当推荐遇上营销，会擦出什么样的火花

小提示：您能找到这篇{当推荐遇上营销，会擦出什么样的火花}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的当推荐遇上营销，会擦出什么样的火花内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

大部分人都听说过千人千面，也知道个性化推荐，那么千人千面具体的流程和应用是怎么样的？作者做了总结。

在做推荐或者搜索的同学大概都知道千人千面这个概念，就是个性化推荐或搜索排序。

一般主要应用在首页物品/内容feed流，页面的推荐模块，搜索结果页等。

举个例子：在淘宝搜索“衣服”，每个人的搜索结果不会完全相同，甚至差异很大，比如男女之间。

这就是千人千面，其主旨就是为了从一个大量的物品侯选池中match到用户最愿意与之产生交互行为的物品，这种交互可能是点击，加购，下单，转化，浏览等等。

01

先简单聊聊目前千人千面的大概流程：

1. trigger阶段：这个一般是基于用户行为数据挖掘，利用用户pin或者uuid去触发计算用户相关的个性化信息，给到推荐策略使用；
2. recall阶段：基于个性化信息，按照一定的策略去一个item的候选集里面进行item match，把符合阈值或者条件的item进行召回；
3. rank阶段：基于召回的item池，一般这里会做一次排序，一方面保证召回的结果是比较优质，且用户交互意愿比较强烈的；另一方面，如果召回的量太多，考虑性能以及用户实际的使用行为，进行截断。这个阶段也可以称之为粗排；
4. pageplacement阶段：这个是一个精排阶段。这个阶段会考虑更多详细的规则，比如单品加权，新业务扶持，品类曝光等等，最终展示给用户。

推荐和搜索总体步骤差不太多。

不过有的同学可能会发现一个问题：在tigger阶段，先要做的一步就是基于用户行为数据去做大量的数据挖掘工作，那么对于用户量比较少产品怎么办？按照这种方法肯定无法在推荐位曝光。

所以实际上推荐冷启动的问题本质就是缺少用户、物品和事务数据。（注：来之《推荐系统：技术、评估及高效算法》）

业界有很多解决冷启动问题的方法，不过今天参加了一个内部会议，还是get到了一些新的观点，觉得可以在后续的工作中试一试。

02

实际上除了上述的应用场景，营销投放领域也会应用大量千人千面。

比如在很多营销活动页，或者说广告投放中都会应用到个性化推荐，为不同的用户展示不同的广告，以提升广告的C精准引流推广PM。

下面的微信朋友圈广告，就是一个典型的个性化投放策略的应用，会给不同的人推不同的广告：

按照我的理解，简单的画了一个做营销或者广告的流程：

广告商把产品投到广告平台，广告平台按照一定的投放策略进行投放，最终得到的投放效果反馈到广告供应商。其中，个性化投放策略的制定就是基于用户数据。

其实，产品刚推出同样面临无法精准投放的问题。

这个时候，一般都会选取一些主流的媒体渠道做大量的曝光，然后从投放平台获得本渠道的广告投放效果。

一般对于一个广告来说到此就结束了，后续可能就是基于本次投放的效果做一些后续广告投放策略的优化。

但是，细细想想，如果此时让推荐系统联合广告营销效果，会产生哪些不一样的东西。

刚才说到，推荐在冷启动中央电视台的广告面共同关注广告费用临的本质问题就是缺少用户、物品和事务等数据，因此无法触发个性化推荐逻辑。

一般而言，从投放效果中我们可以拿到本次广告产品曝光的用户，点击的用户，用户在广告落地页的停留时长，下单的用户，产品的销量等等信息。

这些信息按照细分一下：

• 用户：产品曝光用户，产品点击用户，产品下单用户
• 物品：产品，产品所属的类目，销量
• 事务：曝光，点击，下单

如果有这些数据的话，那么产品在推荐场景下曝光的几率就会提升不少，这样就很有意思了。

比如一个影片想要在电商平台的首页推荐场景下露出，电商平台，商品的销量一般来说是一个权重很高的排序因子。

因为其在未上映之前是没有任何数据积累的，这个时候无论是搜索还是推荐的排序中，其实很难依靠正常的得分得到有效的曝光。

但是如果能把影响在各种营销渠道中的数据做一个打通的话，那么这个事情就很好办了。

所以今天的会上，一个大佬说：“千人千面实际可以有两种，千人千面和营销加千人千面。”

想想还真的是一种不错的思路呢。

#专栏作家#

夏唬人，公众号：夏唬人，专栏作家。某厂策略产品经理，关注推荐，搜索，AI策略方向，用数据来赋能业务。

本文于，，。

题图来自 Unsplash，基于 CC0 协议。