編輯導語：我們每天從手機得到的信息，大部分時候除了主動查找就是推送服務，個性化推薦的服務在這個互聯(lián)網(wǎng)繁榮的時代一直出現(xiàn)在我們的生活中。本文就以個性化推薦為案例，為大家詳細拆解其中要點，感興趣的朋友一起來了解一下吧。

作為一個入行3年的產(chǎn)品經(jīng)理，能夠切身的感受到，這個行業(yè)發(fā)生了不小的變化，依稀記得2018年面試的時候，產(chǎn)品經(jīng)理的崗位吸引了不乏清北甚至很多留學生，工資高、工作環(huán)境好、專業(yè)不限制成為了就業(yè)市場上的香餑餑?？傻搅?021年，似乎到了互聯(lián)網(wǎng)行業(yè)的寒冬，在這樣的時代和社會的背景下，產(chǎn)品經(jīng)理這個崗位只會遇到更困難的挑戰(zhàn)。

而對于我來說，最近半年，一個機緣巧合的機會，讓我從BI產(chǎn)品經(jīng)理轉崗到了策略產(chǎn)品經(jīng)理，也負責了兩個方向的內(nèi)容，分別是商城個性化推薦和個性化促銷，這兩個方向也都屬于策略產(chǎn)品經(jīng)理下的分支，推薦產(chǎn)品經(jīng)理和增長產(chǎn)品經(jīng)理。

這兩個方向都屬于策略產(chǎn)品經(jīng)理下的分支，通過半年的歷練，我在這個崗位上有了些心得和經(jīng)驗。

最近和一些朋友聊天，不少人對我的工作內(nèi)容很感興趣，那今天就和大家聊聊推薦產(chǎn)品經(jīng)理日常工作中的【個性化推薦】。

想要搞懂【個性化推薦】，我們首先要明白策略產(chǎn)品經(jīng)理主要是做什么呢？

面對產(chǎn)品中某些相對復雜的業(yè)務問題，當這些問題受到的影響因素較多且因素是動態(tài)變化時，就意味著這些因素需要相對復雜的業(yè)務規(guī)則甚至算法模型來解決。而且這些業(yè)務規(guī)則和算法模型需要不斷地動態(tài)調整，來不斷地適應問題的變化。策略產(chǎn)品經(jīng)理的日常，就是負責這些業(yè)務規(guī)則和算法模型的從無到有，從有到優(yōu)的過程。

舉個例子，上個月你在抖音上喜歡看美食，于是很多推薦都是美食博主或是探店攻略，現(xiàn)在春天來了，你開始關注戶外運動類的信息了，于是抖音也”知道”了，開始為你推薦春游好去處了。

你瞧，這就是策略產(chǎn)品經(jīng)理要做的事，就是”猜你喜歡”。

我們經(jīng)常提到的”被大數(shù)據(jù)包圍”，其實本質就是個性化推薦。

先來舉幾個例子：

早上上班的路上，打開網(wǎng)易/QQ音樂，隨機播放起為你推薦的歌曲，哎呦，真好聽，每一首都值得點亮紅心，聽聽聽！工作累了打開淘寶，發(fā)現(xiàn)給你展示了正在做活動且你心儀很久的外套，哦吼，這不正好是我需要的嘛，買買買！下班回家路上打開抖音，刷著都是自己喜歡的短視頻，哇哦，這個視頻太有意思了，點個愛心，刷刷刷！

這可能是大多數(shù)人每天不經(jīng)意間要做的事情，很多都會影響或者主導著我們的生活，這里就是個性化推薦。

好了，那究竟什么是個性化推薦呢？為什么要有個性化推薦？下面就結合我日常的工作和學習到的知識，簡單聊聊個性化推薦這點事。

一、什么是個性化推薦

個性化推薦，就是我們常常說的“千人千面”，系統(tǒng)會根據(jù)每個人的歷史行為以及人物特征，為其推薦較為合適的物品。

它是建立在用戶的行為數(shù)據(jù)挖掘基礎上的一種高級商務智能平臺，向每個用戶提供個性化的信息服務和決策支持。

其實就是你在這個平臺付出的時間越多，它就會越了解你，就好像你在一直訓練它一樣，變得越來越讓你喜歡、深得你心。

比如下圖網(wǎng)易云音樂的“每日推薦”、知乎的“推薦”、視頻號的“推薦”，都是個性化、每個人專屬的內(nèi)容展示。

那我來問大家一個問題，為什么各大app需要個性化推薦呢？

比如我司，是從2020上半年，認識到了算法和流量的重要性，開始重視了商城的個性化推薦。而在時代的背景下，如何利用越來越稀缺的流量，保證存留更少的流失，成為了各個企業(yè)關注的焦點。

外界現(xiàn)狀：

商品豐富度指數(shù)級增長，用戶匹配的需求難度上升互聯(lián)網(wǎng)時代進入了成熟期，人口紅利和流量紅利消失殆盡，企業(yè)必須開始從增量需求轉而挖掘存留需求。

內(nèi)部能力：

因為這個這樣的時代背景和企業(yè)能力，當大家都看到了個性化推薦的機會時候，都會牢牢的抓住這個機會。對于電商平臺來說，個性化推薦能給我們帶來什么呢？

作為淘寶/天貓/拼多多的用戶，我們應該都有這樣的感受，平臺總是能展示一些我們感興趣或者真實需要的商品。

對于我們來說，這是一種沉浸式的購物體驗，減小了商品選擇的壓力同時，也提高了下單效率（當然不好的是，容易控制不住自己的錢包，這樣正是平臺的目的）。

用戶層面：

最大限度的展示用戶需求，縮短下單路徑，提高購買體驗。

企業(yè)層面：

提高復購和留存，吸引更多的三方賣家入駐，賺取傭金和扣點。

解決信息過載，合理的分發(fā)流量，有效的打造爆品和處理長尾商品。

二、個性化推薦策略的原則

就拿我們生鮮電商商城app各個的頁面為例子，首先要明確制定策略的原則。

1. 用戶心理

首先最根本的是要弄清楚用戶在這個場景到底是怎樣想的？這個不能我們來拍腦袋來說，而且要根據(jù)數(shù)據(jù)的表現(xiàn)來說明，要客觀且事實。

就比如打開淘寶，大多數(shù)場景我們都是直接搜索需要的商品。但有些時候，我們也會被打開app之后的首頁內(nèi)容所吸引，發(fā)現(xiàn)展示的商品流里面，很多都是自己喜歡的或者需要的商品。

所以，淘寶首頁的定位是一個你所需要商品的集市，是一個“吸引你逛淘寶”的定位，那如何才能讓你在這里逛下去呢？那就是曝光認為是你需要或者感興趣的商品了。

2. 場景定位

好了，當我們摸清了用戶在這個場景的心理和目的，那我們需要做的事情就清晰了，就是想方設法來滿足他們表達的明確需求，根據(jù)行為痕跡挖掘潛在需求。

3. 業(yè)務訴求

閉環(huán)良好的推薦系統(tǒng)，不僅僅是單純的為了滿足用戶的需求，更要能夠幫公司解決業(yè)務難題。比如打造價格形象、帶動銷量增長，同時還要肩負著引流爆品、清理高庫存、曝光長尾商品的重任。

比如清理高庫存，我司是有自己的倉庫的，那某些商品是有一定的存貨的，但并不是所有的存貨都能按照計劃賣出去。

如果遇到了臨期商品、庫存周轉困難、影響資金流的情況，那就是要及時止損，處理掉這些高庫存的商品，那我們的推薦系統(tǒng)就可以在流量大的位置給與更多的曝光機會。

三、個性化推薦策略的制定

其實推薦策略的話，相對是簡單一些的，策略的制定無非就是三個方面，所需商品+排序+過濾，就根據(jù)這三個方面，就可以做到千人千面了。

說到這里，就不得不提一下用戶畫像了。關于用戶畫像的定義有很多，但是看起來還是感覺解釋的不清晰。

其實，簡單說，每款產(chǎn)品都有著自己的使用群體，而用來描述這些用戶的信息的標簽集合，就是用戶畫像。

舉一個大家應該都聽過的例子，前幾天上了微博熱搜的，海底撈給顧客貼標簽，網(wǎng)友們都覺得無可厚非，這里沒有侮辱的信息，既可以細分客戶群體，了解客戶需求，還能提供更個性化的服務，這就是用戶畫像。

1. 所需商品

（1）明確的需求

基于用戶的行為表達過的明確需求，如果沒有發(fā)生轉化，那該怎么推薦商品，才能最大的概率促成轉化呢？

這里提供表達行為的商品或許不是最優(yōu)的，有過行為表達的商品，但沒有下單購買，說明有部分屬性不符合用戶需要，但也存在商品符合需求，價格沒有在預期閾值之內(nèi)。

所以，這里找相似商品，也許是能夠最大概率的滿足需求。

（2）潛在的需求

對于不明確的需求，我們只能靠猜用戶的心理，但是猜也是有策略的，這里初期就可以靠”基準策略”就可以cover的住了。

那到底什么是基準策略呢？

基準策略又稱Baseline策略，是指在較低成本條件下是評估指標達到最低要求的策略。

這里舉一個我們都熟知的例子，幫助大家更好的了解這個概念。

當我們登錄某些軟件或者網(wǎng)站的時候，會有短信驗證這個選項，就拿6位數(shù)的驗證碼來說，這里最簡單的基準策略就是從任意的六位數(shù)中隨機猜一個，理論上是能夠達到十萬分之一的準確率，所以任何其他策略的表現(xiàn)都要高于這個基準策略。

而基準策略最根本的目的是以最低的成本和最快的速度上線一種可行的策略。

而當線上數(shù)據(jù)正常運行起來，就可以積累不斷產(chǎn)生的數(shù)據(jù)，繼續(xù)當做模型訓練的樣本，優(yōu)化算法和模型，進一步的提升準確率。

常見的基準策略有熱門排序策略、最近行為策略、基于業(yè)務規(guī)則的基準策略，這里對基準策略就不過多展開了，大家有興趣可以自行查詢。

（3）業(yè)務的需求

作為產(chǎn)品，經(jīng)常要臨時響應業(yè)務部門的需求。比如去年公司周年慶期間，公司把”預制菜”作為重點推廣商品，需要我們配合制定對應的產(chǎn)品策略。

這種最簡單的辦法就是，可以根據(jù)業(yè)務規(guī)則找出滿足要求的商品融入到推薦結果集中，或直接使用業(yè)務規(guī)則對結果集的商品進行排序微調。

2. 排序

商品的排序，原則上是要基于我們的目標，訓練相關的模型實現(xiàn)的，當然也存在面對一些緊急需求，臨時來制定一些簡單排序規(guī)則，主要能達成目標，也無可厚非。

比如說，你在抖音里的行為，都會被記錄下來，當成展示視頻的一個排序因子，轉發(fā)的行為因子;收藏的行為因子;點贊的行為因子;瀏覽的行為因子。

另外，同一需求相對低價的大于高價的，高品質的大于低品質的，銷量高的大于銷量低的。

再比如我們逛美團買菜，同一類需求相對低價的大于高價的，高品質的大于低品質的，銷量高的大于銷量低的。

還有即使一些當日售罄的商品，都是置底處理的，這也是為了保證用戶體驗。

當然，排序更多的是需要以目標為導向，具體情況具體分析，比如有些商家給了更多的廣告費，那可能就會有置頂排序的要求，誰讓人家是金主爸爸呢？

比如我在淘寶上搜了“華為手環(huán)6”，你看，第一位展示的就帶了“廣告”二字，是不是你們之前沒有注意到這個呢？

我們再看第二位展示的價格雖然貴，但是銷量要遠遠超過第三位，說明第二位的銷量的因子給了它很大的加權。

3. 過濾

過濾的規(guī)則相對比較簡單，有些是業(yè)務規(guī)則，比如用戶當天下過單的商品就無需再曝光了。

比如你在京東上買了一款手機，那理論上起碼你近半年不會再次購買手機了，這時再給你曝光手機是沒有意義的，不如推薦一些耳機、手機膜、手機殼等周邊的產(chǎn)品，也許促成更多的交易。

有些是常識規(guī)則，比如清真用戶不能推送豬肉類商品；還有用戶設置過不喜歡的商品也不要做無效的曝光了。

4. 真實案例

這里我把前段時間做的一個小項目，用上面的三個步驟來解讀一下，方便大家能夠更好的理解。

首先這個項目的背景是避免核心用戶的流失，如何利用營銷手段保證用戶粘性。

那在確定了背景和目的之后，就需要拆解過程和結果指標/思考優(yōu)化方向了。

確定現(xiàn)階段的數(shù)據(jù)指標的情況，以及整個策略實施過程中要監(jiān)控的過程和結果指標，要優(yōu)化哪些數(shù)據(jù)指標來達到目的。

于是，我找到一些核心用戶的特征以及流失過程中某些行為的變化，發(fā)現(xiàn)核心用戶都有自己的核心商品。

一旦核心商品不在我們平臺下單的話，那就有很大的概率流失了。那問題就變成了該如何阻止這種核心品的流失。

于是制定的兩個策略。

其一是針對用戶的核心品，在商城的一些推薦位給與更多的曝光，時刻提醒用戶他是需要這個商品的。

其二是根據(jù)用戶歷史的購買周期，如果發(fā)現(xiàn)超過了購買周期，用戶依舊沒下單的話，那么就自動對商品進行促銷降價，以更實惠的價格對用戶進行挽留。

經(jīng)過了一段時間的試驗，用結果說話，策略投放的區(qū)域GMV增長18.8%，人工運營的區(qū)域增長5.4%（數(shù)據(jù)脫敏）。

最后，很多一線業(yè)務找到我們，希望我們來托管這個業(yè)務，于是讓更多的地區(qū)使用了策略的投放，一線業(yè)務人員都說，真香~

四、如何評估個性化推薦的效果

一切以目標為導向，不同的頁面的評估指標也會有所差異，但是對于電商平臺整體推薦來說，也是有一些通用的評估指標。

1. 業(yè)務維度CTR（曝光點擊率，比如瀏覽了100個商品，點擊進入詳情是1個，那就是1%）、GMV（商品交易總額）、瀏覽深度（下滑的屏幕數(shù)）、停留時長…擴展性強，可兼容不同的召回集（召回集的意思就是按照不同規(guī)則產(chǎn)生的展示內(nèi)容。可滿足業(yè)務訴求，比如處理高庫存商品（例子可見上文）、打造爆品。

2. 用戶感知精準度：能夠命中用戶想看/想要什么，這里還是要舉個抖音的例子，它推薦的商品有多少是你感興趣，抖音10分鐘？人間一小時是不是說的一點都沒錯？不得不說抖音做的實在太好了，好到我必須要卸載它了?？山忉屝裕簽槭裁丛谶@個時候展示這個內(nèi)容，比如端午節(jié)淘寶就會推薦很多買粽子的店鋪，中秋節(jié)就變成了給你曝光更多的月餅，就是讓一切推薦內(nèi)容看起來都合情合理，不突兀。多樣性：要保證多次看到的商品差異性，防止審美疲勞。比如知乎，你關注產(chǎn)品經(jīng)理的成長技能，知乎會給你在推薦的板塊從頭到尾都展示相關信息嗎？比如抖音，你喜歡小姐姐，它會給你推薦的每一個視頻都是大長腿的？它們不會的。這樣反而容易引起枯燥乏味，它們還需要嘗試著用一些其他的信息來挖掘你額外的喜好。驚喜度：魅力需求，能夠滿足用戶期望之外的訴求。舉一個大家熟知的例子，微信在去年增加了“狀態(tài)”的功能，這就是一個魅力需求，因為是用戶意料之外的功能，好友里每天都有不少人設置個狀態(tài)，表達今天的心情。

為了讓大家更清晰的了解個性化推薦這點事，和大家分享一下前段時間做的一個需求，是我司商場的首頁feed排序優(yōu)化，大家也可以理解成類似淘寶的首頁。

首先我把這個頁面定位成是一個內(nèi)容分發(fā)，為了讓用戶買更多的場景，就是想辦法怎么設計商品流，才能增加用戶的瀏覽深度，更多的瀏覽就可能帶來更多的轉化。

于是經(jīng)過前期的數(shù)據(jù)分析，基本了解了用戶在這個頁面的行為偏好，目前平均瀏覽商品數(shù)，點擊商品的偏好，就是哪類商品對用戶更有吸引力。

結合了數(shù)據(jù)現(xiàn)狀，我們把商品的信息流排序定位成擴品讓用戶買更多，也就是把用戶的明確需求的商品和一些爆品或者用戶可能感興趣的促銷商品穿插開來。

更通俗的解釋，比如你在逛淘寶首頁，里面的有你常買的三只松鼠、還有你喜歡喝的可口可樂，也有你之前看中的衣服，而且正好在限時促銷。

同時也有可能是在搞活動的化妝品，雖然你的神仙水還沒用完，但是看到價格還是會動心了，很可能就剁手提前囤了一些。

五、說在最后

推薦系統(tǒng)隨著業(yè)務的驅動和人們生活方式的改變而進行不斷升級，個性化推薦系統(tǒng)已經(jīng)實現(xiàn)了千人千面。

當然，人們的心理活動是很難被預測的，而且也是變幻莫測的，所以個性化的效果也有待提升，有些體驗類的問題也在逐步完善，推薦的前景還有很大的進步空間。

上面分享的是入行半年時間的一些工作心得，希望能夠對讀到最后的你有一些收獲。

而對于我自己來說，在逐漸揭開個性化推薦面紗的同時，也感慨了還有太多的知識要學習，如果你也是在策略產(chǎn)品經(jīng)理的這條路上深耕的話，希望能夠鏈接到優(yōu)秀的你，相關交流學習，一起見證彼此成長。

本文由@ CCCCCCC羅 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協(xié)議。