為什么要做相關商品推薦?

　　商品詳情是可能挖出金子的島嶼，我們都知道。

　　于是我們使了各種招式，終于讓用戶來到了商品詳情頁。我們悄悄念起魔鬼的咒語，恨不得用戶馬上去點全頁最醒目的那個“加入購物車”或”立刻購買“。可是，絕大部分B2C商詳頁的UV轉化率不超過5%(何況是PV!)，絕大部分用戶最終是不會購買這個商品的，有可能他是被大胸的模特圖騙進來的，有可能價格不合適，有可能商品細節不喜歡，有可能大多數的好評里有一個讓他難以接受的差評，總之，他不想買。

　　難道讓用戶就這么流失?

　　相關商品推薦的作用就是讓用戶繼續逛下去，直到讓他找到喜歡的商品。

　　好的商品推薦，是讓用戶不能停住腳步。

　　相關商品推薦的關鍵在于”相關“

　　相關商品銷售的關鍵在于”相關“，這就意味著必須從某個角度、或者維度對商品進行切分，然后聚類，推薦給用戶。這跟線下的商品陳列是很類似的，比如你走到一個牛肉泡面的貨架前，拿起一包泡面仔細地端詳起來，可能這個口味不喜歡，那么你可能從旁邊的貨架上找到其他口味;可能”康帥傅“的字樣終于被你發現不對了，你可以在旁邊貨架試圖找到真的”康師傅“。前者是基于口味，后者基于品牌。

　　還有很多線索，比如特價、比如套裝。

　　線上的展示會更加豐富，因為線索是可配置的，可切片的，不像線下的貨架難以移動。

　　基于商品和基于用戶行為

　　縱觀目前各大電商網站的相關推薦，無非”基于商品“和”基于用戶行為“兩種相關商品推薦。

　　基于品類，主要有兩種方式”相關搭配“和”銷售排行榜“。相關搭配，往往是基于互補的商品和品類，比方說賣個手機吧，搭個手機殼、充電器;賣件襯衫吧，搭個西褲加襪子。套餐購買省10塊哦，親。”銷售排行榜“，這個必須加上其他的標簽進行細化，比如”同品類“、”同品牌“、”同價格段“，這是京東的商詳展現的內容。

　　基于用戶行為，就是通過用戶個人或者群體表現出來的特征進行推薦。這種方式，亞馬遜用得可謂淋漓盡致。像”猜你喜歡“之類，基于用戶的個人屬信特征，比如年齡、性別、購物偏好、收入水平等，這個沒有豐富儲量的數據，普通的B2C根本玩不轉。但其實還有一些更簡單的方式。最簡單的莫過于”最近瀏覽的商品“模塊，喚醒用戶記憶，簡簡單單，好不好用，要看數據。還有”瀏覽該商品的用戶還瀏覽了“、”瀏覽該商品的用戶最終購買了“，這是基于群體的瀏覽行為;”購買該商品的用戶同時還購買了“，這是基于群體的購買行為。純粹這么玩，是玩不轉的，推薦的商品未必靠譜。無論是瀏覽、購買行為還是拉取相關品類、品牌之類的標簽信息進行聚合。

　　至于具體算法，別問我，我也不知道。

　　到處都是其他推薦，很煩啊有木有?

　　以上的這些相關推薦模塊全加上，真是全屏商品，看似豐富，可別忘了商詳頁的首要目標：讓用戶把商品買下來。選擇太多，很煩的，在頁面間跳來跳去。

　　因此，不要過度推薦。

　　區分推薦商品類型：同類商品、補充商品和友好商品

　　一件襯衣的商品詳情頁，你推薦了別一件襯衣，那是同類商品;推薦了一條皮帶，那是補充商品;你算法算出來，買了襯衣的用戶通常還買了TT，好吧，這是友好商品。

　　一般來說，同類商品排行榜、”瀏覽該商品的用戶還瀏覽了“、”瀏覽該商品的用戶最終購買了“，推薦的往往是同類商品。”相關搭配“、”購買該商品的用戶同時還購買了“，推薦的是補充商品;“猜你喜歡”之類的推薦的是“友好商品”。

　　一般來說，商詳頁的內容應該包括同類商品、補充商品和友好商品，不要把想到的所有模塊都鋪上。那如何用設合適的模塊呢?要考慮下面幾個因素。

　　區分品類的需求特點：需求集中和需求分散

　　產品生命周期長、新品更新慢的產品，往往購買需求比較集中，這時候商品品種之間關系比較穩定，基于品類的推薦會比較靠譜，這時候像“相關搭配”、“銷售排行榜”從各個維度(品類、品牌、價格)進行拆分，匹配用戶的概率比較低。

　　而像女裝這樣需求高度分散的商品，銷售排行榜之類的推薦往往不靠譜，這時候使用基于用戶行為的商品推薦可能會更匹配一些，其原因在于買這樣的商品的人是同一類人，有著相似風格，因此這里的基于用戶瀏覽、購買行為的推薦其實還可以再打上”風格“的商品屬性標簽，這個標簽可以不給用戶看到。其實還有一個地方，很多B2C蠻重視的，但目前為止還沒看到哪家在做相關商品的推薦，就是曬單區，比如凡客有凡客達人喜勵曬單，但還不是很明顯地在曬單區展示該達人的相關商品。如果是高度分散的商品，基于人的因素的商品推薦還是值得嘗試。

　　區分用戶的類型：老用戶和新用戶

　　新用戶的推薦，以上的玩法也夠玩了。

　　老用戶的相關推薦玩法可以更豐富些，可有個性化的商品推薦;如果是平臺性的網站，可以推薦”你購買過的店鋪同類商品“。當然，沒有基礎能力，這些還是玩不轉的。

　　商品推薦的位置

　　一般網站，都是將補充商品放在商品主圖下方，而同類商品、友好商品的推薦放在側邊欄和底欄。第一目標，仍然是讓用戶購買;第二目標，買了，就搭配上其他東西，多買點;第三目標，好吧，這個不是你的貨，看看側欄其他商品如何。

　　最近在看韓國的網站，gmarket, 11st的商品詳情頁設計，還大量地添加了通往賣場的鏈接，更重要的不同是在右邊欄添加了浮欄，展示相關商品，無論你如何拖動商詳頁，都可以看到這個浮欄。這個設計的當然很鼓勵商詳頁的跳轉，可是是否過重了呢?

　　這個需要數據去說明問題。

　　最終還是要看數據

　　上面講了一些思路，但對或不對，適合還是不適合，最終還是要看數據。看哪些數據?

　　單純從商詳跳轉來看的話，要看商詳PV中上一級頁面是商詳的比重，商詳相關推薦模塊的點擊率。

　　此外其他數據也值得參考，商詳PV/整站PV，商詳跳失率，不過這兩數據受其他因素的干擾比較大。

　　孤島相聯

　　相關推薦更多的是一種基礎能力，往往短視的網站看不到它的重要性，相關推薦做得特別粗躁，很難做到“相關”。相關推薦也是比較難的，我只是大致列了一下思路，在實際應用中是需要不斷地根據數據去優化，而且更復雜的算法更需要不斷迭代完善。

　　但商品與商品之間確實需要通過某種線索聯結起來，而這一種線索無論是通過商品打標、工人配置還是算法匹配，都應該建立一種機制讓這些滿是寶藏的孤島相聯，這樣才能更加繁榮。

　　文章來源：eccman.com