淘宝运营:店铺没流量?这些淘宝算法你必须了解

店铺没流量?这些淘宝算法你必须了解

随着算法技术的发展,各大平台对用户推荐的算法是越来越精准了,我们商家最关心的是自己的产品怎么才能被算法推荐给用户呢?这里我将从推荐算法的逻辑与运用为大家解开疑问。

一、推荐算法逻辑

这里我们抛开专业、繁琐的技术与公式来介绍三种各平台常用的、通俗易懂的、经典的基础推荐算法。(此次我们介绍的算法案例与逻辑并不能等同于理解是天猫平台的算法,各平台的算法差异与难度远比基础算法复杂),本篇是为了帮助大家理解算法流量竞争的基础规律,获得提升利润的一把密钥。

1、特征关系推荐

这种推荐算法的逻辑是对用户先做一个特征关系画像,再去匹配有此特征关系画像的商品。也就是通过用户的特征关系作为牵线,相互匹配。

1)用户特征关系画像:

为了让大家能更具象的理解,下面会用基础的矩阵方式来介绍下这种算法的逻辑。用户对产品理解的特征关系做出分类,如“英伦、古典、简易、朋克、中性……等等”其实可以划分出非常多的特征关系,这里只列举5类,方便我们简化后面的矩阵计算。一个用户对商品的特征关系偏好程度是不同的,可以用数字趋近1代表很喜欢,趋近0代表不喜欢。我们假设挑选3个用户“唐僧、八戒、悟空”,用矩阵的形式表达3个用户对商品特征关系的画像。

2)商品特征关系画像:

我们对已划分出的特征关系,对商品库中不同的商品做特征关系的画像,这里我们只列举5个商品,下面我们用矩阵的形式表达。

3)用户与商品的推荐匹配:

用户要与商品库中商品做特征关系匹配计算,哪个商品的匹配值最大说明两者特征关系最相近,那么就推荐值最大的这个商品给到用户。

例如用户“唐僧”与“商品A”的匹配计算,相同特征关系数值相乘再求和:0.6*0.2+0.9*0.5+0.1*0.4+0.1*0.9+0.1*0.1=0.71

用户“唐僧”对5个商品

特征关系匹配计算结果为商品D值最大,说明两者特征关系最相近,因此就会给用户推荐商品D:

1 2 3 下一页