图片版权所属：站长之家

本文来自于微信公众号三节课(ID：sanjieke01)，作者：三节课《策略产品经理实战课程》课程负责人-波波，站长之家经授权转载。

今天，想和大家聊三个问题。

一、连衣裙客单价低于 128 这条线存在吗?

先还原下事件：

2. 24 号中午微博博主“风中的厂长”发了一条微博(如下图)，并在 5 小时后进行了解读。

随后演变成客单价低于 128 的人群属于“低价人群”，虽然厂长不断强调同时满足三条。架不住热心网友纷纷上淘宝搜索，导致“连衣裙”连续三天霸榜热搜词。

随后淘宝官方进行了回应：

博主#风中的厂长#再次回应，一石激起千层浪，吃瓜群众当然表示不信了，无论是被打上什么样的标签，心里肯定不太舒服。

看到“千人千面”“搜索”“逻辑”这些词的时候，作为策略课程负责人的我觉得有必要搞事情了。

最近几年大家都隐约感觉到各类app越来越“智能”，也出现“杀熟”如此不地道的事情，谁在搞怪呢，真的是机器和算法更加智能化了吗?

可以很明确的告诉大家“ 128 不一定存在，但对用户进行分层，对各类用户进行标签定义是真正存在，俗称个性化推荐”。

下面，就让我来简单剖析一下。

二、淘宝如何做个性化推荐?

我们尝试还原淘宝的搜索推荐策略，发现淘宝处处是策(tao)略(lu)。

今天，不妨按照策略四要素(待解决问题-输入-计算逻辑-输出)来解构下淘宝的搜索推荐策略，解读淘宝如何做到：

1、我们可以定义淘宝的待解决问题：

给每个用户推荐最需要和偏好商品，提升活跃(停留时长)和转化(成交率)。

2.输入：(用户活跃和转化受哪些因素影响/我们会被贴上哪些标签)

淘宝为了解我们的需求和偏好，可能会从以下层面去提取标签，用来解释每个人的画像：

• 用户基本特征(性别、年龄、地区、职业(学生、白领、高管、妈妈、孕妇、老师、程序员、行政······)不一一列举

• 用户购买力(总消费金额、近期消费金额( 3 个月或 6 个月)、最大消费承受能力、职业类型、芝麻信用分······)

• 用户行为记录(常买商品、近期浏览、购物车······)

• 用户场景(早、中、晚、工作日、周末······)

• 由于淘宝是B2C交易平台，我们也需要考虑到商品侧因素：

• 店家的基本信息(邮费、商品的质量和种类、好评率、成交率、退货率、价格、排序页面、展现页面······)

淘宝系统可能会据此这样定义某人：

一个来自二线城市的白领女孩，总消费水平中等，近期在淘宝消费1000-3000，芝麻信用分600-700，常在淘宝上购买服饰，近期浏览和添加购物车都是服饰，而且都是晚上购买，收货地址标注为家庭。成交商品中都为包邮，会选择价格中等的店铺(如zara，优衣库)进行交易，很少跟客服沟通，付款时间在 24 小时内······

此图仅为列举，淘宝肯定会区分的更加细致，比如点击过哪些页面，打开过哪些系统推送，使用优惠券的金额···等等，可以看到要做到个性化推荐，用户的场景和需求是无法穷尽的。

接下来剖析下淘宝用什么样的机制做到个性化推荐。

3.计算方式(淘宝的算法公式太复杂，以图文描述)

淘宝APP是由多个策略系统交叉组成，我们主要探讨搜索推荐策略的计算方式。搜索推荐策略设计内容有搜索策略—推荐策略—排序策略—展示策略，各个策略之间也是交叉影响的。

推测淘宝的计算逻辑应该有采取二叉树进行遍历(仅为推测)

可以理解为：if...then...else...

如果你是频繁购物的学生，经常买连衣裙，这个时候推荐XXX。

如果你是频繁购物的学生，没买过连衣裙，这个时候推荐XXX，不点击则推荐连衣裙相关。

可以参考搜索推荐策略其他计算逻辑(漏斗筛选)：

例：当一个 3 个月前买过钢笔的学生在淘宝上搜索了“钢笔或墨水”，系统可能会判断他想要同价位或者更高价位的钢笔/墨水/本子/这些物品，再调取他的历史搜索和成交数据，很大概率会在搜索结果页优先排列同等价位和星级的商品。

但该策略也会穷尽极端情况，所以不太可能给一个学生推荐价值70W的RM SO5 钢笔或派克(保时捷纪念版)···

明白淘宝搜索推荐逻辑后，我们再看看淘宝的展现策略   ：

(注：我手贱搜了一下连衣裙，随后在这些地方全部发现推荐展现踪迹)

不要以为展现策略仅仅在搜索结果页的排序，如果你有心去观察淘宝的各个模块(上图标红部分)也可以参考下图感受展现策略的无处不在。

并且神奇的是淘宝会尝试推荐不同类型不同价格的商品给你，每一个模块都有计算逻辑，随机呈现给你，总有一款能打动你不是吗???