加载中...
您的位置:首页 >资讯频道 > 焦点资讯 > 正文

当前速读:推荐算法,为什么不更智能一些?

2022-11-14 09:49:01 来源:人人都是产品经理

网上购物时发现,我已经买了一个篮球了,在已付款的界面下方还给我推荐篮球的商品,难道我会退货重新购买吗?这种推荐算法,为什么不能再智能化一些呢?本文作者对这个问题展开了探讨,与你分享。

不知道你可否有这样的经历:打开一个电商软件,进行购物后,在购买成功的页面下,仍然收到很多类似的、甚至一模一样的商品推荐。

明明不久前才购买了一个商品,在日后的一段期间内,仍然在电商首页,“被迫”浏览一样的商品。


(资料图片)

你一边无奈地快速划过这些“无用”的商品推荐,一边吐槽电商推荐机制的笨拙,认为这是推荐算法史上的大BUG。不知道相关业务的产品经理是怎么想的,这么久还不优化,都2022年了,推荐竟然还不知道哪些商品是自己已经买过不会再买的。

上述经历大概是很多人经历过的,那么为什么推荐效率如此之低,以至于已经导致用户不满,降低了体验的情况下,电商平台还反复把用户已购的相似商品推荐给用户呢?

电商平台推荐策略

了解一个现象的原因,我们不妨从这个现象背后涉及的本质出发,理解清楚是什么,再去想为什么就简单许多了。

首先先给大家介绍一下目前主流的电商推荐策略,主要分为基于物品的推荐体系、基于用户的推荐体系、基于群体的推荐体系。

基于物品的推荐体系,主要是按照物品出发,从用户曾经购买/收藏过的物品,去计算其它物品与这个商品的相关性,从而进行再推荐,优先展示相关性高的商品。

这也是在网站获取用户信息较少时,采用的一种常规推荐策略,毕竟在用户画像不全面时,基于用户感兴趣的商品进行推荐,出错的概率会小很多。

这样的推荐策略在各电商平台很常见,用户在购买/搜索了一个类别的商品后,往往会在首页看到很多类似商品的推荐。

但这个策略也有弊端:容易形成信息茧房,难以去撬动用户其它的潜在兴趣项。

基于用户的推荐体系,主要是以人为出发点,根据用户的行为,去计算其它用户与用户的相似度,再根据相似用户对于商品的喜爱度,去向目标用户推荐这些商品。

这样的推荐机制,推荐商品类别的覆盖面会进一步扩大,摆脱局限于某几个类别的现象。拼多多的推荐策略,就考虑了这个模式,按照用户的行为,去向用户展示展示与之高相关度的人感兴趣的商品,通过“兴趣圈”“拼小圈”的模式,促进用户进行购买。

基于群体的推荐体系,主要是从群体的特征出发,提炼群体的共性,给用户进行打标与归类,再向群体用户推荐在这个群体内,大多数用户感兴趣的商品,同时适当加入相似群体感兴趣的商品,进行推荐。

常见的基于群体的推荐,大概就是每次注册新账号时,平台都会让用户选择感兴趣的圈子,然后再基于所选择的圈子,向用户推荐群体感兴趣的内容和商品。

不管是基于用户、群体、物品的推荐,都是提炼人物的共性,再根据相似性,去进行推荐。从这一层进行考虑,也就不难理解为什么推荐体系,总是会推荐十分相似的商品了,因为这些商品都存在高相关性,在推荐体系眼中,都是用户高感兴趣的商品。

那么也许你会发问:为什么电商推荐体系那么傻,连最基本的去重都不做?难道我买了一个求婚戒指,我还会想要再买一个求婚戒指吗?

重复推荐的原因

诚然,反复推荐同样的商品,不仅让用户厌烦,降低体验感,于销售额而言,也没有改善。毕竟很少有人会在上一秒买了一个商品,下一秒再购买一个“一模一样”的商品。

但是,当一个问题长期存在,且没有很大变化的时候,我们不妨停下来,再多细想一点,这背后的原因到底是为什么。

商品的购买高频性是重复推荐的第一个原因。

当用户买了一件毛衣后,他/她可能因为换季的原因,还会选择再多购买几件毛衣;

当用户购买了婴儿纸尿裤后,在不久的时间后,他/她会选择再次购买纸尿裤,甚至会出于比较心理,再下单另外一个品牌的纸尿裤;

当用户购买了一个香薰后,他/她可能目前对于香薰兴趣度较高,还会继续下单其它品牌的香薰。

从上可以看出,用户重复购买一个类别的商品的原因千奇百怪,可能出于特定的场景、出于使用商品的频率、出于自身兴趣的原因,但是这些商品对于用户而言,都具有购买高频性,用户愿意重复购买。

高复购一直是电商平台追求的东西,如果有一个商品用户有反复购买倾向,那么也不难理解平台愿意损失一部分用户体验,换取更多潜在可触发的商机的现象了。

平台的商业化诉求是重复推荐的第二个原因。

广告业务一直是电商平台的主要营收模块,而这个模块又和点击率、曝光率高度相关。

人都有比较心理,即使这个商品用户已经很明确短期内不会购买,但出于好奇和比较心理,总有人愿意去点击近期已购商品的页面,查看其它相似产品的详细信息,进行一番比较。而用户点击得越多、停留的时间越长,给电商平台带来的广告效益就越高。

哪怕这样的行为对于短期的销量没有提升,但是平台可以利用这种行为,给用户推荐更多同类商品的优质商家,既赚取了广告费,又帮助商家吸引了一批目标人群,此外,变相种还能因为这种推荐机制,加剧商家的竞争,让他们提高更好的服务与产品,何乐而不为呢?

算法的局限性是第三个原因。

哪怕最熟悉自己的人,也无法知道一个人的全部喜好,也会猜错最亲近的人的心思,更何况是算法。推荐系统只能从用户的历史行为(购买、收藏、点赞等)和相关性去猜测用户喜欢什么样的东西,无法做到精确度100%。

而且它也很难完全地去选择合适的颗粒度,进行商品去重。举个例子,如果一个商品分为三个层级,比如篮球在“运动-球类-篮球”这个类目下,那在用户购买了篮球后,相关的推荐页面不应该出现篮球了,按照这个逻辑,应该在第三类目标签里面去进行去重处理。

但是,如果换个品类呢,如果用户购买的是耳环呢,类目变成了“饰品-耳饰-耳环”,按照这个逻辑,在去除了耳环后,用户可能还是会收到耳夹、耳钉的商品推荐,如果对于不想再购买类似商品的用户而言,这样的去重也是无效去重。

而且类目之间并不是完全的不重合关系,有的类目会相交(比如乳酪既属于乳制品,又属于烘焙原料),那么进行了一个类目的去重后,也无法保证商品还属于其它有交集的类目,能被完全过滤掉。

换而言之,算法难以做到完全有效地去重。而且用户是千人千面且动态的,他们的心思难以预测,无法按照一个统一的标准去进行去重和推荐,也无法根据静态的历史数据,去完美预测用户以后的行为。

在这个用户看来已买不会再买的东西(如耳饰),在另一个用户眼里可能是会重复购买。也许可以加入一些用户行为去进行考虑(如这个人是否经常购物、经常买什么类别的产品),但因为人是动态变化的,推荐机制难以完美区分什么商品在用户眼里是重复,什么商品在用户眼里是高频购买类。

用户行为的不可控,是平台重复推荐的第四个原因。

常规看来,一个用户在购买了一件商品后,不可能在当天内,再购买一件高相似的商品,难道要用户退款再下单吗?

但是“七天无理由”退换让这成为了可能。因为新型的售后服务,让很多用户习惯购买多件同类商品,进行比较后,再选取最合适自己的一个商品留下。这个行为让用户短期内购买大量同类商品形成了可能,而基于用户的这个习惯,电商平台也乐于推荐相似商品,毕竟销售额看着高一点,展示数据也会好看。

而且正如第三点所言,人是动态变化的,人的行为和目的千奇百怪,今天不打算再购买的东西,明天很可能因为好友的推荐就再次下单相似商品,这些不可控,让重复推荐有了存在的空间。

如何提高重复推荐的效率

这么一看,商品重复推荐,既有技术层面难以解决的问题,在商业、用户层面,也确实有这种购买已购商品的需求。

那么,如何在用户体验以及商业化之间达到平衡,提高推荐效率?

用户端上,需要考虑更多用户的行为因素,按照复购概率为维度进行展开,对用户进行区分。

比如用户是否是一个热衷购物,且有反复退货倾向的人;用户是否喜欢收藏很多相似的商品;用户是否喜欢加购很多类似商品等。对于有短时间内购买多个相似商品的用户,可以适当减弱去重效应;而对于那种从搜索/推荐到快速下单,且购买频率低的用户,就可以加大去重的效果。

同时,给予用户一定的选择权,基于算法无法精准猜测用户的喜好的现状,可以加入“不喜欢”功能,让用户对于商品有点击“不喜欢”的权力,电商平台可根据反馈,不断去优化推荐的商品矩阵。

商品端上,考虑商品的类别和购买频率,再对不同类别的商品进行不同的重复推荐逻辑。

比如女装类、日用品类、零食类,用户购买的频率高,且有同时间购买多件的可能性,就可以加入再推荐机制,投入更多的广告展示模块,促进用户进行购买,提升转化率。

如果是用户使用频率低,且单件就可以满足需求的商品,就减弱复推频率,比如眼镜、手机、充电宝等,一般用户购买后,很长时间不会再进行购买,这个时候可以推荐更多的互补类产品,促进用户进行下单。

此外,在商业化因素上,也需要考虑一个合适的广告模式。

毕竟广告如果仅仅只是投放了,实际没效果,不能促进销量和销售额,对于平台而言,也难以长期盈利。

在投放广告时,可以捞一下原来用户点击重复推荐商品的数据,分析一下用户在哪个模块更有可能点击类似商品,是首页的信息流广告里面,还是在交易成功的推荐页面里,或者是电商平台的分享模块里面?

对症下药,在用户兴趣度更高的页面和节点进行再推荐,提升商品的点击率,也降低用户因为重复刷到同样商品降低的体验感。

总结一下

电商平台的重复推荐策略,在用户看来又傻又难以忍受,但我们从技术、商业化因素、用户的行为上,不难看出这样的机制还是有存在的必要性的,不能一刀切去砍掉它,也难以做到不推荐相似已购商品。

不过我们可以从重复推荐的流程、逻辑出发,进行优化,从而做到更加高效的推荐,让电商平台看着更聪明一点。

题图来自Unsplash,基于CC0协议

本文来自微信公众号“人人都是产品经理”(ID:woshipm),作者:Conlin,36氪经授权发布。