电商App个性化推荐的精准营销——点击率预估
个性化推荐最早起源于美国电商平台亚马逊，推荐系统能够基于上亿的商品目录为数百万用户提供推荐办事 。那电商App基于个性化推荐实现精准营销，该如何预估点击率？欢迎阅读，希望对你有赞助 。
围绕产品与商品的核心目标进行的推荐才是有价值的，推荐的目的可以界说 为几个点：
让产品活的更久：活的久是要延长产品的生命周期，延长用户的生命的周期，更受用户喜欢；让产品活的更好：活的更好就是通过告白 、用户主动付费等方法 获得收入，带来商业价值；
实质 上产品需要将整个用户行为路径进行优化，比如电商产品，在推荐的场景需要考虑展现形态，包含 图片和文字简介，购物链路上的商品详情页的描述信息丰富和核心水平 ，整体结构 等等；去伪存精，通过信息表达需要考虑基础信息区（回答商品是什么，吸引决策）。又如：优惠（有没有优惠，刺激决策）；办事 区 (有没有保障，加固决策）；参数规格区（有哪些可选，完成决策）；评价区（年夜 家怎么说，帮助 决策）；后续推荐卡片（再逛逛其余 ，流量再分发）
01 推荐是赞助 用户感知，而不是强迫用户思考
在推荐商品的进程 中，永远需要记住的是：赞助 用户感知，而不是将过多的主不雅 想法强加于用户，推荐中收集用户数据，并对用户意图及行为路径建模，从而建立整体用户认知，将条目作为认知的载体涌现给用户，让用户进行体验交互，并进一步收集用户反馈，假设用户有正向反馈的商品是用户表示 出价值认可的。在此基础上，我们可以让用户、连续 留存，并且建立一定的、情感链接。
02 全局推荐的机制
围绕“数据”“商品形态，类目形态、浏览时长”“算法”进行“协同优化”能力 带来更年夜 的收益；用户体验的满意水平 贯穿于整个产品使用进程 中，如果想要有好的推荐结果，必定 需要“全局”优化；
推荐时机：由于兴趣发明 和收敛速度的原因，对于智能水平 的感知也随时间会产生较年夜 的变更 ，适合 的时机能够带来更年夜 的收益。
推荐质量：对于不合的产品，内容时效性和列表新颖性有不一样的要求，对于不合领域的产品，质量也有不一样的界说 。
多样性：对于推荐而言，既要满足用户行为中的正负反馈，又要赐与 用户加倍 多样的列表。
产品定位：不合位置的推荐定位不合 ，跳出局部最优思想，做全局最优化，永远是场景间协同，依据 行为路径的差别 ，行为深度的差别 来做「差别 化的场景设置。
单品页：购买意图，过渡页：提高客单价，购物车页：购物决策，无结果页：减少跳出率，订单完成页：交叉销售，存眷 推荐：提高转化，我的xx推荐：提高忠诚度，转化，浏览时长；
03 用户维度的推荐
产品所面向的不合类型用户很年夜 水平 会影响推荐系统的效果；如“新老用户占比”，即营销引流与用户留存的情况所影响的占比，新用户在冷启动上会需要花费更多的时间。
因为新用户通常是那些没有行为或者行为过少的用户，实质 还是数据稀疏问题带来的困难，初期可以用冷启动的一些办法 来进行推荐，最终最有效的方法 是将新用户留下来，将新用户培养成老用户；“不合性别用户的占比”这个主要体现在用户的行为性别，因为不合性其余 人在使用产品进程 中的差别 异常 年夜 ，对体验利害 的体感也有较年夜 差别 ；
精准推荐营销涉及到，站内与站外综合运营，比如：DSP、ASO、ASA、精准推送、智能推荐、用户画像、会员营销。
基于地舆 位置的精准：以携程的旅游景点、项目营销为例，定了丽江的机票的用户，给其推送丽江本地 的酒店比推送北京的酒店更容易被用户接受，从而下单。
行为维度、个性维度：通过用户的搜索、购买、社交等表示 ，可以对其进行个性化的认知和洞察，继而进行人群划分，譬如依照 收入、性别、喜好等等，比如携程的旅游景点、项目营销为例，由于对用户剖析 的精准，你知道经常订购400-500元区间的酒店，并且喜好商务酒店，所以年夜 概率推送的商务酒店应该在100-500区间。
点击率预测：告白 中点击率预估计算出的是精准的点击概率，A点击率0.22% , B点击率0.34%等，需要结合其它因子（出价）用于排序；推荐算法瞄准 确值没有明确要求，只需计算出一个最优的顺序 A>B>C即可
点击率 = 点击数/浏览数(点击率越高，意味着在相同投入的情况下，收获了更多的用户注意力)
点击率预估 = 在某种环境x下，某个推送y展现给某个用户z后，用户点击的概率r
点击率只是衡量效果的一个指标，但年夜 部分公司均会将其作为重要指标考核。
场景的普遍 使用，起源于移动互联网的迅猛成长 ；用户的行为在多屏间跳转，在PC上的碎片化，如今成为了跨屏的碎片化，此时的精准，又加入了场景的维度；平台依据 用户的最终极速画像，推荐时机、场景、渠道、商品等选择投放内容，精准投放。
搜索场景：搜索中有强搜索信号-“查询词(Query)”，查询词和内容的匹配水平 很年夜 水平 影响了点击概率； 点击率也高，搜索能达到 百分之几的点击率。
非搜索场景：（例如展示告白 ，信息流告白 ），点击率的计算很多来源于用户的兴趣和告白 特征，上下文环境；移动信息流告白 的屏幕比较年夜 ，用户存眷 度也比较集中，好位置也能到百分之几的点击率。对于很多文章底部的告白 ，点击率异常 低，用户存眷 度也不高，经常 是千分之几，甚至更低。
专栏作家
小镊子，人人都是产品经理专栏作家。养成挖掘性的思考习惯、综合、市场、运营、技术、设计、数据、擅长跨境电商，综合电商与商业模型。
本文原创宣布 于人人都是产品经理，未经作者许可，禁止转载。
题图来自Pexels，基于CC0协议。
该文不雅 点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间办事 。
页:
[1]