“数字只是目的,但了解数字背后的人心才是最佳的手段。”
$ C& j+ f$ S. ]7 M. w( c0 N从2003年到现在,淘宝走过了17个年头。横亘在历史长河中的不只是这个电商巨头留下的江湖传说,更多的是“电商”二字成了很多人的金牌饭碗,风险与机遇并存。 " F$ i; m+ V4 \8 Z0 ?0 P
可惜,不入虎穴,焉得虎子? , q; I( Q9 s( O% Q4 }1 q; @+ p
越来越多的电商人开始研究,怎么才能在电商江湖中立于不败之地?今天,易师兄来和大家讲讲淘宝的最新算法。
6 O8 c! V8 ^( n j+ ~+ T" h* w e1.0 “变脸”的阿里
E; ]0 z5 i2 F; H4 S' z一成不变不是互联网的风格。
9 z9 I7 _- }* b$ I4 W9 R' ~1 w据悉,双十一前夕,手机淘宝即将迎来重大改版。手淘首页将全面信息流化,原本顶部显眼的焦点图展示广告将改成竖版,移动到页面下方算法推荐信息流的第一个位置。 ) z" \, |. R0 G4 \. X% K
R& ~ x F" P3 {9 I/ `6 K
此后,改版后的“猜你喜欢”模块将成为淘宝首页的新宠儿,聚划算、百亿补贴、淘宝直播、有好货等版块的结合体,不再位于淘宝页面的中部,将共同融入到信息流当中。 7 }, m7 Y+ n* N( Y- J8 v
' [3 w0 |) n, R% }+ H- m" i
为了迎接2020的“双十一”,淘宝也是费了一番功夫。此计划已经在灰度测试当中,但最终方案会看测试效果而定。
7 G. q' x9 G" N8 r ?6 @
1 n- w( }1 }8 H# B& j" t! i首页改版,算法推荐,这些词语用在电商平台上也是十分贴合。这次重大改版,如见成效,将会在9月底完成全部改版。 ) F* }. k+ L5 N
这是一次创新,在电商领域中,平台首页版块的重新规划直接影响到一些电商商家的运营计划。毕竟,除了搜索这个最大的流量入口池,首页就是最好的位置。
8 o$ [' O) M* W4 d( u7 ]: ^; m. f* w* L
6 o& L2 L: s. O2 V4 Q3 n* y
据易师兄看来,如今改变算法推荐的动作,灵感可能来源于短视频领域,而原因可能是由于用户对于首页焦点banner图模式的审美疲劳。 , Y/ w V6 _% t! e7 } q* f/ u4 k9 r
除了淘宝,拼多多也开始了变革。早在 2020 年 6 月,拼多多就向商家表示,由于平台推广资源位进行优化迭代,其首页焦点图的展示广告资源已于 2020 年 6 月 5 日 0 点起暂时下线。
' Z+ }! Q, L5 l9 d
5 B2 ]/ j5 W7 ^% b) |$ S
除此之外,“满天星计划”成为阿里对标抖音和快手电商的新方法。这个短视频项目将在首页 “猜你喜欢” 中,通过新内容冷启动激励来为商家产出的短视频内容提供更多流量,并将数据反馈给商家,帮助商家产出更适合自己消费群体的内容。
/ _6 v0 u; j2 b$ L2.0 是算法还是套路 7 Q, V. l8 N- Y- `
早在2018年,阿里就发现了手淘“个性化”推荐的重要性,彼时,天猫双十一的个性化推荐流量已经超过了搜索入口的流量,因此,后来手淘改版后“猜你喜欢”版块从第七屏一跃到了第二屏。这为淘宝现在打造全面信息流埋下了伏笔。 4 _3 D9 ?: h0 N5 ^9 Z$ d1 b
以前的淘宝是“人找货”的商业逻辑,通过产品为核心,而现在,已经变成了“货找人”的方式。讲究以人为核心,背后是巨大的利益重新分配和体系重新建立。
" o2 J6 k% ]. U那么,淘宝的算法究竟是什么?接着往下看:
1 i" v" p7 K, s( n' J5 P1.根据商品分类和自身属性进行推荐: # q; y1 K3 ]8 k3 S1 R2 A
(1)加权求和法: : Q0 e! V* G; |# v7 j+ W
核心逻辑:利用丰富的数据库源源不断地向用户推荐商品,推荐点在于商品之间的关联性、相似性、维度匹配性等等。不涉及用户数据。 / U) e" H5 o2 f" n
举例:一件用户搜索的衣服,但是点开后由于材质、价格、或者客服态度没有达到用户理想的效果,系统会自动匹配另外一款衣服,以供用户选择。 ! g7 L' O" P. T$ j+ @
商品维度:【材质】【样式】【颜色】【价格】等等维度,如果相同,不加权,如果不同,根据赋值加分。 ; d" ~$ R. l$ \- v
根据加权累加的公式,可以得到如下表格: / w5 A7 K7 O& d/ L$ ]+ C2 Y
7 q2 W" e, F2 T. L. v因此,A商品是系统推荐首选,其后,将会推荐这个相似度分数比较高的商品了,当然A商品不会重复推荐。长期推荐点击量不高的产品,后面可以进行动态优化。
5 s1 B) Y# m5 s+ h, g/ q2 z0 [(2)商品的被动销售级属性进行推荐:
+ ] I, b& l3 `+ W" s8 r* B) k* y/ S核心逻辑:根据最终在用户订单中出现的概率来判断商品间的相关性。(同时被浏览的几率,同时被加入购物车的几率,同时被购买的几率)即支持度、置信度、提升度。 & S2 i, V8 e* b' g8 P
计算A→B支持度,购买A还购买B这个组合的订单占所有订单的百分比。 计算A→B置信度,购买A还购买B这个组合的订单占所有购买A的订单的百分比。 计算A→B提升度,购买A还购买B的概率同不购买A只购买B商品的概率之商。 & B8 Z+ h9 C) E7 I Y
根据相关度算法,首先先从所有订单中找出包含A商品的订单个数N1,然后再查询A的所有订单中出现B的个数N2,则置信度X=N2/N1。 : C, g3 ~6 U4 ]8 a
- R) `! w; j: {7 w核心逻辑:根据用户基础信息和行为数据推荐商品。(人以群分,将有相似的属性,相似行为的用户分为一类人,然后这一类中的人某一个人喜欢A产品,那么其他人也有极大的可能喜欢A产品) (1)基础标签:可能就是年龄标签、性别、收入范围、兴趣爱好、星座、生活区域等,通过类似的标签推荐兴趣相似的人群。 (2)行为标签:通过搜索、浏览、收藏、加购、购买、分享等行为,判定用户对部分商品的喜爱度。
0 z+ n; d: }2 b, n8 z2 p9 g所有类目商品的喜好度向量和用户B的向量而言,他们在多维空间的夹角可以用向量余弦公式计算:
$ t) j9 ~1 W! L余弦值的值域在【-1,1】之间,0表示完全垂直90°,-1表示夹角180°,1表示夹角为0°,系数越靠近1,向量夹角越小,两件商品的相关性越高。 4 n, Q+ K4 l" v+ V% M
(3)多纬度的扩展型标签模型:搜索主要商品(例如手机)为A标签,商品附加属性(例如品牌、价格)为B标签,淘宝将A标签和B标签做相同标签配对,中间同时会在配对时再引入动态的标签权重表C,C是动态的,会根据淘宝的营销策略生成的场景条件D来进行动态变化。
8 y& C3 Q! d' e4 v. F目前影响算法推荐的因素:简而言之一句话,用户的喜好会成为你的商品是否展示的主要考核标准。
# y% n a* s c9 R5 H用户对商品的主动搜索一直会存在,因为品牌具有确定性和主张,但在电商平台中,它带来的流量占比会越来越小。 7 t) b, P4 X' i/ P( K. b# ?- X
时代在不断发展,电商平台的推荐机制也在不断优化。“长江后浪推前浪,”想要在电商这条路上一直走下去,了解最新的规则,是重中之重。
5 X! ~( j- J7 v& j2 x) l |