电商行业 你必须掌握的九大推荐策略「九大主流电商平台」

今天给大家普及一下电商行业 你必须掌握的九大推荐策略「九大主流电商平台」相关知识，最近很多在问电商行业 你必须掌握的九大推荐策略「九大主流电商平台」，希望能帮助到您。

♥

你好

目前，应用千人千面推荐最多的领域就是电商行业，数千亿的sku和数亿的用户为个性化推荐系统提供了完美的发挥空间。对于应用的效果，通常推荐系统的核心考核指标可以分为三大类：流量类、转化率类和GMV类。

为了保证这些指标能够符合预期，超正向发展，都会采取不同的策略来进行保障。不同的业务，同一业务的不同发展时期，考核指标不尽相同，与之对应的策略也随之改变。

但是，有一些共性的策略是大多数电商业务场景下在设计推荐系统的时候都需要遵循和采纳的，细分一下大概有9种。

『 白底图提权策略 』

做过电商运营或者设计的同学应该都听说过商品白底图的概念。我这个外行强行解释一下，欢迎指正。所谓商品白底图就是一张无底色，突出商品全貌的图片，一般都会有大小，格式等限制。

在商家创建商品的时候都需要商家上传一张白底图，通常都是可选项，而且明确告知商家上传白底图的商品在推荐结果中会进行优先展示（别问我咋知道的，当年也下海过）。这个策略主要是从用户体验的角度出发，拥有白底图的商品在推荐和搜索列表能够使用户更容易识别，同时使得产品界面更加整洁。

如淘宝头条模块所示，每一张图片都是白底图。

『 牛皮癣屏蔽降权策略 』

所谓牛皮癣是指商家为了达到自身利益的最大化，通常会在商品主图上添加若干利益点，以吸引用户注意力，提高进入商品详情页的流量，进而提高订单量。

通常对于主图包含牛皮癣的商品会进行过滤处理，因为其涉及到不正当流量竞争的行为，影响整个生态额发展。但是，对于新业务线，会做适当的降权处理，不会全部进行过滤和屏蔽。如下图所示

注意不同公司对牛皮癣的定义不同，包括位置，大小，露出内容等有不同的规定，不能一概而论。

『 复购过滤策略 』

相信大家都有过这种体验：当你购买了一件商品之后，相关的推荐位会频繁推荐其他型号的该商品，甚至直接推荐已经购买的那个型号，用户体验就很差。

复购过滤策略就是解决这种问题的。针对用户已经购买过的商品在推荐结果中进行过滤。该策略主要是考虑到大多数商品用户在短时间内不会进行复购，重复推荐不仅会影响用户体验，而且也不会带来很高的转化。

但是，是否采用复购过滤需要根据具体的业务或者场景进行取舍。比如对于药品，常见药是需要周期采购的，所以这个时候恰到好处的复购商品推荐反而能提高效率，带来良好的用户体验。

一般来说，复购策略的设计可以从品类入手，不同的品类定义不同的复购周期。比如对于快消品（零食，小生活用品...），复购周期通常比较短；但是对于一些3C电子类产品（电脑，手机，电视...），通常复购后期比较长。

『 无货过滤策略 』

无货过滤，这个就比较好理解了。推荐策略对于电商来说，最终的目标无非就是提高GMV，提升转化率，折合成一句话就是“推出来就是为了更容易引导用户下单”。

无货，谈何下单！

推荐系统通常需要对接库存系统，来进行库存判断，对无货sku进行过滤。

『 下架屏蔽策略 』

这个一般也都是电商推荐策略必备的。

商品下架一般包括自然下架和紧急下架。自然下架一般包括无货，商家主动下架（比如换季等原因）等等；而紧急下架的商品无非有几个原因：商家问题，商品问题，平台问题。这三种问题都会严重伤害用户利益，商家利益，或者平台利益。

『 购买力匹配策略 』

购买力匹配策略主要动机是“为合适的用户推荐合适的商品”。

这个也是的电商的一个共性的策略。同一类目下的sku很多，尤其是一些大类目。这些sku品质层次不齐，价格也就多种多样，比如对于笔记本电脑、苹果、联想、华为、惠普，不同品牌的价格不一样，哪怕是相同的配置。

而与之对应的就是一个用户购买力的分层，用户购买力的衡量通常会基于一定时间窗范围内用户在电商平台点击，关注，加购和下单的商品价格进行评定。

按照用户的购买力进行商品的个性化推荐，一方面能够提升用户体验，让用户能够找到适合自己的；另一方面会对平台GMV，转化率等指标起到积极的作用。让用户买的起。

『 同图过滤策略 』

同图过滤是指对于推荐召回结果中相同的商品主图进行过滤 。

这个策略主要是从几个方面去考虑：

商品主图相同会干扰用户选择，降低用户对平台的信任度；另一方面，影响商家的正常利益。这个很好理解，一般同图肯定都是盗图。

在设计同图过滤策略的时候，需要注意的是，对于同图的几个商品到底该留哪一个？这就要看我们的推荐策略导向了。这里不细讲，具体可以加我交流。

『 SPU去重策略 』

spu去重是指在spu的维度进行商品去重。

电商行业通常有product，sku，spu等概念，他们之间的关系不固定，有一对一关系，有一对多关系，有多对多关系，取决于商品后台体系的设计。对于电商业务来说，推荐结果一般都是sku维度的，那么对于某些业务下，就会出现多个sku同属一个spu。

比如推荐结果中包括iphone XS 256G，iphone XS 512G两个sku，他们同属于iphone XS一个spu。一般来说推荐在召回的时候会进行截断，因为坑位优先，每个坑位需要保证最大的利用效率，因此对于同属于一个spu的推荐结果会进行去重，主要是为了保证坑位价值的最大化。

当然，在基于spu进行去重的时候，如何确定sku的去留，一般来说也是和推荐策略导向挂钩的。

『 曝光降权策略 』

曝光降权策略全称为“曝光未点击降权策略”，这个可能就比较好理解了。

推荐位一般都是有限的，对于占用推荐位但是未提供较高的点击转化率的单品需要进行降权处理，才能保证其他推荐item的曝光率。

具体的降权策略，一般会基于推荐item线上的ctr或者cvr进行建模，从而最大化保证每一个坑位的价值。

以上9种策略，对于电商推荐产品来说是必须要考虑到的，至于具体的应用就需要依据不同的业务模式，应用场景进行个性化设置，总之一切的策略都是为推荐系统的三大核心指标服务和保障的。