本文由三班荣誉中文翻译组出品。
推荐理由:
电商的人在商品搜索方面做得非常好:顾客已经知道自己想要什么，所以很容易搜索。但是在商品搜索中就不好了:如果顾客不知道自己想要什么，那就没办法了。
本文总结了四种合理的发现商品的方式:顾客自我游走、我的助手式服务项目、社交媒体好友的强力推荐、依托优化算法的智能推荐。期待对大家有所帮助。
以下是文章的部分正文。
之前有没有遇到过找值得看的电影的问题？还是为了更好的找到合适的礼物，记住头疼的事？或者不确定性。接下来去哪里看这本书？你不是唯一遇到这种问题的人。
众所周知，网购者并不擅长快速找到新的东西，但未来还是有希望应对这种困难的。
搜索或猜测。
在线零售商擅长帮助经营者找到他们已经知道的商品(搜索商品)。如果你知道你要找的电影、商品或书籍的名字，你可以在短短几秒钟内从许多选择中搜索到它。
但是如果你事先不知道你实际上在找什么呢？在线零售商的一贯做法是正确地把你引导到他们受欢迎的产品上——也许是一本全新的畅销经典书籍，或者是本周《纽约日报》畅销书的创造者。但是一般情况下，这种热销商品并不符合你的要求。
DackerHolovitz的合作伙伴BenedictEvans最近强调了这种发现差距(接近于被动用户搜索和主动用户搜索之间的内容难度):
亚马逊擅长营销摆在书店门前桌子上的物品，或者一年卖出几百万本书中的一本。但是如果你想让它展示你书柜后面的东西，它做不到。在你从来不知道或者不确定什么东西是必须的时候，它是不擅长把东西卖给你的，除非你自己看到了。
那人怎么才能让顾客找到最想要的商品呢？有四种方法。
一.检索
检索是最基本的发现方式。不知道接下来看什么书？然后，就在美国搜索亚马逊的小说内容。其实很简单。互联网发展之初，检索被认为是一个独立的产品类别；现在搜索增加了一个新的功能，适合根据价格、评论、创作者或者其他要素进行选择。这样的动作，用户赞不绝口。然而，对于在商店中搜索来说，在线搜索是一件耗时且往往无果的事情。
亚马逊平台上搜索小说的分类
第二，人性化服务
第二个解决方案是向客户展示“从零开始”的服务项目。例如，TrunkClub和StitchFix这两家在线服装零售商为每位顾客配备了一名私人顾问。咨询师会掌握自己的兴趣爱好，拿到每月的服装发货清单。对于高端店来说，超大量的商品可以适用于高级定制，而低利润的商品不适合这种方式。
网上服装工厂零售商TrunkClub根据个人导购的方法向顾客提供帮助。
三。社交媒体数据信号
第三种方式是想办法导入你的关联链，给你的百度搜索页和访问页尽可能多的“你的朋友看过或者买过什么”的信息。脸书显然是一个完美的例子。它根据你在网站的个人行为显示新的信息。但是正如BenadictEvans在她的创新经典著作中指出的，脸书成功的信息呈现方式并不适合商品购买阶段。
有一个叫Foursquare的App，根据你朋友每天在咖啡馆和餐厅的签到记录，帮助你在不确定去哪里吃饭的那一刻做出决定。我认为在百度搜索中提高好友信息对改善搜索体验是有效的，但不是最关键的方式。
在百度搜索中完善好友信息，改善搜索体验。
第四，个性化定制
最重要的方法是应用数据驱动。在掌握用户口味的情况下，可以紧紧围绕这个爱好定制自己的上网感受。这并不意味着你需要人力等高成本的方法来保证个性化定制。其实设备是可以保证的。深度学习花费的时间更少，性价比也高，按照优化算法进行定制，依然可以发挥其巨大的效果。(三课笔记:结合商品的基本信息进行分类，将相似或相关或具有共同特征的商品标注出来，然后根据用户以往的访问和个人购买情况，强烈推荐用户很可能感兴趣或相关的商品。)
比如给你找新歌。5月，Techcrunch提到:AppleMusic、Todal和Spotify最近在推荐音乐方面的尝试失败了，因为它们都被困在传统的博客时代的显示信息文件格式中。然而，Spotify在其他强烈推荐的个人专辑旁边宣传了“每周播放视频列表”的作用。系统软件会在每周一升级30首它认为你很可能喜欢的音乐，轻松解决音乐推荐中的困难。
Spotify的“每周播放视频列表”每周向用户展示混合的新鲜音乐列表。
我们的创业项目Arema.co在掌握用户喜欢的现磨咖啡种类时，也运用了这种方法。这种方法可以为用户强烈推荐其他类似的现磨咖啡。
Crema.co知道你最喜欢的现磨咖啡，并向你提供明智的建议。
众所周知，并不是所有技术驱动的个性化定制都是有效的。以美国亚马逊为例。他们的强推荐系统已经运行很久了。但是，他们“买这个产品的顾客也买别的东西”的角色并没有给用户带来意外的惊喜。它强烈推荐所有表面上看似丢失的产品。其他商品层面的尝试也不尽如人意。比如Itunes里的“相关选项”一般都是空。
缺乏强烈的推荐概念
很多在线零售商仍然依靠商品的外观来销售，没有考虑到缺乏强推荐的问题。要处理这个问题，关键环节取决于呈现丰富多彩的搜索体验，最好是能收集用户社交媒体信息的那种。逐渐的，智能零售商可以越来越准确的把握用户的需求，给用户营造人性化的感觉，进而帮助用户处理不知道怎么找货的困难。
*我们试图在文章内容中总结一些有可能被翻译成中文和英文的互联网技术词汇使用方法。我们希望这对你的跨语言交流有所帮助。这可能是一个小要求，但你可以先定一个小目标:)
本期关键词:
发现差距。发现差距(本文中的关键定义是指接近被动用户搜索和主动用户搜索中间的内容难度)
个性化定制(这里是指根据用户的个人行为和信息数据，向用户强烈推荐人性化)
算法驱动adj优化算法/数据驱动(包括数据采集、数据分析和数据信息的应用)
标准n.要素/标准(在原文中是指选择标准)
文章内容来自三班中文翻译群，创作者是泰勒·泰特(TylerTate)。
中文翻译:翠屏，二级产品运营
审校:姚帅，三班中文翻译组组长，公安部党委委员，风软电影原领导，断熊字幕组创始人之一，疯狂网络原产品总监，网易考拉FM新品总监。微信官方账号:filmbeartalk，热烈欢迎交流。
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）