樣，但又有某種關(guān)聯(lián)的商品。比如，買了《高數(shù)》上冊(cè)，推薦《高數(shù)》下冊(cè);買了裙子，推薦高跟鞋;買了《JAVA入門》，推薦《JAVA進(jìn)階》等。這種推薦模式，我們一般成為關(guān)聯(lián)推薦，意指推薦有關(guān)聯(lián)的商品。那么這個(gè)關(guān)聯(lián)一般是個(gè)什么內(nèi)在邏輯呢。

一般來(lái)講，這種推薦模式下，已購(gòu)買商品和推薦商品具有以下的關(guān)聯(lián)邏輯：

1)兩個(gè)商品具有上下游的關(guān)系，比如《高數(shù)》上冊(cè)和《高數(shù)》下冊(cè)、《JAVA入門》和《JAVA進(jìn)階》

2)兩個(gè)商品有功能/作用上的互補(bǔ)，比如裙子和高跟鞋、菜刀和砧板

這種推薦模式的目的也是希望通過(guò)商品之間的聯(lián)系來(lái)帶動(dòng)更多商品的銷量，提高轉(zhuǎn)化率。

推薦邏輯

上一篇講的根據(jù)用戶的瀏覽記錄做推薦，是因?yàn)橄到y(tǒng)能識(shí)別瀏覽商品所屬的三類類目，然后從同類目下篩選其他商品。但是關(guān)聯(lián)商品推薦的模式下，系統(tǒng)如何識(shí)別商品之間的關(guān)聯(lián)邏輯呢?系統(tǒng)如何知道《高數(shù)》上冊(cè)和《高數(shù)》下冊(cè)是可以放在一起推薦呢?如何知道裙子高跟鞋是有關(guān)聯(lián)的呢?

在這里，我們仔細(xì)理解前面說(shuō)的兩點(diǎn)關(guān)系，即上下游關(guān)系和功能互補(bǔ)關(guān)系。這種關(guān)系可以理解為兩種商品類目之前的關(guān)系，或者是指定的兩件商品之間的關(guān)系。也就是說(shuō)，當(dāng)用戶購(gòu)買某件商品后，系統(tǒng)得識(shí)別是否其他類目或者指定商品與當(dāng)前購(gòu)買商品有聯(lián)系。

因此，為了實(shí)現(xiàn)這個(gè)關(guān)聯(lián)推薦邏輯，在產(chǎn)品設(shè)計(jì)層面，就要實(shí)現(xiàn)特定類目和特定商品之間的關(guān)聯(lián)。比如將A類目和B類目關(guān)聯(lián)上，或者將甲商品和乙商品關(guān)聯(lián)上。那么當(dāng)用戶購(gòu)買A類目下的商品或者甲商品，就從B類目下篩選商品或者將商品做推薦。

小結(jié)

以上講的推薦模式屬于低技術(shù)門檻下的實(shí)現(xiàn)方式，如果公司具備大數(shù)據(jù)分析、數(shù)學(xué)建模、算法模型設(shè)計(jì)等技術(shù)實(shí)力，那么可以采用自動(dòng)化的協(xié)同過(guò)濾算法來(lái)實(shí)現(xiàn)關(guān)聯(lián)推薦，這就是另外一個(gè)故事了。

猜你喜歡：

什么是PRD？如何寫PRD？

什么是敏捷開發(fā)？十分鐘了解

產(chǎn)品流程圖怎么畫？

如何實(shí)現(xiàn)個(gè)性化推薦？

黑馬程序員產(chǎn)品經(jīng)理培訓(xùn)課程