產(chǎn)品詳情：

中智訊（武漢）科技有限公司
基于大數(shù)據(jù)的個(gè)性化推薦導(dǎo)流引擎設(shè)計(jì)與實(shí)現(xiàn)

近年來，隨著互聯(lián)網(wǎng)電子商務(wù)的發(fā)展，網(wǎng)絡(luò)上的商品和服務(wù)數(shù)量快速增長，目前，Amazon上有數(shù)百萬圖書，淘寶上有過億的商品，消費(fèi)者面對如此海量的商品容量，僅僅通過傳統(tǒng)網(wǎng)購系統(tǒng)的分類+搜索方式，難以找到稱心如意的商品。

其次，對于電商來說，僅僅售賣熱門商品，大部分“長尾”商品沉淀在網(wǎng)絡(luò)中，不僅無法挖掘“長尾”商品的銷售機(jī)會，而且長期維護(hù)大量呆滯商品，造成電商平臺維護(hù)和線下供應(yīng)鏈體系資源的極大浪費(fèi)。

因此，大型電商如Amazon、阿里、京東等都開發(fā)了各自的推薦引擎，通過分析用戶行為和購買歷史，推薦用戶潛在喜歡的商品。在廣大垂直電商領(lǐng)域，也迫切需要利用互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，收集用戶行為數(shù)據(jù)，分析用戶行為模式，并在此基礎(chǔ)上進(jìn)行精準(zhǔn)的商品和服務(wù)推薦。在這種情況下，中智訊適時(shí)推出基于大數(shù)據(jù)的個(gè)性化推薦導(dǎo)流引擎，就是為廣大垂直電商客戶提供更加精準(zhǔn)和貼心的個(gè)性化商品推廣服務(wù)，提高最終用戶的銷售轉(zhuǎn)化率。

一、需求分析

根據(jù)以上背景論述，個(gè)性化推薦導(dǎo)流引擎主要解決客戶的以下幾個(gè)問題：

商品品類太多，終端用戶通過傳統(tǒng)的“分類+搜索”方式，很難找到滿意的商品。

終端用戶面對很多同類同質(zhì)的商品，面臨“選擇困難”，除了查看評論和交易量外，很難比較評定商品孰好孰壞。

商家擁有大量的“長尾”商品，處于睡眠狀態(tài)，需要發(fā)掘終端用戶對這些商品的潛在需求，提高銷售轉(zhuǎn)化率和商家線下體系的效率。

為了滿足以上需求，我們的解決方案是通過收集終端用戶的網(wǎng)絡(luò)行為數(shù)據(jù)，運(yùn)用大數(shù)據(jù)和機(jī)器學(xué)習(xí)等先進(jìn)技術(shù)，進(jìn)行用戶畫像，實(shí)現(xiàn)個(gè)性化推薦和跨站導(dǎo)流，為每個(gè)終端用戶打造“我的、貼心、暖心”的個(gè)性化網(wǎng)購場景，提高終端用戶的網(wǎng)購體驗(yàn)，最終實(shí)現(xiàn)商家的收益增長。

以下是個(gè)性化推薦和跨站導(dǎo)流具體需求的分析：

(一)用戶行為分析

用戶行為分析是在實(shí)時(shí)收集用戶行為數(shù)據(jù)的基礎(chǔ)上，按照用戶行為特征指標(biāo)進(jìn)行統(tǒng)計(jì)，將統(tǒng)計(jì)結(jié)果以圖表的方式展現(xiàn)給客戶，為更高級的數(shù)據(jù)挖掘和分析提供數(shù)據(jù)基礎(chǔ)。

(二)個(gè)性化推薦

個(gè)性化推薦是針對C端用戶在買對網(wǎng)購海量商品時(shí)的“信息過載”問題，滿足用戶對個(gè)性化推薦服務(wù)的需求。

目前，網(wǎng)購網(wǎng)站一般提供兩種方式作為滿足用戶購物需求的入口：分類和搜索，這兩種方式最終都需要用戶自己從眾多的產(chǎn)品和服務(wù)中挑選。根據(jù)認(rèn)知心理學(xué)實(shí)驗(yàn)，發(fā)現(xiàn)人類面對多于7個(gè)選擇時(shí)，會感到選擇困難，增加更多的選項(xiàng)，就會給人造成很大的心理壓力。很多顧客面對大量的網(wǎng)上商家和產(chǎn)品名錄會感到無所適從，導(dǎo)致網(wǎng)購體驗(yàn)的下降。

另一方面，國外一些先進(jìn)的互聯(lián)網(wǎng)購物和消費(fèi)網(wǎng)站，如亞馬遜和在線付費(fèi)視頻提供商N(yùn)etflix，通過個(gè)性化推薦實(shí)現(xiàn)的銷售，已經(jīng)占到銷售總額的30%以上。這說明通過個(gè)性化推薦在實(shí)現(xiàn)網(wǎng)絡(luò)消費(fèi)增長方面，仍然有很大的空間。

個(gè)性化推薦的業(yè)務(wù)場景包括以下幾種：

1、用戶未登錄的推薦：由于缺乏用戶歷史行為數(shù)據(jù)，存在“冷啟動”問題，一般推薦網(wǎng)站“關(guān)注最多”和“本周/本月銷量最多”的產(chǎn)品，用熱門產(chǎn)品激發(fā)用戶購買欲望；
2、用戶已登錄但沒有交易行為數(shù)據(jù)的推薦：這也屬于推薦的“冷啟動”問題，采取網(wǎng)站“關(guān)注最多”、“銷量最多”和“長尾”產(chǎn)品隨機(jī)推送三者結(jié)合的方式進(jìn)行推薦，其中加入“長尾”產(chǎn)品的邏輯是，既然用戶已登錄過，但沒有交易行為，可能是對網(wǎng)站瀏覽最多和銷量最多的產(chǎn)品不感興趣，因此推薦比較冷門的“長尾”產(chǎn)品會有可能提高轉(zhuǎn)化率；
3、用戶已登錄且有交易行為數(shù)據(jù)的推薦：采取協(xié)同過濾等推薦算法的結(jié)果進(jìn)行推薦– “猜您喜歡”和“長尾”產(chǎn)品隨機(jī)推送兩者結(jié)合的方式；
4、用戶搜索后的推薦：除了按照用戶搜索關(guān)鍵詞，提供搜索列表外，還提供“其他用戶還搜索”等推薦；/5、用戶加入購物車后的推薦：提供“購買A產(chǎn)品的用戶還購買”和“組合產(chǎn)品”兩者結(jié)合的推薦方式；
5、用戶交易后的推薦：提供“猜您喜歡”、“購買A產(chǎn)品的用戶還購買”和“組合產(chǎn)品”三者結(jié)合的推薦方式，進(jìn)一步促進(jìn)銷售。


.....................
鑒于該平臺可展示的信息小，更多詳情請登錄中智訊（武漢）科技有限公司官網(wǎng)，歡迎致電垂詢！