电商网站如何揣摩用户心理，实现精准推荐？

（2）基于物品的 CF

基于用户对物品的偏好找到相似的物品，然后根据用户的历史偏好，推荐相似的物品给他。经常遇到的就是你买裤子时，导购和你说，这款是我们销量最好的， 刚还买走一个呢。除了物物关联外增加了用户偏好，根据大众偏好预测你还没有表示偏好的物品，比如大家都在买。

3、基于人口的统计学推荐

根据用户的属性建模，通过用户特征计算用户间的相似度。常见的有用户注册时添加感兴趣标签、榜单、热点等。

推荐算法无外乎是商品相关性、用户行为、大众行为。

二、运营推广

上述的推荐算法是基于数据和规则推荐的，除此之外，还有运营需求的推广。当然生活中也是存在的，导购偶尔会强力推荐某个产品时，有人就会怀疑，是不是提成多。除了专题活动推荐外，偶尔也可以在自然推荐规则中加入人为干扰因素（比如某个品牌优先），让你的运营推荐做的不声不响。移动端的推荐比较推崇的是Feed流，推荐除了不易察觉，还会让你心甘情愿分享。

三、无处不在的推荐

以天猫为例说明，推荐不是越多越好，推荐是越准确越好。

• 首页：除了各种专题运营活动外，根据用户的浏览历史猜你喜欢
• 搜索结果页：不漏痕迹地加入人为干扰因素推荐，掌柜热卖
• 商品详情页：基于大众浏览和商品相关性的看了又看
• 会员中心：根据用户浏览猜你喜欢
• 订单详情页：运营活动推荐，关注品牌的热卖单品
• 购物车页：掌柜热卖、品牌收藏、最近浏览、猜你喜欢

四、2B电商的区别

2B的特殊性又来了，2B电商面向的是企业，企业就会有不同角色操作的人，面向不同的人推荐不同。以采购手机原材料为例说明，工程师选的是产品（选型），他可以决定采购手机电池的规格参数和品牌，商品推荐可以从规格参数和厂家等维度来推荐。采购员是买指定的材料，是无权更改产品型号和品牌的，但他可以决定商品的价格和供应商，商品推荐可以从价格等维度入手。

最后，推荐不是越多越好，推荐是越准确越好，多而不准确的推荐，在用户看来是一次次地眼睛被强奸。

 

本文由 @萝卜Lily 原创。未经许可，禁止转载。