编辑导语:我们从手机上获取的信息，除了主动搜索，大部分都是推送服务。在这个互联网繁荣的时代，个性化推荐服务已经出现在我们的生活中。本文以个性化推荐为例，为大家详细拆解其中的关键点。有兴趣的朋友可以一起看看。

作为入行三年的产品经理，我个人能感受到这个行业发生了不小的变化。依稀记得2018年面试的时候，产品经理这个职位吸引了很多清北的留学生，工资高，工作环境好，专业不限。但是2021年，似乎互联网行业的冬天就要来了。在这个时代和社会背景下，产品经理这个职位只会遇到更艰难的挑战。

我呢，最近半年，一个偶然的机会让我从BI产品经理转岗到战略产品经理，同时负责两个方向的内容，分别是个性化推荐和商城个性化推广。这两个方向也属于战略产品经理、推荐产品经理和成长产品经理的分支。

这两个方向都属于战略产品经理的分支。经过半年的历练，对这个岗位有了一些体会和经验。

最近和几个朋友聊天，很多人对我的工作内容很感兴趣。今天和大家聊聊推荐产品经理日常工作中的【个性化推荐】。

要了解【个性化推荐】，首先要了解战略产品经理主要做什么？

面对产品中一些相对复杂的业务问题，当这些问题受到很多因素的影响，并且这些因素是动态的，就意味着这些因素需要相对复杂的业务规则甚至算法模型来解决。而且这些业务规则和算法模型需要不断动态调整，不断适应问题的变化。产品经理的日常工作就是负责这些业务规则和算法模型从无到有，从有到优的过程。

例如，上个月，你喜欢看Tik Tok的美食，所以很多推荐都是美食博主或购物攻略。现在春天来了，你开始关注户外运动的信息，于是Tik Tok也“知道”了，开始为你推荐春游的好去处。

你看，这就是战略产品经理要做的，就是“猜你喜欢什么”。

我们常说的“大数据包围”，其实就是个性化推荐。

让我举几个例子:

这可能是大多数人每天都在不经意间做的事情，很多都会影响或主导我们的生活。这里是个性化推荐。

好吧，那么到底什么是个性化推荐呢？为什么要有个性化推荐？下面就结合我的日常工作和知识简单说一下个性化推荐。

个性化推荐就是我们常说的“千人千面”。系统会根据每个人的历史行为和特点为其推荐合适的物品。

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

其实你在这个平台上花的时间越多，它就会越了解你，就像你一直在训练它一样，它会越来越受你的欢迎，赢得你的心。

比如网易云音乐的“每日推荐”，知乎的“推荐”，下图的视频号的“推荐”，都是针对每个人的个性化专属内容展示。

让我问你一个问题。为什么各大app都需要个性化推荐？

比如我们公司从2020年上半年开始意识到算法和流量的重要性，开始关注商场的个性化推荐。在这样的时代背景下，如何利用越来越稀缺的流量，保证更少的损失，成为各企业关注的焦点。

外界的状态:

内部容量:

因为这个背景和企业能力，大家看到个性化推荐的机会，就会牢牢抓住这个机会。对于电商平台来说，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，我们应该都有这样的感受。平台总能展示一些我们感兴趣或者真正需要的产品。

对我们来说，这是一种沉浸式的购物体验，减少了商品选择的压力，提高了下单的效率(可惜很容易控制你的钱包，这才是平台的目的)。

用户级别:

最大程度展现用户需求，缩短下单路径，提升购买体验。

企业级:

提高复购和留存，吸引更多第三方卖家入驻，赚取佣金和扣点。

解决信息过载，合理分配流量，有效打造爆款，处理长尾商品。

以我们生鲜电商商城app的每个页面为例。首先要明确制定策略的原则。

1.用户心理学

首先，最根本的是要搞清楚用户在这个场景下是怎么想的。我们不能为此拍脑袋，要根据数据的表现来解释，要客观，要有事实依据。

比如打开淘宝。大多数场景下，我们直接搜索需要的产品。但是，有时候，我们会在打开app后，被首页的内容所吸引，发现很多展示的商品都是我们喜欢或者需要的商品。

所以淘宝首页的定位是你需要的商品的一个市场，是一个“吸引你来逛淘宝”的定位。我们怎么能让你来这里参观呢？也就是曝光你认为自己需要或者感兴趣的商品。

2.场景定位

好了，当我们知道了这个场景中用户的心理和目的，那么我们需要做的就是明确，想办法满足他们表达的显性需求，根据行为痕迹挖掘潜在需求。

3.业务需求

一个好的闭环的推荐系统，不仅仅是满足用户的需求，更是帮助公司解决商业问题。比如，打造价格形象，拉动销量增长，还要肩负引流爆款产品、清理高库存、曝光长尾产品的重任。

比如清理高库存，我们公司有自己的仓库，有些商品有一定的库存，但并不是所有的库存都能按计划销售出去。

如果遇到临时商品，库存周转困难，影响资金流动的情况，也就是及时止损，处理掉这些高库存的商品，那么我们的推荐系统可以在人流量大的地方给予更多的曝光机会。

其实推荐一个策略还是比较简单的。策略的制定不外乎三个方面，即所需商品+排序+筛选。根据这三个方面，就可以做到千人千面。

说到这里，就不得不提用户画像了。用户画像的定义有很多，但似乎解释不太清楚。

其实简单来说，每个产品都有自己的用户群，用来描述这些用户信息的标签集就是用户画像。

举个大家应该都听说过的例子。前几天上微博热搜，海底捞贴上了顾客标签。网友觉得没什么不妥。这里没有侮辱性的信息，不仅可以细分客户群体，了解客户需求，还可以提供更个性化的服务。这是用户画像。

1.所需商品

(1)明确需求

基于用户行为表达的显性需求，如果没有转化，如何推荐产品以最大概率促进转化？

在这里，表达行为的产品不一定是最优的。有过表达行为的产品，但没有下单，说明有些属性不符合用户需求，但也有符合需求的产品，价格不在预期阈值内。

所以，在这里寻找类似的产品，或许能够最大概率的满足需求。

(2)潜在需求

对于模棱两可的需求，我们只能猜测用户的心理，但猜测也是有策略的，可以用初期的“标杆策略”来覆盖。

那么到底什么是基准策略呢？

基准战略也称基线战略，是指在低成本的条件下，评价指标满足最低要求的战略。

这里有一个我们都很熟悉的例子，可以帮助我们更好地理解这个概念。

当我们登录一些软件或网站时，会有短信验证的选项。以6位验证码为例。这里最简单的基准测试策略是从任意一个6位数中随机猜一个。理论上可以达到十万分之一的准确率，所以其他任何策略的性能都高于这个基准策略。

标杆战略的根本目的是以最低的成本和最快的速度推出一个可行的战略。

在线数据正常运行时，可以积累持续产生的数据，继续作为模型训练的样本，优化算法和模型，进一步提高精度。

常见的基准策略包括流行排序策略、近期行为策略和基于业务规则的基准策略。在这里，我们不要过多地扩展基准策略。有兴趣的可以自行查询。

(3)业务需求

作为产品，往往需要临时响应业务部门的需求。比如去年公司周年庆的时候，公司把“预煮菜”作为重点产品进行推广，需要配合我们制定相应的产品策略。

最简单的方法是根据业务规则找出符合要求的产品并整合到推荐结果集中，或者直接使用业务规则对结果集中的产品进行排序和微调。

排序

原则上商品的排序应该是基于我们的目标通过训练相关模型来实现的。当然，有一些迫切的需求，可以临时制定一些简单的排序规则，也是可以理解的，主要可以达到目标。

比如你在Tik Tok的行为会被记录为视频展示的排名因子和转发的行为因子；收藏的行为因素；赞美的行为因素；浏览的行为因素。

另外，同样需求相对低价大于高价，优质大于低质，高销量大于低销量。

比如我们去美团买菜，同类的需求相对来说低于价格高的需求，质量高的需求高于质量低的需求，销量高的需求高于销量低的需求。

即使有部分商品当天售罄，也是全部底价销售，这也是为了保证用户体验。

当然排名需要更加目标化，具体情况具体分析。比如有些商家给的广告费比较多，那么可能会有排名靠前的要求。谁让别人是金主和金主呢？

比如我在淘宝上搜索“华为手环6”。你看，第一个显示的是“广告”二字。你以前没注意到吗？

再来看第二名显示的价格，虽然贵，但是销量远超第三名，可见第二名销量的因素给了它很大的权重。

过滤

过滤规则相对简单，有些是业务规则。比如用户当天下单的产品，就不用再曝光了。

例如，如果你在JD.COM买了一部手机，理论上至少在过去的半年里你不会再买它。这个时候把手机暴露给你是没有意义的。不如推荐一些耳机、手机膜、手机壳之类的周边产品，可能会促成更多的交易。

一些常识性的规则，比如清真用户不能推猪肉制品；还有用户设置了不喜欢的产品，不要做无效曝光。

4.真实案例

这里我用以上三个步骤来解读一下我前段时间做的一个小项目，让大家更好的理解。

首先，这个项目的背景是避免核心用户流失，如何利用营销手段保证用户粘性。

确定背景和目的后，就要拆解过程和结果指标/思考优化方向。

确定数据指标的现状，以及整个政策执行过程中需要监控的过程和结果指标，优化哪些数据指标才能达到目标。

所以我发现了一些核心用户的特点和流失过程中一些行为的变化，发现核心用户有自己的核心产品。

核心产品一旦不放在我们平台上，就有很大概率亏损。那么问题就变成了如何阻止这个核心产品的流失。

于是制定了两个策略。

第一，对于用户的核心产品，多给一些商城推荐位曝光，时刻提醒用户他需要这个产品。

其次，根据用户历史的购买周期，如果发现超过购买周期，用户仍未下单，那么产品会自动促销降价，以更实惠的价格留住用户。

经过一段时间的实验，结果显示策略区域的GMV提高了18.8%，人工操作区域提高了5.4%(数据脱敏)。

最后很多一线业务来找我们，希望我们能管好这个业务，于是更多地区采用了战略投放，一线业务人员都说，好甜啊~

一切都是以目标为导向的，不同页面的评价指标会有所不同，但对于电商平台的整体推荐，也有一些通用的评价指标。

1.商业维度

2.用户感知

为了让大家更了解个性化推荐，跟大家分享一下我们前段时间做的一个需求，就是我们商城首页的feed排名优化，也可以理解为类似淘宝的首页。

首先，我把这个页面定位为内容分发。为了让用户购买更多的场景，我只是想找出如何设计产品流程，从而增加用户的浏览深度，更多的浏览可能带来更多的转化。

所以通过前面的数据分析，我们基本知道了用户对这个页面的行为偏好。目前平均浏览的商品数量和点击商品的偏好，就是什么样的商品对用户更有吸引力。

结合目前的数据情况，我们将商品的信息流排序定位为扩展产品，让用户购买更多，即在用户明确需要的产品中穿插一些用户可能感兴趣的爆款产品或促销产品。

比较通俗的解释，比如你在逛淘宝的首页，有你经常买的三只松鼠，有你喜欢喝的可口可乐，有你以前看中的衣服，都是限时特价。

同时也可能是化妆品在搞活动。虽然你的神仙水还没用完，但是看到价格还是会动心，很有可能会提前接一些。

推荐系统随着商业驱动和人们生活方式的改变而不断升级，个性化推荐系统已经做到了千人千面。

当然，人的心理活动是很难预测和不可预测的，所以个性化的效果还有待提高，一些体验问题也在逐步改善，推荐的前景还是有很大提升的空。

以上分享的是我职业生涯前半段的一些工作经验。我希望在我职业生涯的最后能为你有所收获。

至于我自己，在逐渐揭开个性化推荐面纱的同时，也觉得要学的知识还是太多了。如果你也深陷战略产品经理之路，希望你能链接到优秀的你，交流学习，共同见证彼此的成长。

本文由@ CCCCCCC罗原创发布。每个人都是产品经理。未经作者允许，禁止转载。

图片来自Unsplash，基于CC0协议。