编辑导语：我们每天从手机上收到的信息，大部分除了主动查找，就是推送服务，个性化推荐服务在这个互联网繁荣的时代出现在我们的生活中。大卫亚设，Northern Exposure，网络名言)本文以个人推荐为例，为大家详细分解那些要点，有兴趣的朋友们一起了解一下。

作为入职3年的产品经理，我能真切地感受到这个行业发生了不小的变化。2018年面试时，产品经理的职位吸引了清北甚至很多留学生。工资高，工作环境好，专业不限于就业市场的方向。但是，2021年似乎到了互联网行业的寒冬，在这样的时代和社会背景下，产品经理这个职位势必面临更困难的挑战。

而对我来说，过去6个月来，机缘巧合，让我从BI产品经理转到战略产品经理，还负责内容的两个方向，分别是商场个性化推荐和个性化促销，这两个方向也属于战略产品经理的分支，推荐产品经理和成长产品经理。

这两个方向都属于战略产品经理下的季度，通过半年的经验，我在这个岗位上获得了一些经验和经验。

最近和几个朋友聊天，很多人对我的工作内容很感兴趣，今天我来谈谈推荐产品经理的日常工作中的[个人推荐]。

要理解“个性化推荐”，首先要了解战略产品经理主要在做什么。

面对产品相对复杂的业务问题，如果这些问题受到更多的影响，因素动态变化，则意味着这些因素需要相对复杂的业务规则或算法模型。此外，这些业务规则和算法模型必须不断动态调整，以不断适应问题的变化。战略产品经理的日常工作是负责这种业务规则和算法模型从一开始到有没有，从有到优秀的过程。

例如，上个月抖音(抖音)的时候喜欢看食物，所以很多推荐都是美食博客或探店攻略。现在春天来了。因为开始关注户外运动信息，所以抖音(抖音)也知道。”我开始推荐春游的好地方。

看，这就是战略产品经理要做的。“我想你喜欢。”

我们经常提到的“被大数据包围”本质上是个性化的推荐。

我先举几个例子。

早上上班的路上，打开网络/QQ音乐，随机播放为你推荐的歌曲。哎呀，听起来不错。每个首都都值得点亮红心。听着！工作辛苦，我打开淘宝，我在活动，发现你喜欢的大衣给我看。哦，吼，这正是我需要的。买给我买！下班回家的路上打开抖音(抖音)。在刷自己喜欢的短片。哇，这个视频太有趣了。请让我爱。索尔索尔！这可能是大多数人每天不经意间要做的事情，很多人影响或主导着我们的生活。这里就是个性化推荐。

好吧，那么什么是个人推荐呢？为什么需要个人推荐？下面结合我的日常工作和学到的知识，简单谈谈个性化推荐。

一、什么是个性化推荐？

个性化推荐是我们常说的“千人千面”，根据每个人的历史行为和人物特点，推荐比较合适的物品。

基于用户行为数据挖掘的高级商业智能平台，为每位用户提供个性化的信息服务和决策支持。

事实上，你在这个平台上付出的时间越多，它就会越了解你。就像你一直在训练它一样，越来越喜欢你，加深你的心。是你。

例如，下面的网易云音乐《每日推荐》、众所周知的《推荐》、视频号码的《推荐》都是个性化的个性化内容展示。

那么我问你一个问题。为什么各大app都需要个性化推荐？

例如，我们公司从2020年上半年开始意识到算法和流量的重要性，开始重视商场的个性化推荐。在时代背景下，如何利用越来越稀缺的流量，确保更少的流失，成为各企业关注的焦点。

外部状态：

商品丰富度指数级增加，用户一致的需求难度上升随着互联网时代进入成熟期，人口红利和流动红利消失，企业必须开始从增加需求到存续需求的挖掘。内部能力：

由于这种时代背景和企业能力，从个人推荐的机会来看，可以牢牢抓住这个机会。对于电子商务平台，个性化推荐能给我们带来什么？

作为淘宝/天猫/拼多多的用户，我们都应该有这种感觉。平台总能展示我们感兴趣或真正需要的商品。

对我们来说，这是一种沉浸式购物体验，减少了商品选择的压力，同时提高了订购效率。(当然，不能轻易控制自己的钱包，这就是平台的目的。）

用户级别：

最大限度地满足用户需求，缩短订购渠道，提高购买体验

企业级：

提高复购和持有，吸引更多三方卖家入住，赚取佣金和扣分

解决信息过载，合理的分发流量，有效的打造爆品和处理长尾商品。

二、个性化推荐策略的原则

就拿我们生鲜电商商城app各个的页面为例子，首先要明确制定策略的原则。

1. 用户心理

首先最根本的是要弄清楚用户在这个场景到底是怎样想的？这个不能我们来拍脑袋来说，而且要根据数据的表现来说明，要客观且事实。

就比如打开淘宝，大多数场景我们都是直接搜索需要的商品。但有些时候，我们也会被打开app之后的首页内容所吸引，发现展示的商品流里面，很多都是自己喜欢的或者需要的商品。

所以，淘宝首页的定位是一个你所需要商品的集市，是一个“吸引你逛淘宝”的定位，那如何才能让你在这里逛下去呢？那就是曝光认为是你需要或者感兴趣的商品了。

2. 场景定位

好了，当我们摸清了用户在这个场景的心理和目的，那我们需要做的事情就清晰了，就是想方设法来满足他们表达的明确需求，根据行为痕迹挖掘潜在需求。

3. 业务诉求

闭环良好的推荐系统，不仅仅是单纯的为了满足用户的需求，更要能够帮公司解决业务难题。比如打造价格形象、带动销量增长，同时还要肩负着引流爆品、清理高库存、曝光长尾商品的重任。

比如清理高库存，我司是有自己的仓库的，那某些商品是有一定的存货的，但并不是所有的存货都能按照计划卖出去。

如果遇到了临期商品、库存周转困难、影响资金流的情况，那就是要及时止损，处理掉这些高库存的商品，那我们的推荐系统就可以在流量大的位置给与更多的曝光机会。

三、个性化推荐策略的制定

其实推荐策略的话，相对是简单一些的，策略的制定无非就是三个方面，所需商品+排序+过滤，就根据这三个方面，就可以做到千人千面了。

说到这里，就不得不提一下用户画像了。关于用户画像的定义有很多，但是看起来还是感觉解释的不清晰。

其实，简单说，每款产品都有着自己的使用群体，而用来描述这些用户的信息的标签集合，就是用户画像。

举一个大家应该都听过的例子，前几天上了微博热搜的，海底捞给顾客贴标签，网友们都觉得无可厚非，这里没有侮辱的信息，既可以细分客户群体，了解客户需求，还能提供更个性化的服务，这就是用户画像。

1. 所需商品

（1）明确的需求

基于用户的行为表达过的明确需求，如果没有发生转化，那该怎么推荐商品，才能最大的概率促成转化呢？

这里提供表达行为的商品或许不是最优的，有过行为表达的商品，但没有下单购买，说明有部分属性不符合用户需要，但也存在商品符合需求，价格没有在预期阈值之内。

所以，这里找相似商品，也许是能够最大概率的满足需求。

（2）潜在的需求

对于不明确的需求，我们只能靠猜用户的心理，但是猜也是有策略的，这里初期就可以靠”基准策略”就可以cover的住了。

那到底什么是基准策略呢？

基准策略又称Baseline策略，是指在较低成本条件下是评估指标达到最低要求的策略。

这里举一个我们都熟知的例子，帮助大家更好的了解这个概念。

当我们登录某些软件或者网站的时候，会有短信验证这个选项，就拿6位数的验证码来说，这里最简单的基准策略就是从任意的六位数中随机猜一个，理论上是能够达到十万分之一的准确率，所以任何其他策略的表现都要高于这个基准策略。

而基准策略最根本的目的是以最低的成本和最快的速度上线一种可行的策略。

而当线上数据正常运行起来，就可以积累不断产生的数据，继续当做模型训练的样本，优化算法和模型，进一步的提升准确率。

常见的基准策略有热门排序策略、最近行为策略、基于业务规则的基准策略，这里对基准策略就不过多展开了，大家有兴趣可以自行查询。

（3）业务的需求

作为产品，经常要临时响应业务部门的需求。比如去年公司周年庆期间，公司把”预制菜”作为重点推广商品，需要我们配合制定对应的产品策略。

这种最简单的办法就是，可以根据业务规则找出满足要求的商品融入到推荐结果集中，或直接使用业务规则对结果集的商品进行排序微调。

2. 排序

商品的排序，原则上是要基于我们的目标，训练相关的模型实现的，当然也存在面对一些紧急需求，临时来制定一些简单排序规则，主要能达成目标，也无可厚非。

比如说，你在抖音里的行为，都会被记录下来，当成展示视频的一个排序因子，转发的行为因子;收藏的行为因子;点赞的行为因子;浏览的行为因子。

另外，同一需求相对低价的大于高价的，高品质的大于低品质的，销量高的大于销量低的。

再比如我们逛美团买菜，同一类需求相对低价的大于高价的，高品质的大于低品质的，销量高的大于销量低的。

还有即使一些当日售罄的商品，都是置底处理的，这也是为了保证用户体验。

当然，排序更多的是需要以目标为导向，具体情况具体分析，比如有些商家给了更多的广告费，那可能就会有置顶排序的要求，谁让人家是金主爸爸呢？

比如我在淘宝上搜了“华为手环6”，你看，第一位展示的就带了“广告”二字，是不是你们之前没有注意到这个呢？

我们再看第二位展示的价格虽然贵，但是销量要远远超过第三位，说明第二位的销量的因子给了它很大的加权。

3. 过滤

过滤的规则相对比较简单，有些是业务规则，比如用户当天下过单的商品就无需再曝光了。

比如你在京东上买了一款手机，那理论上起码你近半年不会再次购买手机了，这时再给你曝光手机是没有意义的，不如推荐一些耳机、手机膜、手机壳等周边的产品，也许促成更多的交易。

有些是常识规则，比如清真用户不能推送猪肉类商品；还有用户设置过不喜欢的商品也不要做无效的曝光了。

4. 真实案例

这里我把前段时间做的一个小项目，用上面的三个步骤来解读一下，方便大家能够更好的理解。

首先这个项目的背景是避免核心用户的流失，如何利用营销手段保证用户粘性。

那在确定了背景和目的之后，就需要拆解过程和结果指标/思考优化方向了。

确定现阶段的数据指标的情况，以及整个策略实施过程中要监控的过程和结果指标，要优化哪些数据指标来达到目的。

于是，我找到一些核心用户的特征以及流失过程中某些行为的变化，发现核心用户都有自己的核心商品。

一旦核心商品不在我们平台下单的话，那就有很大的概率流失了。那问题就变成了该如何阻止这种核心品的流失。

于是制定的两个策略。

其一是针对用户的核心品，在商城的一些推荐位给与更多的曝光，时刻提醒用户他是需要这个商品的。

其二是根据用户历史的购买周期，如果发现超过了购买周期，用户依旧没下单的话，那么就自动对商品进行促销降价，以更实惠的价格对用户进行挽留。

经过了一段时间的试验，用结果说话，策略投放的区域GMV增长18.8%，人工运营的区域增长5.4%（数据脱敏）。

最后，很多一线业务找到我们，希望我们来托管这个业务，于是让更多的地区使用了策略的投放，一线业务人员都说，真香~

四、如何评估个性化推荐的效果

一切以目标为导向，不同的页面的评估指标也会有所差异，但是对于电商平台整体推荐来说，也是有一些通用的评估指标。

1. 业务维度

• CTR（曝光点击率，比如浏览了100个商品，点击进入详情是1个，那就是1%）、GMV（商品交易总额）、浏览深度（下滑的屏幕数）、停留时长…
• 扩展性强，可兼容不同的召回集（召回集的意思就是按照不同规则产生的展示内容。
• 可满足业务诉求，比如处理高库存商品（例子可见上文）、打造爆品。

2. 用户感知

• 精准度：能够命中用户想看/想要什么，这里还是要举个抖音的例子，它推荐的商品有多少是你感兴趣，抖音10分钟？人间一小时是不是说的一点都没错？不得不说抖音做的实在太好了，好到我必须要卸载它了。
• 可解释性：为什么在这个时候展示这个内容，比如端午节淘宝就会推荐很多买粽子的店铺，中秋节就变成了给你曝光更多的月饼，就是让一切推荐内容看起来都合情合理，不突兀。
• 多样性：要保证多次看到的商品差异性，防止审美疲劳。比如知乎，你关注产品经理的成长技能，知乎会给你在推荐的板块从头到尾都展示相关信息吗？比如抖音，你喜欢小姐姐，它会给你推荐的每一个视频都是大长腿的？它们不会的。这样反而容易引起枯燥乏味，它们还需要尝试着用一些其他的信息来挖掘你额外的喜好。
• 惊喜度：魅力需求，能够满足用户期望之外的诉求。举一个大家熟知的例子，微信在去年增加了“状态”的功能，这就是一个魅力需求，因为是用户意料之外的功能，好友里每天都有不少人设置个状态，表达今天的心情。

为了让大家更清晰的了解个性化推荐这点事，和大家分享一下前段时间做的一个需求，是我司商场的首页feed排序优化，大家也可以理解成类似淘宝的首页。

首先我把这个页面定位成是一个内容分发，为了让用户买更多的场景，就是想办法怎么设计商品流，才能增加用户的浏览深度，更多的浏览就可能带来更多的转化。

于是经过前期的数据分析，基本了解了用户在这个页面的行为偏好，目前平均浏览商品数，点击商品的偏好，就是哪类商品对用户更有吸引力。

结合了数据现状，我们把商品的信息流排序定位成扩品让用户买更多，也就是把用户的明确需求的商品和一些爆品或者用户可能感兴趣的促销商品穿插开来。

更通俗的解释，比如你在逛淘宝首页，里面的有你常买的三只松鼠、还有你喜欢喝的可口可乐，也有你之前看中的衣服，而且正好在限时促销。

同时也有可能是在搞活动的化妆品，虽然你的神仙水还没用完，但是看到价格还是会动心了，很可能就剁手提前囤了一些。

五、说在最后

推荐系统随着业务的驱动和人们生活方式的改变而进行不断升级，个性化推荐系统已经实现了千人千面。

当然，人们的心理活动是很难被预测的，而且也是变幻莫测的，所以个性化的效果也有待提升，有些体验类的问题也在逐步完善，推荐的前景还有很大的进步空间。

上面分享的是入行半年时间的一些工作心得，希望能够对读到最后的你有一些收获。

而对于我自己来说，在逐渐揭开个性化推荐面纱的同时，也感慨了还有太多的知识要学习，如果你也是在策略产品经理的这条路上深耕的话，希望能够链接到优秀的你，相关交流学习，一起见证彼此成长。

本文由@ CCCCCCC罗 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。