從0開始做垂直O2O個性化推薦-以58到家美甲為例
從0開始做垂直O2O個性化推薦
上次以58轉轉為例,介紹了如何從0開始如何做互聯網推薦產品(回復“推薦”閱讀),58轉轉的寶貝為閑置物品,品類多種多樣,要做統一的寶貝畫像比較難,而分類別做寶貝畫像成本又非常高,所以更多的是進行用戶畫像、分類預測推薦、協同過濾推薦等個性化推薦。
有些同學反饋,他們的產品是垂直類的O2O產品,分類單一,可以簡單的實現寶貝畫像,這類垂直O2O產品怎麽從零開始做個性化推薦呢?這是本文要討論的問題
一、58到家美甲簡介
58到家有三大自營業務“家政”“美甲”和“速運” ,美甲能夠實現“足不出戶,享品質服務,做美麗女人”,目前提供上門美甲、修復與卸甲、美睫、化妝等服務。
http://bj.daojia.com/liren/
二、從0開始設計垂直O2O推薦框架
(1)列表頁推薦:用戶既然進入到了美甲,成交意願是非常強烈的,首頁的推薦至關重要
(2)寶貝詳情頁推薦:買了還買,看了還看類的關聯寶貝推薦
(3)下單成功頁推薦:既然下單了某個甲樣,可能會喜歡相近的甲樣喲
(4)召回推薦:在用戶退出系統後,通過RFM模型做優惠券推送或者消息推送做客戶挽留與召回
RFM模型:根據用戶最近一次購買時間Recency,最近一段時間的購買頻率Frequency,最近一段時間的購買金額Monetary,加權得到的一個代表用戶成交意願的一個分值。
三、甲樣列表頁推薦詳細流程
(1)用戶點擊進入甲樣列表頁
(2)畫像用戶的消費能力
(3)抽取購買、收藏、喜歡、瀏覽的歷史數據
(4)根據歷史數據,對所有甲樣進行打分,綜合一些產品策略,推薦出首屏的4個甲樣,例如:
(5)如果用戶下單,以被下單的相似甲樣做推薦
(6)如果用戶跳出,可以根據信用評級、消費等級做優惠券召回推薦
四、與業務緊密結合的策略規則
推薦系統並不是一個單純的算法問題,而是一個與產品、工程架構都相關的綜合性問題,不同的業務會有不同的產品策略,這些是在做推薦時需要考慮的,以美甲為例,需要考慮:
(1)排序前2名要推薦最符合用戶消費能力的甲樣(例如“價格小於150”)
(2)被推薦的4個甲樣要覆蓋盡可能多的消費區間(例如“兩個甲樣價格小於150,兩個甲樣價格大於150”)
(3)被推薦的4個甲樣要覆蓋最火的產品、舊產品、新產品(例如“1個爆品,2個舊加油,1個新甲樣”)
(4)垂直相鄰的甲樣,顏色不同(為了視覺體驗)
(5)水平相鄰的甲樣,顏色不同(原因同上)
(6)垂直相鄰的甲樣,款式不同(為了視覺體驗,以及產品覆蓋度、受眾度)
(7)水平相鄰的甲樣,款式不同(原因同上)
(8)…
五、如何利用甲樣畫像與用戶購買、收藏、喜歡、瀏覽的歷史數據對所有甲樣進行打分?
【寶貝畫像】
垂直O2O的相對比較容易做寶貝畫像,寶貝品類比較單一(甲樣),寶貝的品種也比較少(幾千幾萬種甲樣),熟悉業務的人可以對寶貝進行畫像(不需要復雜的機器學習方法),以甲樣為例,可以抽象出:
款式
顏色
風格
場景
圖案
其他
等多個核心屬性
【核心屬性賦值,標簽化】
寶貝畫像完畢之後,對於每一個核心屬性,可以進行賦值,實施標簽化
款式:純色,法式,漸變,彩繪,貼飾
顏色:紅色,粉色,藍色,白色
風格:簡約,甜美,復古,可愛
場景:派對,旅行,約會,晚宴,夜店
圖案:卡通,小碎花,動物,桃心,五角星
【抽取用戶歷史行為】
抽取購買、收藏、喜歡、瀏覽的歷史行為數據,得到一些甲樣ID集合set<bb-id>
【查詢所有歷史行為甲樣ID的畫像屬性,對標簽進行頻率統計】
用戶U歷史行為某買了甲樣1:bb-id1,收藏了甲樣2:bb-id2
從庫中查詢出所有甲樣的詳細屬性
bb-id1:彩繪,紅色,可愛,夜店,桃心
bb-id2:彩繪,粉色,可愛,夜店,桃心
對標簽進行統計
款式:{彩繪:2}
顏色:{紅色:1,粉色:1}
風格:{可愛:2}
場景:{夜店:2}
圖案:{桃心:2}
【根據標簽統計,量化對標簽的喜愛程度】
例如,標簽量化打分公式可以為:score=同類標簽出現頻率
那麽,對於“款式”這個屬性,依據上述統計,各標簽的打分是:
純色=0分,法式=0分,漸變=0分,彩繪=1分,暈染=0分,貼飾=0分(假設只有5種款式)
同理,對於“顏色”這個屬性,依據上述統計,各標簽的打分是:
紅色=0.5分,粉色=0.5分,藍色=0分,白色=0分(假設只有4種顏色)
…
這個打分是一個簡單舉例,實際上的打分公式會復雜很多(例如購買與收藏貢獻的分值不一樣)
【根據上述量化標簽,量化用戶對每個甲樣的喜愛程度】
例如,對於一個甲樣X{純色,紅色,簡約,夜店,卡通},可以計算出用戶對它的喜愛分值為
socre-X = 0(純色) + 0.5(紅色) + 0(簡約) + 1(夜店) + 0(卡通) = 1.5分
這個打分是一個簡單舉例,實際上打分公式會復雜很多(例如各個屬性的權重是不一樣的)
【對所有甲樣計算分值,排序】
【從高到底進行甲樣推薦】
推薦的過程中註意,4款甲樣要符合第四個大步驟中提到的產品策略(要覆蓋各個價格範圍,相鄰顏色與樣式不同等)
【個性化推薦完成】
好了,暫時先到這裏,上面的思路絕對是能落地的,希望58到家美甲的推薦,對其他剛開始做垂直O2O互聯網產品的同學有幫助。
以上內容均來自微信公眾號“架構師之路”胡劍老師的文章,歡迎關註。
從0開始做垂直O2O個性化推薦-以58到家美甲為例