内容简介:智能推荐是方便了用户?还是烦扰了用户?
随着大数据的应用,营销方式已从简单粗暴的推销,变成了精准营销, 智能商品推荐系统 成为了各大购物网站的核心功能。
然而,这种看似人性化的用户体验是方便了用户?还是让用户更加困扰?
接下来我以一个例子来说明这种情况
小明( 人物 )在家( 环境 )需要一双夏天的拖鞋或者凉鞋( 需求 ),所以他打开了淘宝( 工具 )进行购买,两天之后他收到了货物很高兴( 结果 ),这次良好的购物体验让他想再次网上购物( 行为 ),买一条夏季短裤( 二次需求 ),他打开淘宝,发现推荐给他的是这些:
小明看到推荐给他商品大多都是拖鞋凉鞋,而且很好看,产生了纠结,可能有以下三种情况:
1.用户喜欢上推荐给他的款式,把之前的商品退了,购买新的。 此过程浪费了用户的时间成本——结果可能导致用户觉得网购太过麻烦,而直接选择线下购买。
2.用户喜欢上推荐给他的款式,但怕麻烦没有退货,再次购买。 此过程浪费了用户的金钱成本——结果可能导致用户冲动消费而产生的负罪感从而卸载产品。
3.用户还是喜欢自己之前购买的产品,对推荐的不感兴趣,没有购买需求。 此过程浪费用户的感情和精力,浏览“无用”信息。——结果导致用户体验不好,用户可能会选择放弃使用此功能。
此时智能商品推荐系统还人性化吗?
它其实在消费用户,就像卖场的导购人员一样讨厌,而且是在重复推荐同一类产品!
接下来我们要分析并改进这种情况
首先我们要明知道智能推荐的原理,智能商品推荐系统俗称“猜你喜欢”这一块我们通常称之为CF-协同过滤。
(1)基于“用户”的协同过滤
一种最古老的算法。给用户推荐和他兴趣相似的其他用户喜欢的物品。兴趣相似度通过计算行为相似度来展示,即将用户的各种行为映射成多维空间的向量,通过计算向量的相似度(常用的有余弦相似度、欧式距离等)得出。
(2)基于“物品”的协同过滤
目前业界应用最多的算法。给用户推荐和他们之前喜欢的物品相似的物品。
具体的我也不是特别明白,不过其本质上都是利用大数据进行处理运算得到商品推荐结果。
那么问题出现在哪里?
把大数据用于互联网商业,不会有错,这是未来的趋势。但以交互设计和用户体验的角度,此种方式缺少至关重要的一节:人性化设计。
经过交互设计的一些改良,再次举例:
小明经过昨天网购买了一双舒适的拖鞋,想再次购买一个夏季短裤,当打开推荐,发现:
小明发现不用自己搜索,系统就自动推荐了短裤和T恤,小明考虑了一下,决定直接在网上买完夏季需要的衣物,省得以后麻烦。最后小明挑选了一个短裤,两个T恤,还有一个遮阳墨镜加入购物车进行付款。
对小明而言这是一次愉快的购物体验,因为节省了他太多时间精力;对商家而言,利用了智能推荐系统成功绑定销卖商品。这种双赢局面才是智能推荐系统的价值 。
智能推荐的优化和情感化设计
对于智能推荐,在基于大数据的基础上,还要进行情感化分析:
比如:拖鞋——夏天——热——短袖/短裤——阳光——墨镜/防晒霜等等——
这种联想的方式会让一个搜索商品变成一个商品链,而且是适应用户的商品链,大大增加了用户的购买欲望和需求。
如果想进一步提高用户体验,需要继续而充分的利用大数据
比如经过大数据的统计和分析得出用户信息关键词:女性,喜欢白色,爱穿裙子,各子高挑,微胖,爱美。
通过以上信息只能推荐应该给出的商品是:宽松的女士白裙子、百搭宽松打底衫、防晒霜和修复乳等等
永远要替用户着想,减少用户的选择成本,帮助用户把事情简单化,甚至一体化。
可能作为交互设计师,你需要花费一年的时间减少用户一秒的时间成本,但这就是一种用户体验上的成功。
还是那句老话,不管时代怎样进步,技术怎样进步, 以用户为中心永远是交互设计的第一原则。
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:- Ubuntu 公布用户统计数据:中文用户占 4%
- 如果修改 git 已提交的用户邮箱和用户名
- 基于websocket的实时通告功能,推送在线用户,新登录用户
- 付费用户暴增7倍,这项技术是如何对用户产生影响的?
- openssh – 如何为除多个用户之外的所有用户禁用密码验证
- 用户画像:计算用户偏好标签及数据指标与表结构设计
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。
HTML 压缩/解压工具
在线压缩/解压 HTML 代码
随机密码生成器
多种字符组合密码