在個性化電商導購推薦領域，有哪些需要使用的技術

那麽用戶不同階段有哪些特點？根據互聯網時代的AISAS用戶行為模式，用戶依次會經歷註意到——感興趣——搜索——購物行為——分享這五個階段，推薦也是在這五個階段進行的。這五個階段背後又有細分的用戶行為。第壹階段：註意到這個過程中，我們需要讓用戶看到我們的產品，因此在用戶瀏覽首頁、超市頁、列表頁、產品詳情頁的過程中，就要不遺余力的推薦用戶去看我們的商品。但當用戶看到該商品之後，我們需要根據不同的情況作引導區分：情況壹：針對不滿意當前商品的用戶引導。這部分用戶由於價格、庫存、促銷等因素，對當前商品不滿意，通常情況下會產生退出。此時，我們需要針對用戶瀏覽軌跡，做商品瀏覽引導。因此就會出現“瀏覽了該商品的用戶還瀏覽了”的個性化推薦。情況二：針對滿意當前商品的用戶引導。引導的是讓用戶下單，但在下單過程中，用戶可能會存在猶豫，通常情況下他會對當前的產品不肯定，因此利用群集效應的個性化推薦欄“瀏覽了該商品的用戶最終購買了”就出現了，為了增加集群效應，我們還會用百分比的形式增加消費氛圍。如右圖為瀏覽了華為U500後的站內個性化推薦形式：第二階段：感興趣這個階段，通常我們以激發客戶興趣為主，主要推薦的商品壹方面是用戶個體瀏覽過的商品，另壹方是根據用戶群體瀏覽行為後最大概率的商品瀏覽做推薦。如左圖壹是針對瀏覽過商品的直接提醒推薦：通常情況下，直接基於用戶的行為商品做推薦，是效果非常好的方法，如京東針對關註商品的價格提醒，如左圖二時針對關註商品的價格提醒推薦：第三階段：搜索站內搜索是用戶獲取信息的重要手段，並且使用搜索的用戶轉化率高於全站平均轉化率，因此針對搜索的個性化推薦非常有效。針對搜索的推薦，首先要辨別用戶搜索詞，對於錯拼詞和誤拼詞的提示、對拼音的轉化、對無效字符的過濾、去除幹擾信息並做分詞是主要過程，這個過程中，對字符的處理是關鍵字。（這也是百度這些以搜索引擎為主業務的根本）其次是用戶在查看搜索結果時的互動。通常情況下用戶會在搜索結果頁使用篩選信息，因此制定針對無結果時的數據推薦規則是關鍵，包括推薦的同壹或跨品牌、子品類、父品類的規則。第四階段：購物行動購物行動分為三部分，壹是用戶將商品加入購物車，二是用戶提交訂單，三是用戶完成購物之後。第壹部分用戶將商品加入購物車。用戶將商品加入購物車真的是為了購物嘛？當然不是，有的人想把購物車作為購物籃，目的是為了本次購買的暫時儲存，另外有些人想作為日後購買的暫存只用；有的人想在購物車裏面做商品數據羅列和對比；有的人雖然加入購物但還在猶豫不決；有的人雖然加入購物車也想購買，但兜裏沒錢。。。非常多的情況，我們這裏做推薦想要實現什麽目的？1.讓用戶繼續本次購買，2.不僅完成本次購買，還要增加本次購買的商品件數，即做關聯銷售。有了這個邏輯，我們知道，針對用戶本次的購物車商品，用戶可能會購買本商品或有替代性的產品購買，因此針對購物車內商品類似的推薦是必要的；另外，針對購物車內商品的關聯銷售商品的推薦也是必要的。因此，會出現“您可能還需要以下商品”、“購物了該商品的用戶還購買了”的推薦。第二部分用戶提交訂單。到這部分，用戶已經完成訂單，我們還是要再做壹次努力，這次努力的方向是，在確定用戶最終購買產品的前提下，進壹步做搭配和關聯商品推薦，增加用戶購買商品次數和購買商品量。如果網站功能強大，同壹個客戶短時間內的兩次下單，還可以合並成壹個訂單以減少運營成本。因此，這裏會出現“購買了該商品的用戶還購買了”第三部分用戶完成購物之後。這個環節是在用戶已經提交訂單，並且完成整個購物流程。推薦的目的是讓用戶產生復購，而產生復購的條件是針對用戶購買行為的精準推送。另外，圍繞商品的用戶行為還包括商品評論、商品曬單、咨詢、降價通知、關註等，這些原理相同，都是根據用戶對某商品的特殊關註點進行精準個性化推薦。用戶的行為真的反應了用戶的真實心理？不是的，我們研究發現，其實用戶瀏覽行為和最終購物行為存在差異性，即用戶瀏覽的並不是最終用戶購買的，以價格為例：我們發現用戶在不同的品類上，網站關註價格與實際成交價格具有差異性，並且這種差異性在不同品類上表現不同。有的品類網站關註價格會高於成交價格，有的品類網站關註價格會低於成交價格。對於用戶這種口是心非的行為，如果我們只是壹味的按照用戶實際瀏覽數據做個性化推薦，效果必然要打折扣，解決方法是不管在做哪方面推薦，用戶的全部行為數據都要計入推薦權重中，購買的購買數據的推薦權重壹定要更大。做分析和做推薦的根本是圍繞有成交用戶的數據，讓沒有成交的用戶沿著有成交用戶的軌跡形成轉化。