本文是关于购物车营销功能设计的一些思考。这将是一个系列。利用自己对电商产品的浅薄经验，思考、总结、输出电商产品设计中的一些内容和模块。希望对大家有所帮助。
纵观国内各大电商网站，无论是天猫、JD.COM等大型B2C综合电商网站，还是小米商城等垂直网站，网易YEATION等OEM、ODM类型的自营电商，还是网易海淘等跨境进口电商，都在购物车中加入了“猜你喜欢”或“大家都在买”或“最近收藏”等营销功能。本质上当然都是利用大数据推荐产品。
目的是通过网站推荐的商品，引导一些在购物车页面犹豫不决的用户给予用户更多的购买选择，争取快速的订单转化；其次，为了提高客单价，毕竟买了商品A的用户可能还想买商品b。
一、购物车营销功能设计的价值这里先不说如何进行这种营销功能。相对于一个需求或功能模块背后的业务背景和功能价值，具体的设计层面相对简单。那么，我们来简单说说这个的意义和价值。
我记得很久很久以前，我不知道在哪里看到一句话，“设计产品的时候，我们只讲价值，不讲体验。很多人可能误解了这句话的真正含义。个人认为经历也是价值的一部分。相信说这句话的同学应该也是这么想的。
对于两者的具体关系和含义，我们先按此处无表。笔者想说的是，我们在做需求分析和产品设计的时候，也要坚持这样一个思维路径，就是先搞清楚一个产品能给用户带来什么价值，再去打磨体验层面的细节。
就我个人而言，我通常采用“创造价值——传递价值——获取价值”的思维环节。这是什么意思？它分为三层:
创造价值。即这个产品能够为用户解决什么问题，带来什么价值。传递价值。即产品开发完成后，我们通过什么渠道通路传递给用户，让用户知道并使用。获取价值。即用户开始使用产品后，如何从用户身上获取到我们期望的价值，包括商业价值与品牌价值等。为购物车产品推荐这个营销功能，我们从两个方面来讨论:
(1)用户价值
用户可以通过这个功能得到什么。用户并不总是理性的，往往会因为熟人推荐和口碑传播而购买某样东西。
往往在“懒惰”心理的驱使下，基于网站的主动推荐无意中为网站贡献了GMV。
在这个过程中，用户用更少的时间、更高的效率买到心仪的产品，是用户核心需求得到完美满足、体验良好的外在表征。
(2)产品价值(或公司价值)
产品端或者公司端通过这个功能能得到什么？
首先，产品推荐通过点击引导更多用户访问其他页面，必然延长用户在网站的访问时间，增加网站整体PV。这是用户给公司带来的用户数据的提升表现。
其次，总有一些用户(具体比例不好说，可能也符合“二八原则”吧。)会通过这个功能得到营销转化，给公司带来实质性的经济效益。
二、购物车营销功能设计的思考在分析了这个功能能给用户和产品双方带来的价值之后，我们再详细分析一下功能的设计层面。
通过体验和观察，笔者发现天猫在购物车页面设计的营销功能分为四个选项卡，分别是:店主热卖、最新收藏、最近浏览的和猜你喜欢的。如图所示:
JD.COM也类似。分为四个标签页，分别是:猜你喜欢的，手头买的，我的关注，最近浏览。如图所示:
当当网是增加2个Tab到购物车页面推广产品，推荐你；网易只有你喜欢的单一猜想；海淘是最好的搭配。我猜你喜欢和每个人一起总共买3个标签。
笔者以“天猫”为例进行思考和分析。
天猫的购物车营销功能分为四个选项卡，分别是:店主热卖、最新收藏、最新浏览、猜你喜欢。我们一个一个分析吧。
1、掌柜热卖起初，在我看Tab推荐的产品之前，我以为这是一些店铺花钱推广的热门产品。当我实际浏览时，发现店主热卖中推荐的商品95%都是我浏览的记录。比如最近一个月，我已经多次浏览过耳环、滑板、手镯、纸盒、茶几地毯…等商品。
在最畅销的推荐商品中，上述商品均有展示。当然也不是100%准确。例如，它向我推荐了一件XXL夹克。哈哈，这是什么鬼？
商品展示方面，共推荐5页(应该是按照规则展示的所有数据)。点按旋转指示器以切换浏览。如图所示:
2、最近收藏的顾名思义，这个很好理解。即用户在一定时间内添加到收藏夹的商品。默认情况下，仅显示五个项目。根据我的猜测，这五项应该是按照用户收藏时间倒序排列的，即最新的收藏会先显示(不一定准确。如果能有天猫产品同学的建议就最好了。)点击“转到我的收藏夹”查看更多内容。
3、最近浏览过的这也很好理解。我们根据用户在一定时间段内的浏览历史来推荐产品。默认情况下，这里只显示5个项目。点击“转到我的足迹”查看更多信息。这五种商品的具体展示规则要按照用户的浏览时间顺序倒排，比如浏览了15天的商品数据。如下图:
但是除了“浏览时间”之外，我不知道排名因素中是否还有其他因素，比如“浏览时间”(比如某个我浏览过很多次的商品，会不会排在我只浏览过一次的商品前面)。
4、猜你喜欢的这个更厉害。该网站基于自身的海量用户数据，构建用户偏好模型，分析用户画像，利用大数据进行商业智能分析和推荐。“猜你喜欢”也显示了5页数据(应该是按照规则显示的所有数据)。单击旋转指示器切换到视图。具体涉及的时间跨度不得而知。
“猜猜你喜欢什么”这一块通常被称为CF-协同过滤。协同过滤分为两部分，一部分是基于“用户”的协同过滤，一部分是基于“项目”的协同过滤。
(1)基于“用户”的协同过滤
最古老的算法之一。向用户推荐其他用户喜欢的兴趣相似的物品。
兴趣相似度通过计算行为相似度来显示，即把用户的各种行为映射成多维空向量，计算向量的相似度(常用的有余弦相似度、欧氏距离等。).
(2)基于“项目”的协同过滤
目前业界应用最广泛的算法。向用户推荐与他们之前喜欢的项目相似的项目。
不是用条目的内容属性来计算条目之间的相似度，而是通过分析用户的行为记录来计算条目之间的相似度。
我只知道最简单的概念性理论，不知道如何实现。有兴趣的同学可以从自己的参考资料中学习，如果能分享给我就最好了。
从上面的分析可以发现，“店主热卖”和“猜你喜欢”两个标签页都显示了5页的数据。
但“最近收藏”和“最近浏览”只显示一页，默认为五个数据。要查看更多，只能分别去“我的收藏”和“我的足迹”。认为个人“最近收藏”和“最近浏览”的权重比其他两个模块更重要。
根据作者不成熟的分析，这种设计可能有两个原因:
“掌柜热卖”和“猜你喜欢的”推荐的商品：从时间维度看，时间跨度很长，长达数月的商品仍然在此展示。从用户购物心路历程分析，此类用户并没有明确而清晰的购物目的，更多时候可能只是随便看看，看上了心怡的就买，没看到心怡的就算了。对于这部分用户，将他浏览过的商品按规则全部展示在他面前，根据算法进行概率命中，期望用户从这些商品中能够获得转化。似乎有种瞎猫碰耗子的感觉。而“最近收藏的”和“最近浏览过的”推荐的商品：一方面收藏的商品一般是用户购买意愿比较强但又并不想在收藏当时就立即购买，而是选择收藏起来等待时机再下手。其实你也可以把购物车当成收藏夹，比如我。但如果将所有商品都添加到购物车集合中，当用户实际购买商品时，需要将收藏但不买的商品取消勾选，移入收藏夹甚至不小心删除，这将大大增加用户的决策负担和运营成本。
另一方面，最近浏览的产品也可以认为用户有强烈的购买意向。同时，由于时间间隔较短，网站加大推荐权重，减少推荐商品数量，避免用户陷入选择悖论，延长购买时间。
但以上四种推荐方式，无论是店家热卖的，还是猜你喜欢的，还是最近收集浏览的，单纯从商品推荐来看，其实都是相当准确的。但是也有一些问题。
问题1:即我作为一个用户，在某段时间内浏览了A/B/C/D/E/F/G的7个产品。可能在期间的某个时间点，我已经购买了C之类的产品中的一款，或者与C有相似特性或功能的产品，系统还是会一次又一次的推荐C或者与C相似的产品。话不明白，我还是举栗子吧。
购物场景:十三，一个喜欢读书的蓝孩子，平时喜欢看纸质书，可惜缺少书柜，急需一个。于是在2016年11月，我在天猫App买了一个简单的白色书柜，满足了想储书却没有书柜的痛苦需求。
问题:去年11月购买这个书柜后，网站还在给我推荐书柜和各种书柜。
那么问题来了。从我们的生活经验来看，可以认为十三在购买了书柜之后，很长一段时间都不会考虑购买书柜。阅读速度这么快，就像看书一样。就算要买书柜也要把买的书看完(哈哈哈哈哈哈哈捂脸)。那么在这段时间里，毛为什么还在一次又一次地向我推荐书柜呢？
解决方案:个人有一个很不成熟的想法，是否可以用“用户的购买时间”作为区间点。用户购买该产品后6个月内，将不再向用户推荐具有类似特性或功能的产品。当然，仅限于“店主卖的最好”和“猜猜你喜欢什么”。我真的不喜欢反复推荐我暂时不需要的产品，不管你是不是热销品。
好了，问题虽然提出来了，但我相信所有天猫同学应该都想到了这个问题。至于为什么问题一直存在，我觉得背后总有商业背景和一些不为人知的原因。毕竟任何不讲业务背景的需求分析都是耍流氓。
问题二:乍一看，国内大部分电商网站都做了类似的营销功能，从最早简单的“猜你喜欢什么”或者“你还想买吗”功能，横向扩展到现在的四个标签页。
为了提高购物车页面的营销转化，增加客单价和网站GMV，以及网站整体PV，访问时长等数据。网站很精彩，很用心。虽然页面内容变得比较冗余，但也无可厚非。嗯，钱越多越好。
但是我们要静下心来，认真思考一下，有多少电商网站是为了做而做的。看到别人家都做了这个功能，好像不跟上步伐自己设计一个类似的功能就落伍了。
烧鹅，基于用户偏好数据的商业智能推荐，至少需要满足以下三点:
拥有海量的用户数据，足够支撑起商业智能推荐的用户数据这一基础和核心；拥有强大的用户模型构建能力，能够进行用户分类管理，构建用户喜好模型，在此基础上能够持续进行精准化运营；协同过滤算法技术较好，推荐给用户的数据精准度较高（个人认为至少80%吧。）问题三:产品推荐其实可以说是一个产品聚合页面，将用户在一定时间段内浏览或收藏的产品统一展示出来，唤醒用户的记忆——“咦，我以前见过这些产品，这个好像不错。我们买下它们吧。”
但是，购物车环节很重要。一般来说，用户既然来到了购物车页面，说明他的下单意愿非常强烈。最重要的是让用户尽快完成点击“去结算”的关键 *** 作。那么，在这个页面推荐产品的时候，你会遇到两个问题:
造成用户从购物车蹦失，看着看着可能就忘记下单支付了；延长了用户的整个购物时间，也许看到最后也没有看到更多心怡的，最后还是只能乖乖地购买一开始选择好的商品。这与互联网提升用户效率的原则是相悖的，其实也说明了一点–并非用户在网站的访问时长越长越好。个人认为应当是单位时间内的“有效访问时长”。当然，这涉及到网站销售目标和用户体验的权衡。
总的来说，虽然用户体验会有些受损，但是网站销售的提升带来的价值应该可以弥补这部分损失的体验，而且根据用户的数据和反馈，应该不会太差。
最后不管是喜欢还是最近浏览，本质上都是智能推荐。既然是智能推荐，那就难免少了人为的干预因素，甚至没有人工处理的余地。这部分工作完全由机器和算法来完成。
从目前的技术水平来看，要做到100%的完全准确率，击中用户的购物偏好，还是有点难度的。但既然要做，就要尽量做到全面，增强“智能”。
而不是打着智能推荐的旗号，实际做的是人为的商品推广。这个比较尴尬。毕竟如果你推广的产品和用户无关，用户是不会买的。他只会觉得你很讨厌。
在这里，笔者斗胆给你两个小建议:
先想清楚为什么要做，比怎么做更重要。尝试着用“创造价值——传递价值——获取价值”的思考路径来分析解决问题。哪怕你思考了完全不符合用户场景却也必须要做某个功能，这样的思维方式也是颇有好处的。感谢看到这里。
作者:青，笔名:#13#，主业是拉犊子，副业是聊天。微信:#青宗伟#，感兴趣的朋友可以关注交流。
文章的作者是@青宗伟。未经许可，禁止转载。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）