之后肯定会遇到的常见问题!建议收藏

第一:标签来源于访问者的行为轨迹数据,直通车、搜索、手淘推荐、超级推荐和钻展共同使用的访问者的行为数据并且是循环处理相互影响的,标签权重越高,访问者的行为数据越聚焦,人群标签越聚焦就会产生同一批不同端口的精准人群发生冲突的情况,造成此伏彼起。

有句俗话叫“一只鸭子多吃一只鸭子”,每个平台上的访客行为数据都会影响到下一个平台上数据的反馈,这就要求我们了解每个平台的数据源和访客流量特性的合理搭配,构建生态循环,这也是我们鬼式高价值信息流应用生态闭环系统的核心部分。

如何构建一个生态闭环系统,让访问者数据的生态循环从2019年开始,一直到下课,我们都会讲到这一点。

新规则进一步确认了我们课程的前瞻性和正确性,我们再次领先于对手。

构建闭环的生态逻辑,首先要弄清楚这些工具是圈的还是收的。

圈人系统中如何布置可以精确地引流和拉新,如何转换得更有效。

所有这些都是基于共享的访问行为数据。

其次是访客触达路径的布局设计,根据流量访问者的特性预先设计多条链子的触达路径。

鬼怪式高价值信息流应用闭环生态系统我已经在6月和7月发表了几篇文章对此做了详细阐述,有兴趣的朋友可以回头看看。

到底是标签的垂直显示还是标签的丰富程度影响着标签的多端口显示权的取得。

上篇文章也有针对这个问题给大家提出并给自己做了一个常规的实践,这要根据自有店铺的类目、流量体量和店铺层次来判断,我是建议一般五层以下的店铺先扩张,6到7层再扩张。

特别是从手工淘改版来猜你喜欢的改版,我们可以看到访客历史行为数据对推荐流量的影响。说实在的,这个推荐机制并不理想,系统还是过于依赖访问者的行为数据,而忽略了购物“场景”。

建议机制基本上还是围绕访问者的历史行为数据进行推荐,这是最低层次的建议机制。

在知乎上看到一个同学的观点比较赞同:“推荐容错但不容错,目前淘宝做的与此相反,推荐的都是经过相似经历的产品,没有根据用户需要的场景进行推荐,用户不会因为你推荐了许多他不感兴趣的商品而反感你,而是半天都不能推荐自己感兴趣的商品。”

目前的推荐机制算法并不属于消费者真实的购物场景,而是基于先前的行为数据进行相似或最初级的购物分类,从而进行推荐。

或许是因为技术没有发展到位,或许对于淘宝来说,打破底层逻辑重构也是一件难事。

必经的逻辑是基于历史行为数据和消费场景完成,不是底层框架,不是迭代,而是推倒重来。

这次手淘改版我们还是可以看出淘宝在丰富上做的尝试,首先,端口丰富了,大家看到无论是猜你喜欢,便宜货,买家秀,直播这个导航栏端口受标签权重的影响很大,就是插放猜你喜欢的聚划算,洋淘秀,行业频道,小黑盒,咸鱼等多个端口的显示,都受到标签权重的影响很严重,建议大家叠加展示。

这个里面大家有没有发现真正的推荐机制还是围绕着一个垂直标签+一些丰富标签进行推荐的。

垂直标签会影响每个显示端口的显示内容。

即多显示端口核心是垂直标签为主扩展一些其它相关标签和品类产品。

从此我们还是要做垂直度标签,打开更多的显示端口来获取更多的显示,从而得到更多的显示。

由此来看,爆款时代也已结束,围绕着垂直度标签做布局,势必展现的数量容易封顶。那就更应该转变思维了,用五个甚至更多的链接来布局垂直度标签打造小爆款群或者做真正赚钱的淘宝店,而不仅仅是盯着流量大小来评判成败。

第三:如果底层逻辑和流量性质还有搭建路径的顺序不对,直通车压制搜索,直通车一开,超级推荐一开搜索都会被淘汰的情况将是常态。

“直通车”压制搜索的情况不仅发生在基本属性人群和定向人群的比例上,标签权重越大,直通车与搜索的关系就越难控制,优化点应该站在更高的位置,将直通车和搜索看做精确引流,而仅仅是免费一次,通过访客行为数据生态循环,提升UV价值,从而再一次引导和突破搜索,让各种流量性质的搜索,只负责主要核心功能。

构建完整的游客行为数据生态回收系统是必然的选择。


相关文章