电商产品如何结合商品属性制定推荐策略？

电商的商品推荐策略如何更好地结合商品自身属性，例如一件完成低频商品（如枕头）的交易后不应再推荐此类商品，因为短期内不会再买第二件，除了利用商品自身所属的大类（电器，家居，服装）来粗略区分外，是否可以更好地结合大数据进行判断？

电商推荐最好用的是协同过滤 ，这要从技术和产品两个角度来说。

1、 技术方面 ，由于商品属性的多样性和复杂性，以及用户在选择商品时的主观性，很难有一种标签体系或者相关推荐算法能够准确关联成功所有属性。

举个简单的例子，用协同过滤可以算出买锅的人也会买空气净化器，而用各种“商品标签+用户标签”都是比较难将锅和空气净化器关联起来的。也许你会说，他们都是居家类用户的选择，可以关联，那么我们来更进一步：

锅和空气净化器都是有档次之分的：买100块钱锅的人，可能倾向于买700块钱空气净化器；买1000块钱锅的人，可能倾向于买5000块钱空气净化器；买颜值高的锅的人，可能倾向于买外观时尚的空气净化器；买使用寿命长的锅的人，可能倾向于买滤网更换周期长的空气净化器……这些复杂的因素用相关推荐都是很难计算出来的，但是当数据量足够大的时候，用协同过滤算法都可以得到很好的答案。

至于协同过滤算法究竟是怎样的，大家查查资料和文献都能理解。

2、 产品方面 ，用户需要你给出充分的推荐理由，来接受你的推荐。我们做过很多ABtest，同样的推荐结果，采用不同的推荐理由，CTR会有显著差异。

推荐理由往往是年度热门、分类top10、你的好友XX也喜欢、1万个人收藏、好评度90%等等这些。如前所述，商品的复杂度决定了不是所有用户都相信热门（比如高端用户不喜欢爆款），好友关系也很难保证品位一致。

而协同过滤的推荐理由，在电商里是足够让用户接受的。“看过该商品的人也看了”“买过该商品的人还买了”，这些推荐理由是由相同消费层次和审美品位的用户数据计算得出的，对用户购买决策的影响更大。

文/雪姨-调调 调调 联合创始人

关键字：产品运营, 净化器

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！