文档

货品推荐概述

更新时间:

货品推荐将基于用户既往购买行为记录,通过训练算法模型,智能解析用户和商品、商品和商品之间的关联关系,提升运营效率,提升品牌转化率和复购率。可用于以下营销场景:

  • 基于用户和商品的关联关系,可以实现商品的精细化运营。

    具体来说,通过算法预测可以得到每个用户对各个商品的购买偏好度,假定双十一活动中,品牌想要重点推出商品A,您可以基于算法结果筛选出商品A偏好人群,形成受众,进而基于用户营销功能进行营销触达。

  • 基于商品和商品的关联关系,可实现关联购买推荐。

    具体来说,假定通过算法预测出商品A和商品B有很强的关联关系,品牌可以先通过受众筛选功能筛选出购买过或收藏加购商品A的人群,然后,基于短信营销功能对该人群发送短信信息,内容围绕商品B展开,可附加短链跳转商品详情页或者优惠券信息等。若品牌自有APP商城或者官方商城等渠道,也可参考算法预测结果在渠道内进行关联购买推荐。

数据及功能链路如下图所示。1

数据要求

您需要提供行为数据集商品标签数据集进行算法模型训练,对行为数据集、商品标签数据集的要求请分别参见行为数据集样例商品标签数据集样例

基于算法模型进行预测时,可预测的用户、商品和周期范围取决于行为数据集:

  • 可预测用户范围:算法模型使用的行为数据集涉及的用户,且用户在该行为数据集中必须在近1年内有购买行为,即近1年内没有购买行为的用户不可预测。其中,近1年是指行为数据集中的最晚行为时间往前1年。

  • 可预测商品范围:算法模型使用的行为数据集涉及的商品,且该商品在近1年内被购买过。

  • 可预测周期范围:以算法模型使用的行为数据集的最近行为时间为基准,从该天起的未来N天,N可设置为15~90。请参见下图中的示例。

    5

使用流程

  1. 购买货品推荐功能包,具体信息请参见售卖清单和计费说明

  2. 接入数据源,仅支持分析ADB3.0类型的空间数据源或组织数据源中的数据,请分别参见新建空间数据源组织数据源表授权

  3. 按照行为数据集样例的要求准备行为数据表,按照商品标签数据集样例的要求准备商品标签数据表,确保两张表保存于同一个ADB3.0数据源,然后新建行为数据集新建商品标签数据集

  4. 新建算法模型,在模型训练成功后,查看模型的训练详情,了解商品之间的关联关系,请参见模型配置

  5. 在数据变化较大时更新模型,以便保持商品推荐的准确度。

  6. 基于商品标签数据集进行商品筛选,筛选出商品池,作为候选推荐商品的范围,请参见商品池

  7. 基于已有算法模型和商品池新建商品推荐任务,查看并使用推荐结果,请参见商品推荐任务

  • 本页导读 (0)
文档反馈