内容简介:借助算法强化和打造爆款,希望利用用户的从众心理去提升GMV,个人认为随着消费者权利意识的觉醒,以及追求消费个性化,人气推荐算法的弊端将越来越明显。今天,如果一个业绩还不错的某宝或某东商家在网上晒业绩单,毫无疑问,底下留言最多的评论是——
借助算法强化和打造爆款,希望利用用户的从众心理去提升GMV,个人认为随着消费者权利意识的觉醒,以及追求消费个性化,人气推荐算法的弊端将越来越明显。
今天,如果一个业绩还不错的某宝或某东商家在网上晒业绩单,毫无疑问,底下留言最多的评论是——
“楼主,能分享一下怎么刷单吗?”
有经验的商家都明白,要想让自家的宝贝快速在成百上千的同类商品中脱颖而出,完全靠自然增长是不可能的,在前期要么上直通车,要么辅以刷单。商家从成本的角度考虑,大部分会选择刷单——即便这一行为被平台明令限制,存在很大的风险。
抓刷单、防刷单已成为电商平台日常运营工作中非常重要的一环,通过异常行为监控可以识别出部分非真实需求的订单。但是,在分工明确的刷单产业链面前,平台的刷单监控系统很多时候都显得无能为力,部分商家不惜加大刷单成本投入,通过众包模式找一些行为正常的普通人参与刷单,及在刷单发货时发空包或替身包,以便躲过刷单监控,或在被系统识别出异常后方便申诉过关。
商家之所以乐此不疲,不惜加大刷单投入,最核心的原因是平台业务规则设计使刷单存在较大的“套利”空间,而笔者认为这一切的根源则在商品搜索推荐算法人气权重过大。
人气推荐算法大行其道的逻辑
人气指标在电商平台商品搜索推荐算法中占据着重要权重,至少有两个看似十分合理的逻辑:1、人气高(访客量、收藏量、加购量、销量等指标高)的商品经过多数人的验证,商品品质更有保障;2、爆款推荐有利于提升平台成交额(GMV)。但是,如果仔细推敲一下,这两个逻辑可能都站不住脚。
先说第一个逻辑,我们知道,普通人有从众的习惯,原因很简单:走别人走过的路可以省去开辟新道路的成本,也就是可以节省“试错”成本。但是,如果前面领路的人一开始就走错了方向,是不是后面的人也会入坑呢?
一个简单的故事可以说明这个道理:
4个盲人排成一排走在雨后的乡间小路上,扑通一声第一个盲人踩进了水坑里,后面的人问“怎么了?”,第一个盲人答:“没事”。扑通一声第二个盲人踩进了水坑里,后面的人又问“怎么了?”,第二个盲人答:“没事”,直至最后一个盲人也踩进了水坑。
很显然,没有人会心甘情愿的帮别人去做试错的小白鼠,一般人在试错后是不会向后来人反馈的(至少不会轻易向没有关系的非特定后来人反馈)。
看看人类历史上那些试错的领路人最终的历史地位,你就知道跟着领路人走(从众)也是要付出代价的——为世人尝遍百草的神农氏成为中华民族的始祖,获得了封神的回报。领路人是需要激励才会有动力领路的,如果为大众服务的领路人得不到大众任何的尊重、感恩、感激等正向回应,很可能因为不被理解而坚持不下去。领路人除了需要精神上的爱与尊重,还需要更实际的特权,不是有一句话叫做“将军骑马是工作的需要吗?”
找一个人去跟从,借助其经验去决策和选择所付出的代价,在经济学上有一个专有名词来描述——代理成本。既然从众是有成本的,就有可能发生成本大于收益不幸入坑的事情,特别是当你跟随的人并未与你签订保障试错质量的服务协议(网络购物便是这样,前面的消费者对后面的消费者不负有任何责任)的时候。
可能理论解释不是十分容易理解,我们还是看一个实例:
在某新进的购物平台上(以pin字开头的社交电商平台),有一种外包装和“蓝月亮”牌洗衣液很相似的洗衣液十分畅销,却也是十足的仿冒产品。
通常来说,有几十万人上过当,早就应该继续不下去了,但实际上该产品至今依然在畅销。
现实中,我们就是踩水坑的盲人,因为懒,97%以上的人没有购物评论习惯,主动评论的人很大一部是发泄情绪或者是受到了商家激励,而这些少数的评论最终会淹没在多数人的沉默中,再加上商家还可能会刷评论,少数评论者的声音就显得更加微不足道了。总的来说,人气指标更多的是反映大众偏好,对商品品质并无直接关联,对消费决策的借鉴作用也不大。
接下来讨论采用人气 排序 是否对提升平台成交额(GMV)有帮助。虽然没有确切证据表明人气排序对提升平台成交额(GMV)无帮助,但作者仍然倾向于该算法对提升平台成交额(GMV)没有帮助,特别是相对于个性化推荐算法而言可能还有抑制消费的副作用。
商品搜索中以商品人气为主权重进行推荐,其底层逻辑是使用大众偏好揣度个人偏好。这就好比以群体标签去认知个体,其逻辑与地理黑类似,比如:河南人中有一部从事电信诈骗,便得出河南人都是骗子的片面结论。使用大众偏好揣度个人偏好在缺乏个体行为特征数据时,不失为一个好策略,但在大数据时代却不能算好策略。人气 排序算法 对打造爆款有强化作用,却也使得流量集中,小众商品得不到曝光,小众需求得不到满足。
在这样一个商品丰富,消费者追求个性化的时代,很大一部分人不再追求人有我有,而是追求差异化。但人气推荐算法却与此违背,同时在这一算法下,大部分商家都成为了绿叶,只有少部分能赚到钱。
据某宝商家培训资料显示,90%的某宝商家亏损,仅10%的商家盈利。大部分商家的商品得不到曝光,也给了其他电商平台服务这些亏损商家的机会,个人认为这也是以pin字开头的社交电商平台能够快速转移一部分商家得以崛起的一个原因。
个性化推荐、品质推荐算法可能是一个解决之道
现有的电商平台可能也意识到了一些问题,均在大力发展千人千面的个性化推荐系统。但千人千面大多只是应用到首页展示,以及其他广告推荐页面上,尚未应用到商品搜索方面,不同个体的搜索结果大同小异。而搜索(有明确目标)购物依然是消费者最主要的线上购物习惯,所以即便电商平台大力发展千人千面,但对促进商品曝光机会均等,促进平台成交额(GMV)提升,其效果可能不会十分显著。
现在的互联网公司都很喜欢把用户体验挂在嘴边,但真正做到以用户体验为产品设计基准的却没有几家。若真是以用户体验为产品设计基础,商品搜索排序算法更应该以商品的质量维度及商家的诚信维度等可提升用户购物体验的指标为主权重。用户消费有保障,每次购物都有较好的体验,将形成正向反馈,自然会多购物促进平台成交额提升。而借助算法强化和打造爆款,希望利用用户的从众心理去提升GMV,个人认为随着消费者权利意识的觉醒,以及追求消费个性化,人气推荐算法的弊端将越来越明显。
好了,一些不成熟的想法就说到这里,欢迎大家指正讨论。
PS:求推荐数据产品经理工作——BI商家智能,数据可视化,精准营销,用户画像等方向,地域不限,工作量大,有一定自主权的工作机会尤佳。本人有3年电商行业数据可视化经验,从0做过电商BI商业智能系统(类似淘宝生意参谋,包括但不限于:流量分析、用户行为分析、用户购物意愿分析、店铺交易流失分析、店铺竞品监控、店铺异常监控、店铺运营质量分析等功能),商家画像及买家画像系统,精准广告投放系统。
本文由 @产业纵论 原创发布于人人都是产品经理。未经许可,禁止转载。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 复杂场景下的复杂缺陷检测方法——深度学习算法综述
- 从0到1创建高效的产品缺陷管理流程(1):缺陷是什么? 如何建立缺陷管理流程?
- 为什么说缺陷去除效率比测试缺陷率更适合软件质量度量?
- 缺陷数据就是个宝藏
- 修复缺陷的正确姿势
- 网站用户宝典:25个缺陷跟踪工具
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Practical JavaScript, DOM Scripting and Ajax Projects
Frank Zammetti / Apress / April 16, 2007 / $44.99
http://www.amazon.com/exec/obidos/tg/detail/-/1590598164/ Book Description Practical JavaScript, DOM, and Ajax Projects is ideal for web developers already experienced in JavaScript who want to ......一起来看看 《Practical JavaScript, DOM Scripting and Ajax Projects》 这本书的介绍吧!