「」产品汪如何向女票解释——淘宝push的个性化推荐( 三 )


⑥季节策略:可根据季节 , 天气 , 节气变化 , 针对性的向用户推送具有此类特征的商品 。
⑦热点策略:根据近期话题或事件热点 , 结合相关商品进行推送 。
(3)分发排序
①push可以分类型 , 如通用型 , 活动型 , 群体型 , 个体型 , 系统型 , 热点型 。 并给不同类型的push设定优先级 。 在推送时高优先级的push优先推送 。
②在召回排序时 , 通过第一层的统计社会学信息过滤 , 候选集中的push会存在多条 , 此时可根据以上提到的各策略模型综合的对push进行打分 , 比如有30个策略模型 , 可从30个维度按照不同的加权对push进行综合打分 , 由高到低的进行排序 , 得分高的优先推送 。
③当一天内的推送push数量达到3-5条的上限时 , 当天即停止推送 。
四、push个性化推荐的衡量指标
那么当我们为用户推荐商品之后 , 如何来看我们的推荐效果呢 , 这里就需要有衡量的指标 。

  1. 短期来看是push拉新数量 , 和拉新贡献度 。
  2. 长期来看 , 是从推送 , 点击 , 到达 , 浏览 , 加购 , 下单 , 支付 , 复购整个链条来提高 , 为最后的GMV负责 。
GMV=流量*转化率*客单价 。 流量=新用户+老用户 。
从用户行为路径来看 , 一条push推送后 , 经历了 , 到达 , 展示 , 点击 , 浏览 , 加购 , 下单 , 支付的流程 。 评价push效果的指标也据此产生 。
「」产品汪如何向女票解释——淘宝push的个性化推荐
本文插图
五、push优化方向
按照以上指标 , 我们需要对以上几个方面进行优化 。
(1)提升push的到达率
重复发送push:通过服务端重复发送 , 客户端本地排重来实现到达率优化 。
重复发送策略 , 可以分次分时间间隔发送 , 如每隔x小时 , 发送y条push , 每天发送z次 。
(2)提升push的点击率
  1. 增加push的丰富度 。 如针对活动和热点事件的全量推送;针对某用户群体的群体推送;针对单个用户历史信息和兴趣爱好的个性化推荐 。
  2. 塑造具有吸引力的文案 。 对于某个push , 可以设置多个文案 , 用ABtest的方法 , 将同质用户分组 , 推荐同一个push的不同文案 , 快速获得点击率高的文案进行全量发送 。
  3. push文案设计:应从文案基础 , 用户感知 , 用户习惯 , 形式多样性等方面考虑 。 具体如下 。
文案基础:无错别字 , 无错误标点 。 主语突出 , 无无意义词语冗余 。 文案完整 , 或主述对象完整 , 文案过长可末尾用省略号提示 。
形式多样性:图片 , 文字 , 表情 , 提示音等 , 丰富push形式 。
用户感知:比如让用户有参与感的有 , 含有当地名 , @用户 。 让用户有亲近感的有 , 熟知人名 , 电影电视名 。 以及关于热点热句的文字 。
用户习惯:如习惯看半角文案 , 因为全角文案会有不正规的感觉 。
(3)落地页设计
①落地页内容和push内容应该保持一致 , 相辅相成 。
②落地页内容应该突出商品主体 , 抓住用户眼球 。
③对于新用户来说 , 因使用习惯还未养成 , 对app了解度也还不够 , 落地页最好有一定的指引 , 引导用户理解产品 。
(4)Push的频控设计
主要是为了不过度打扰用户 。
①push对于每日每个用户的推送条数应该有上限的设置 。 比如系统消息或者互动消息类的push可以无上限 , 活动和个性化推荐类的push总量应控制在3-5条 。
②push推送的时间段应选择用户的空闲时间 , 一般分布在早 , 中 , 晚 , 睡前四个时间段 。 如7-10点 , 11-14点 , 17-19点 , 22-24点
③从长期来看 , 可以通过模型 , 算出用户一般每日可接受的push条数 , 以及单个用户可接受的push条数 。


推荐阅读