一、需要構建什么樣的場景引導

1.相似產品推薦

此類功能一般出現在商品的詳情頁，根據用戶瀏覽的商品特征，系統(tǒng)會根據共性標簽來匹配共有特征的商品，然后集成相似產品的推薦。相似產品推薦能夠幫助用戶在經過對產品的初步了解后，進一步對相似商品進行對比，提供不一樣的商品展示瀏覽，給用戶有全面的比較，而該功能的主要圍繞商品的“特征”。

譬如，當我在瀏覽兒童非洲鼓時，系統(tǒng)會自動匹配關于“兒童”特征的“非洲鼓”產品，這樣有效的降低了用戶在瀏覽產品時的頁面跳出率。

2.猜你喜歡 

該功能主要應用于購物車，即用戶的訂單呈現處，系統(tǒng)通過分析用戶的歷史行為，瀏覽記錄，搜索記錄等等，來計算處用戶可能會喜歡的產品列表，進行推薦。

以用戶的購物車為例，當用戶添加商品至購物車時，系統(tǒng)判斷出用戶喜歡此類商品，并且有購買意向，所以這時候推薦相似的商品是基于對用戶行為分析而得出的推薦并進行進一步的購物引導。

二、如何實現場景引導

在實現場景時，我們需要分成三步走：

一是特征工程，主要是在推薦模型中加入、提取用戶個性化特征或是商品的個性化屬性，用于更精確的描述用戶行為或是商品信息，從而提高推薦模型的準確性，獲得更加精確的推薦結果。

這里實際上就是一個數據埋點、上報的過程，以電商為例，可能包含的數據有：

• 用戶 – 手機、郵箱、地域、性別、年齡；
• 商品 – 名稱、分類、標簽、價格、銷量、優(yōu)惠券、收藏數、分享數；
• 行為 – 登錄、注冊、加入購物車、提交訂單、支付、搜索。

二是根據特征工程上報的數據，通過程序算法，生成推薦原始集。

三是對推薦原始集進行重排序，基于不同算法產生的物品推薦度以及用戶畫像特征、物品特征等做商品預估排序，生成最終推薦結果列表。

總結：多樣化的用戶購買場景是為了更好的引導用戶購買，將購買行為場景化是如今電商APP開發(fā)中的改革方式，通過數據分析集成模擬出推薦用戶喜歡場景，降低用戶跳出及成交率，利用數據更好輔助平臺及用戶進行決策。

深圳市積木創(chuàng)意科技有限公司是專業(yè)的小程序開發(fā)公司，在產品開發(fā)中，我們會將用戶體驗融入開發(fā)中的每一個環(huán)節(jié)，幫助小程序運營者打造具備好體驗好口碑的產品。

當前文章為積木創(chuàng)意科技原創(chuàng)分享，如有轉載，請標注導航：http://cognostek.com