怎么定义千人千面的标签,千人千面算法解析

大家都知道现在所有电商平台都是用的千人千面的算法智能的给买家推荐商品 。 要知道以前销量为王的淘宝时代,谁的销量高谁就是王,举个简单的例子,分别有20岁30岁40岁的三个男的,在淘宝搜索“男鞋”,以前淘宝给的展现可能前10甚至前20都是销量最好的几款运动鞋或者帆布鞋,这样会导致一个什么问题呢?可能30或者40岁的那类买家找不到自己太喜欢的款,最终流失掉了 。 而现在的搜索结果可能是20岁主要展现帆布鞋,滑板鞋、30岁主要展现的休闲鞋,皮鞋、40岁主要展现的休闲鞋或者老人鞋 。 为什么会这样?这就是千人千面的威力 。 今天就带大家深入了解一下千人千面的逻辑以及如何做精准的人群标签
关于千人千面的算法
1、买家进入淘宝 。 淘宝立即识别买家的标签 。 在统计学当中,这些标签儿叫做抽样的条件 。
2、根据该买家的标签儿找到相似人群 。 在统计学当中,这叫做根据条件抽样 。
3、根据相似人群找到他们共同喜欢的宝贝 。 在统计学里,在家做对比样品共性 。 这些宝贝储存在一个叫精库人群库的数据库里 。
4、在淘宝所有同类型的宝贝中,找到与样品库相似的宝贝 。 形成宝贝池 。
5、通过该买家的关键词,匹配相似宝贝池的宝贝,展现到买家面前 。
到此,一个千人千面的实现过程就完成了 。
用通俗的话来说呢,系统会根据每一个买家的购物偏好,行为习惯,给该用户打上一个精准标签,在你搜索一个关键词的时候,系统优先计算有相似标签的人群的共性来做推荐展现 。
千人千面只是改变了产品的展现方式 。
千人千面这么改有哪些好处呢?
1、避免销量权重排序,减少头部商家的垄断行为,给更多中小型商家机会,以免市场失去活力 。 很多同质化比较严重的产品,因为TOP商家的绝对产品权重,很难有新的商家进入或者吃到流量,千人千面的个性化展示也是为了市场的不断更新迭代 。
2、上下架时间权重排序,因为系统自带的自动7天上下架原理,越靠近下架时间,产品权重越大,导致商家拥堵竟争 。 前几年一款“生e经”的软件特别牛X,很多大佬都是玩转这款软件来打爆新品的 。 稀释了上下架时间权重,鼓励商家更多的做个性化的竟争 。
所以呢,千人千面不仅给客户更贴心的体验,同时也规避了很多客户不喜欢的产品,节省了购物时间和购物成本,还让商家有了更多竟争的机会 。
千人千面的强大之处在于通过标签的匹配,达到人群定向,产品定向的效果 。 随着千人千面的普及,淘宝于其影响可以说是更加重视了,千人千面在产品标签、店铺标签、人群标签的连接上将其功能性运用到了极致 。
关于标签
所谓的标签就是指特征属性的集合 。 我们需要特别关注的标签有3块:用户标签、店铺标签、商品标签 。
店铺标签
可简单理解为某店铺所有产品标签的综合,通常取决于店铺的主营类目 。 主营类目占比90%,这应该是目前淘宝更看好的店铺(这与基本采取大量铺货的店群模式有些格格不入) 。 换言之,当店铺定位混乱,即主营类目不明确的时候,店铺的标签属性就被削弱 。 在计算权重的时候是要吃亏的 。
商品标签
商品标签大约就是符合店铺标签下的一个再定位 。
这其中应该包括很多具体属性,譬如:性别、年龄段位、消费层级、风格、客单价以及产品相关属性 。 商品标题,当然也是标签养成因素之一 。
系统根据基本的产品标签,定向推送给拥有该标签喜好的消费者 。 比如你的产品是毛呢大衣,商品定位的消费者是18~24岁女士,消费层级是白领,风格韩版,客单价是100~200元区间,产品属性是甜美简约……那么,标签匹配度高的用户,在搜索相关商品时,就会优先获得展示 。
用户标签
用户标签相对复杂,可分为基础标签和行为标签(人是善变的) 。 平台会采集一个消费者基础信息,如会员等级、购买力、地域等等(互联网没有隐私……)这些便是基础标签 。
而通过浏览深度、关注度、加购、下单某商品的历史记录等等
涉及买家的行为,便是行为标签 。
在这里,我通过举几个例子来给大家说明人群标签的形成 。 (重点来了)
一个30岁的宝妈,四五线城市,刚刚注册了淘宝,然后在淘宝上搜索“T恤女”,淘宝会给她推荐什么商品?不知道对不对,因为她是新用户,购物意图,行为偏好这些数据都是没有的,这个时候,淘宝的搜索引擎会做一件事情:她可能是哪一类人群 。 比如说很多30岁左右的宝妈买的最多的是宽松版型的印花T恤,那淘宝就会展现这类商品给她 。

推荐阅读