小微個(gè)人(rén)的(de)C類電商該如何運用智能推薦？

如今電商平台的(de)形式越來(lái)越豐富：完全跟從平台自身的(de)直營模式、數據體系更完善的(de)大(dà)品牌B類模式，以(yǐ)及低門檻的(de)小微個(gè)人(rén)C類模式。其中，C類電商的(de)智能推薦系統是(shì)最爲(wéi / wèi)複雜的(de)。

C店的(de)智能推薦爲(wéi / wèi)什麽會難做？直營電商就(jiù)不(bù)用讨論太多了(le／liǎo)，統一(yī / yì ／yí)的(de)商品類目管理、統一(yī / yì ／yí)的(de)商品排序，在(zài)做智能推薦時(shí)，更多的(de)是(shì)注重對用戶行爲(wéi / wèi)的(de)識别和(hé / huò)用戶數據的(de)挖掘。天貓一(yī / yì ／yí)類的(de)B類品牌店鋪也(yě)一(yī / yì ／yí)樣，店鋪數量較少，品牌店通常都有自己的(de)專業的(de)運營團隊、曆史數據，在(zài)平台方面，品牌店也(yě)會更加遵守規則。

可對于(yú)基數巨大(dà)、體量差異巨大(dà)、從業者生态複雜的(de)C類店鋪來(lái)說(shuō)，想要(yào / yāo)做出(chū)一(yī / yì ／yí)套人(rén)人(rén)都滿意的(de)智能推薦系統，可沒那麽容易。今天，我們就(jiù)從C店賣家的(de)角度出(chū)發，看看智能推薦系統如何爲(wéi / wèi)其賦能。

逆推協同過濾算法，不(bù)僅僅是(shì)推薦

在(zài)C類電商中，智能推薦系統不(bù)僅僅要(yào / yāo)幫助用戶找到(dào)心儀的(de)産品，還要(yào / yāo)幫助普通賣家更好的(de)把握住流量。

我們可以(yǐ)看看早期的(de)電商推薦系統是(shì)怎樣的(de)。

以(yǐ)搜索展示爲(wéi / wèi)例，早期電商推薦最主要(yào / yāo)的(de)原理就(jiù)是(shì)文本相關性——也(yě)就(jiù)是(shì)關鍵詞。最典型的(de)表現，就(jiù)是(shì)淘寶商品往往會有一(yī / yì ／yí)個(gè)特别長的(de)标題。

比如輸入“滑闆”二字，會發現大(dà)多數商品會把滑闆、長闆、刷街、舞闆甚至滑闆車等等相關不(bù)相關的(de)關鍵詞都加入了(le／liǎo)标題中。這(zhè)已經是(shì)今天經過多次修正後的(de)搜索效果，可以(yǐ)想象一(yī / yì ／yí)下，幾年前的(de)電商搜索結果會是(shì)什麽樣子(zǐ)：用戶想購買滑闆，結果搜索結果裏有一(yī / yì ／yí)堆滑闆車、滑闆鞋、滑闆襪……

在(zài)标題中加入多種名詞是(shì)商家爲(wéi / wèi)了(le／liǎo)獲取更多流量的(de)無奈之(zhī)舉，可對于(yú)用戶來(lái)說(shuō)，這(zhè)樣的(de)體驗并不(bù)好。

而(ér)面對這(zhè)種情況，電商行業衍生出(chū)了(le／liǎo)一(yī / yì ／yí)種很有趣的(de)解決方式——創造更豐富的(de)數據體系，應用更多的(de)關聯推薦。

在(zài)電商買東西時(shí)，平台總是(shì)向我們要(yào / yāo)求很多行爲(wéi / wèi)：收藏店鋪、收藏産品、加入購物車、爲(wéi / wèi)産品評分。這(zhè)些行爲(wéi / wèi)都被平台記錄，豐富着每個(gè)人(rén)的(de)用戶畫像。

在(zài)應用協同過濾推薦算法時(shí)，這(zhè)些豐富的(de)個(gè)人(rén)用戶畫像就(jiù)成了(le／liǎo)重要(yào / yāo)的(de)根據，對單一(yī / yì ／yí)用戶數據行爲(wéi / wèi)挖掘越深入、越準确，就(jiù)可以(yǐ)幫助用戶量較小的(de)C類店鋪更好的(de)預測買家行爲(wéi / wèi)、甚至對産品銷售進行預判。

比如我是(shì)一(yī / yì ／yí)位第一(yī / yì ／yí)次搜索滑闆關鍵詞的(de)買家，進入了(le／liǎo)一(yī / yì ／yí)家C類店鋪，而(ér)我曾經購買過運動休閑服飾，通過協同過濾算法，運動休閑服飾也(yě)會被推薦給在(zài)這(zhè)家店鋪有過購買行爲(wéi / wèi)的(de)用戶。這(zhè)樣一(yī / yì ／yí)來(lái)，賣家就(jiù)能判斷我是(shì)一(yī / yì ／yí)位有價值的(de)用戶。

這(zhè)樣的(de)解釋或許有點複雜，但我們隻要(yào / yāo)記住一(yī / yì ／yí)點：豐富的(de)行爲(wéi / wèi)數據體系會讓電商的(de)協同過濾算法更加精準，而(ér)精準的(de)協同過濾算法不(bù)僅僅能把商品推薦給人(rén)，還能逆推得知人(rén)與商品的(de)匹配程度。

對于(yú)賣家來(lái)說(shuō)，他(tā)們可以(yǐ)從此得知每一(yī / yì ／yí)次引流活動是(shì)否精準，更好的(de)提高流量轉化率。

建立預測模型，讓數據找到(dào)彼此

對于(yú)如今的(de)電商來(lái)說(shuō)，搜索和(hé / huò)頁面廣告兩個(gè)入口已經不(bù)足以(yǐ)滿足賣家展示商品的(de)需要(yào / yāo)和(hé / huò)平台間的(de)競争。主流的(de)形式是(shì)在(zài)單一(yī / yì ／yí)平台上(shàng)開拓更多的(de)品類入口，比如京東的(de)精品、淘寶的(de)iFashion等等。

而(ér)平台建立某一(yī / yì ／yí)垂直品類的(de)入口，自然不(bù)是(shì)拍腦門的(de)決定，而(ér)是(shì)來(lái)自于(yú)流量、銷量的(de)預測模型。

以(yǐ)iFashion這(zhè)類面向年輕人(rén)的(de)時(shí)裝入口爲(wéi / wèi)例，首先要(yào / yāo)做的(de)就(jiù)是(shì)數據特征的(de)轉換，提取出(chū)用戶年齡、購買行爲(wéi / wèi)、消費能力，關聯出(chū)最受他(tā)們歡迎的(de)産品品類。利用随機森林或向量回歸等方式建模，模拟用戶在(zài)單一(yī / yì ／yí)品類中的(de)浏覽行爲(wéi / wèi)、停留時(shí)間、甚至購買行爲(wéi / wèi)等等。

有了(le／liǎo)大(dà)概的(de)估計後，再将入口上(shàng)線、輔以(yǐ)流量支持。而(ér)對于(yú)C類店鋪的(de)賣家而(ér)言，在(zài)更符合自己屬性的(de)入口中不(bù)僅僅意味着獲取更精準的(de)流量，也(yě)能夠讓類似産品、用戶、店鋪進行關聯。

産品、用戶、店鋪三者形成一(yī / yì ／yí)個(gè)三角，三者之(zhī)間産生的(de)任何數據關系帶來(lái)效果都是(shì)三倍計數。從而(ér)更好哺育未來(lái)預測模型的(de)建立。

智能推薦的(de)未來(lái)：識别非結構化數據

除了(le／liǎo)以(yǐ)上(shàng)兩種方式，目前的(de)新趨勢，是(shì)通過NLP技術挖掘更多的(de)非結構化數據。

我們逐漸發現，現在(zài)購物網站上(shàng)的(de)文字越來(lái)越多了(le／liǎo)——買家評價、電商頭條、商品問答等等。用戶在(zài)這(zhè)些文字中流露出(chū)的(de)情緒，對于(yú)賣家而(ér)言也(yě)是(shì)珍貴的(de)數據資料。

對于(yú)C店而(ér)言，NLP技術的(de)作用不(bù)僅僅是(shì)機器閱讀，更多的(de)還有自然語言生成。阿裏媽媽就(jiù)推出(chū)過這(zhè)樣的(de)功能，利用NLP技術理解爆款産品的(de)标題，生成模型後爲(wéi / wèi)其他(tā)賣家修改産品标題。相信未來(lái)通過算法模型生成爆款商品描述、宣傳文案等等也(yě)指日可待。

同樣的(de)道(dào)理也(yě)能應用在(zài)計算機視覺上(shàng)，通過計算機視覺識别商品拍攝圖、店鋪網頁設計等等，歸納出(chū)适應于(yú)不(bù)同品類、人(rén)群的(de)設計風格，供以(yǐ)賣家參考。想的(de)更遙遠一(yī / yì ／yí)些，或許在(zài)未來(lái)，計算機視覺技術還可以(yǐ)通過商品圖片識别設計侵權，從售賣渠道(dào)上(shàng)斷絕侵權産品出(chū)現的(de)可能。

總之(zhī)，對于(yú)C類店鋪來(lái)說(shuō)，在(zài)運營中對于(yú)智能營銷和(hé / huò)機器學習等等的(de)新技術的(de)依賴要(yào / yāo)更加強烈。我們也(yě)能逐漸發現，推薦算法本身似乎很少有改變，我們所做的(de)，還是(shì)在(zài)更多的(de)挖掘數據，不(bù)管是(shì)設置用戶行爲(wéi / wèi)系統這(zhè)樣主動的(de)獲取方式，還是(shì)利用機器學習技術識别圖片、文字這(zhè)樣被動的(de)獲取。

而(ér)這(zhè)對于(yú)平台和(hé / huò)C類店鋪賣家個(gè)人(rén)來(lái)說(shuō)，都是(shì)最具性價比的(de)方法。挖掘數據帶來(lái)好處更具普适性，C店電商本該是(shì)物種豐富的(de)，平台不(bù)能插手其中作物的(de)生長，但有了(le／liǎo)數據作土壤，會讓整個(gè)生态更加繁茂。