奋斗网络公关

天下公关一家人

产品运营中,到底什么才是好的千人千面策略

204

0

0

运营同学:产品同学,最近我们打算策划一场运营活动。之前的活动中,很多用户进了活动也页以后,没有参与任何的流程就走了,这一期我们的重点考虑一下怎么能在用户进来以后留住他。

产品同学:确实是这样。最近各大公司都在做千人千面,京东和淘宝首页目前都采用了这种策略。我们可以在落地页增加一个“猜你喜欢”的模块,结合个性化推荐的技术,能提升不少流量分发的效果,我和技术同学沟通一下。

技术同学:这个需求不错,终于到了我大展拳脚的时候了,我给你们用深度学习模型做一个牛逼的千人千面算法吧。

以上对话内容在互联网公司很常见。很多运营营销人员,在做相关活动策划的时候,经常会提出做精准营销,精准流量分发的需求,那么这个时候千人千面一定会出现在解决方案当中。前面也讲过,对于千人千面这种方案来讲的话,它能支持的目标无非就是两个:

1、高效连接用户和平台物品,提升用户体验

2、精准把握用户兴趣,提升流量分发效果

这两个目标与精准营销和运营追求的效果十分契合,所以在很多活动的落地页中会看到“猜你喜欢”,“为你推荐”,“热门推荐”这种模块,其实背后都有一套千人千面的策略在支撑。

最开始,实施千人千面大多是基于规则,业务专家利用自己多年的从业经验,把对人和品的思考规则化,逻辑化,进而从工程上实,这种一般通过规则库的方式来管理这些规则,优点是实现容易,直观;缺点是主观性太强,运营营销效果不能保证,另外就是迭代十分困难;

后面慢慢的各种个性化推荐算法开始进行商业化应用,代表性的有物品协同过滤(Item-CF),用户协同过滤(User-CF),分别从物和人的角度进行个性化推荐,实现千人千面。尤其在电商行业,这两种算法都得到了广泛的应用,简单介绍一下,供运营营销同学理解目前主流千人千面策略背后的逻辑。

Item-CF的核心思想就是给用户推荐与其喜欢物品相似的物品,如下图所示

产品运营

对于物品A,根据所有用户的历史行为,喜欢物品A 的用户都喜欢物品C,得出物品A 和物品C 比较相似,而用户C 喜欢物品A,那么可以推断出用户C 可能也喜欢物品C,因此可以基础此把物品C推荐给用户C。

User-CF的核心思想就是给用户推荐与他(她)兴趣相同的用户喜欢的物品。如下图所示:

项目运营

根据用户的历史行为,用户A喜欢物品A,物品B,物品C,用户C喜欢物品A,物品B,那么可以用户A和用户C的兴趣比较相近,因此可以把用户A喜欢的物品也推荐给用户C,也即把物品C推荐给用户C。

上面两种算法应用在消费品领域效果很好,诸如亚马逊,京东,淘宝等已经进行了大规模的商用,效果也很不错。

再到后来,AI兴起,各行各业都在考虑用AI来赋能业务,当然也包括深度学习技术在千人千面策实施中的应用。越来越高端的算法,技术的应用,逐渐的让业内形成一个共识和怪圈:一个牛逼的千人千面运营营销策略,必然有一个牛逼的算法在支撑。更有甚者,牛逼的算法等于好的千人千面。

到底什么是好的千人千面策略

至少从目前来看,大家共识还是这这样:好的策略就是高大上的算法。到底如何判别是否是一个好的千人千面。我觉得还是要回回归到业务上,回归到运营,营销的根本目标上。

现在流行一个概念,叫有效营销,有效运营。什么意思呢?比如对于营销。

大家对于对于营销的认识,不同的从业人员的理解侧重点会集中在不同的方面:有些人会关注营销活动中采用的技术手段,比如千人千面的实现方式;有些人会关注营销过程中的销售手法,比如打折促销;当然也有一些人会关注营销活动的推广方式,比如社交裂变。

当然,这些环节都和营销有着直接的联系,或是其中的一个组成部分,或是反应了营销的一些主要思想。但并不是营销的全部内容,也不可能反映出营销的全貌。有效营销我认为就是一个追求本质目标的过程,不论我们注重营销过程中的哪个环节,采用什么样的方法,只要使得我们最终的项目ROI最大化,就是一次有效营销。

对于个人是这样,对于企业同样是这样。同理,就千人千面策略来说,我觉得不管是采用规则,算法,还是深度学习,只要能给业务带来正反馈的都是好的策略。算法仅仅是策略实现的一种非常高效的工具。

一个没用算法的千人千面实施案例

之前做过一个为病人推荐医生的项目,主要目标是希望能让病人在进入频道内的时候第一时间找到合适的医生。

在这种场景下,Item-CF或者是User-CF其实并不很合适。比如:A和B两个医生的特征相似度很高,专业擅长相同,科室相同,那么对于用户看过A医生,最好的策略就是把B医生推给用户么?不一定,因为用户不可能经常看同一种病。同理,A和B两个用户的特征相似度很高,那么如果用户A在平台上问诊过某个医生,那么一定的给用户B推荐该医生么?明显是不应该的,因为两人不一定生同样的病。

很明显上面介绍的两种算法无法适用于用户看病找医生,但是通用消费品却很适合。所以如果强行为了提升推荐策略的逼格,加入这两个典型的算法,最后怕是平台被判定为“该吃药”了。那么,拿用户问诊医生来说,正常的场景是什么样子的。

首先,就用户习惯来讲,一般大家都会信任熟悉的医生,所以之前为该用户看过病,开过方的医生,对于用户来说就是最好的选择。其次,从平台的角度来说,医生有水平高低,服务态度的差别,所以如何帮助用户挑出比较好的医生,高效的链接用户和医生资源,才是提升用户体验和转化的关键。

可以看出策略还是从业务中来,回到业务中去。出发点就是业务模式和用户场景,终极目标还是提升用户体验和流量转化。我很认同下面一句话“其实站在整个推荐产品的角度来讲,算法不是最重要的,甚至在产品的早期阶段,算法的权重和优先级应该是最低的。”

希望大家都能记住:撇开业务谈策略都是耍流氓,那么撇开业务谈运营和营销也都是耍流氓。


tags:产品运营项目运营营销策划

转载本站文章须经授权,未经授权,禁止转载。版权所有:深圳宏瑞文化传媒有限公司  粤ICP备18082695号-1