為什么要做相關(guān)商品推薦?

　　商品詳情是可能挖出金子的島嶼，我們都知道。

　　于是我們使了各種招式，終于讓用戶來(lái)到了商品詳情頁(yè)。我們悄悄念起魔鬼的咒語(yǔ)，恨不得用戶馬上去點(diǎn)全頁(yè)最醒目的那個(gè)“加入購(gòu)物車(chē)”或”立刻購(gòu)買(mǎi)“。可是，絕大部分B2C商詳頁(yè)的UV轉(zhuǎn)化率不超過(guò)5%(何況是PV!)，絕大部分用戶最終是不會(huì)購(gòu)買(mǎi)這個(gè)商品的，有可能他是被大胸的模特圖騙進(jìn)來(lái)的，有可能價(jià)格不合適，有可能商品細(xì)節(jié)不喜歡，有可能大多數(shù)的好評(píng)里有一個(gè)讓他難以接受的差評(píng)，總之，他不想買(mǎi)。

　　難道讓用戶就這么流失?

　　相關(guān)商品推薦的作用就是讓用戶繼續(xù)逛下去，直到讓他找到喜歡的商品。

　　好的商品推薦，是讓用戶不能停住腳步。

　　相關(guān)商品推薦的關(guān)鍵在于”相關(guān)“

　　相關(guān)商品銷(xiāo)售的關(guān)鍵在于”相關(guān)“，這就意味著必須從某個(gè)角度、或者維度對(duì)商品進(jìn)行切分，然后聚類(lèi)，推薦給用戶。這跟線下的商品陳列是很類(lèi)似的，比如你走到一個(gè)牛肉泡面的貨架前，拿起一包泡面仔細(xì)地端詳起來(lái)，可能這個(gè)口味不喜歡，那么你可能從旁邊的貨架上找到其他口味;可能”康帥傅“的字樣終于被你發(fā)現(xiàn)不對(duì)了，你可以在旁邊貨架試圖找到真的”康師傅“。前者是基于口味，后者基于品牌。

　　還有很多線索，比如特價(jià)、比如套裝。

　　線上的展示會(huì)更加豐富，因?yàn)榫€索是可配置的，可切片的，不像線下的貨架難以移動(dòng)。

　　基于商品和基于用戶行為

　　縱觀目前各大電商網(wǎng)站的相關(guān)推薦，無(wú)非”基于商品“和”基于用戶行為“兩種相關(guān)商品推薦。

　　基于品類(lèi)，主要有兩種方式”相關(guān)搭配“和”銷(xiāo)售排行榜“。相關(guān)搭配，往往是基于互補(bǔ)的商品和品類(lèi)，比方說(shuō)賣(mài)個(gè)手機(jī)吧，搭個(gè)手機(jī)殼、充電器;賣(mài)件襯衫吧，搭個(gè)西褲加襪子。套餐購(gòu)買(mǎi)省10塊哦，親。”銷(xiāo)售排行榜“，這個(gè)必須加上其他的標(biāo)簽進(jìn)行細(xì)化，比如”同品類(lèi)“、”同品牌“、”同價(jià)格段“，這是京東的商詳展現(xiàn)的內(nèi)容。

　　基于用戶行為，就是通過(guò)用戶個(gè)人或者群體表現(xiàn)出來(lái)的特征進(jìn)行推薦。這種方式，亞馬遜用得可謂淋漓盡致。像”猜你喜歡“之類(lèi)，基于用戶的個(gè)人屬信特征，比如年齡、性別、購(gòu)物偏好、收入水平等，這個(gè)沒(méi)有豐富儲(chǔ)量的數(shù)據(jù)，普通的B2C根本玩不轉(zhuǎn)。但其實(shí)還有一些更簡(jiǎn)單的方式。最簡(jiǎn)單的莫過(guò)于”最近瀏覽的商品“模塊，喚醒用戶記憶，簡(jiǎn)簡(jiǎn)單單，好不好用，要看數(shù)據(jù)。還有”瀏覽該商品的用戶還瀏覽了“、”瀏覽該商品的用戶最終購(gòu)買(mǎi)了“，這是基于群體的瀏覽行為;”購(gòu)買(mǎi)該商品的用戶同時(shí)還購(gòu)買(mǎi)了“，這是基于群體的購(gòu)買(mǎi)行為。純粹這么玩，是玩不轉(zhuǎn)的，推薦的商品未必靠譜。無(wú)論是瀏覽、購(gòu)買(mǎi)行為還是拉取相關(guān)品類(lèi)、品牌之類(lèi)的標(biāo)簽信息進(jìn)行聚合。

　　至于具體算法，別問(wèn)我，我也不知道。

　　到處都是其他推薦，很煩啊有木有?

　　以上的這些相關(guān)推薦模塊全加上，真是全屏商品，看似豐富，可別忘了商詳頁(yè)的首要目標(biāo)：讓用戶把商品買(mǎi)下來(lái)。選擇太多，很煩的，在頁(yè)面間跳來(lái)跳去。

　　因此，不要過(guò)度推薦。

　　區(qū)分推薦商品類(lèi)型：同類(lèi)商品、補(bǔ)充商品和友好商品

　　一件襯衣的商品詳情頁(yè)，你推薦了別一件襯衣，那是同類(lèi)商品;推薦了一條皮帶，那是補(bǔ)充商品;你算法算出來(lái)，買(mǎi)了襯衣的用戶通常還買(mǎi)了TT，好吧，這是友好商品。

　　一般來(lái)說(shuō)，同類(lèi)商品排行榜、”瀏覽該商品的用戶還瀏覽了“、”瀏覽該商品的用戶最終購(gòu)買(mǎi)了“，推薦的往往是同類(lèi)商品。”相關(guān)搭配“、”購(gòu)買(mǎi)該商品的用戶同時(shí)還購(gòu)買(mǎi)了“，推薦的是補(bǔ)充商品;“猜你喜歡”之類(lèi)的推薦的是“友好商品”。

　　一般來(lái)說(shuō)，商詳頁(yè)的內(nèi)容應(yīng)該包括同類(lèi)商品、補(bǔ)充商品和友好商品，不要把想到的所有模塊都鋪上。那如何用設(shè)合適的模塊呢?要考慮下面幾個(gè)因素。

　　區(qū)分品類(lèi)的需求特點(diǎn)：需求集中和需求分散

　　產(chǎn)品生命周期長(zhǎng)、新品更新慢的產(chǎn)品，往往購(gòu)買(mǎi)需求比較集中，這時(shí)候商品品種之間關(guān)系比較穩(wěn)定，基于品類(lèi)的推薦會(huì)比較靠譜，這時(shí)候像“相關(guān)搭配”、“銷(xiāo)售排行榜”從各個(gè)維度(品類(lèi)、品牌、價(jià)格)進(jìn)行拆分，匹配用戶的概率比較低。

　　而像女裝這樣需求高度分散的商品，銷(xiāo)售排行榜之類(lèi)的推薦往往不靠譜，這時(shí)候使用基于用戶行為的商品推薦可能會(huì)更匹配一些，其原因在于買(mǎi)這樣的商品的人是同一類(lèi)人，有著相似風(fēng)格，因此這里的基于用戶瀏覽、購(gòu)買(mǎi)行為的推薦其實(shí)還可以再打上”風(fēng)格“的商品屬性標(biāo)簽，這個(gè)標(biāo)簽可以不給用戶看到。其實(shí)還有一個(gè)地方，很多B2C蠻重視的，但目前為止還沒(méi)看到哪家在做相關(guān)商品的推薦，就是曬單區(qū)，比如凡客有凡客達(dá)人喜勵(lì)曬單，但還不是很明顯地在曬單區(qū)展示該達(dá)人的相關(guān)商品。如果是高度分散的商品，基于人的因素的商品推薦還是值得嘗試。

　　區(qū)分用戶的類(lèi)型：老用戶和新用戶

　　新用戶的推薦，以上的玩法也夠玩了。

　　老用戶的相關(guān)推薦玩法可以更豐富些，可有個(gè)性化的商品推薦;如果是平臺(tái)性的網(wǎng)站，可以推薦”你購(gòu)買(mǎi)過(guò)的店鋪同類(lèi)商品“。當(dāng)然，沒(méi)有基礎(chǔ)能力，這些還是玩不轉(zhuǎn)的。

　　商品推薦的位置

　　一般網(wǎng)站，都是將補(bǔ)充商品放在商品主圖下方，而同類(lèi)商品、友好商品的推薦放在側(cè)邊欄和底欄。第一目標(biāo)，仍然是讓用戶購(gòu)買(mǎi);第二目標(biāo)，買(mǎi)了，就搭配上其他東西，多買(mǎi)點(diǎn);第三目標(biāo)，好吧，這個(gè)不是你的貨，看看側(cè)欄其他商品如何。

　　最近在看韓國(guó)的網(wǎng)站，gmarket, 11st的商品詳情頁(yè)設(shè)計(jì)，還大量地添加了通往賣(mài)場(chǎng)的鏈接，更重要的不同是在右邊欄添加了浮欄，展示相關(guān)商品，無(wú)論你如何拖動(dòng)商詳頁(yè)，都可以看到這個(gè)浮欄。這個(gè)設(shè)計(jì)的當(dāng)然很鼓勵(lì)商詳頁(yè)的跳轉(zhuǎn)，可是是否過(guò)重了呢?

　　最終還是要看數(shù)據(jù)

　　上面講了一些思路，但對(duì)或不對(duì)，適合還是不適合，最終還是要看數(shù)據(jù)。看哪些數(shù)據(jù)?

　　單純從商詳跳轉(zhuǎn)來(lái)看的話，要看商詳PV中上一級(jí)頁(yè)面是商詳?shù)谋戎兀淘斚嚓P(guān)推薦模塊的點(diǎn)擊率。

　　此外其他數(shù)據(jù)也值得參考，商詳PV/整站PV，商詳跳失率，不過(guò)這兩數(shù)據(jù)受其他因素的干擾比較大。

　　孤島相聯(lián)

　　相關(guān)推薦更多的是一種基礎(chǔ)能力，往往短視的網(wǎng)站看不到它的重要性，相關(guān)推薦做得特別粗躁，很難做到“相關(guān)”。相關(guān)推薦也是比較難的，我只是大致列了一下思路，在實(shí)際應(yīng)用中是需要不斷地根據(jù)數(shù)據(jù)去優(yōu)化，而且更復(fù)雜的算法更需要不斷迭代完善。