文档

通过数据补全与专属模型,提升新用户转化效果

更新时间:

背景

为促进经营网站、应用的健康发展、持续创造增量营收,企业在各媒体平台进行广告投放、吸引用户,并通过产品体验、运营活动等推动新用户转化为平台的忠实用户、付费用户等。但由于新用户信息不足、缺少在站内的丰富行为,极易在未完成产品体验即卸载、流失,导致整体新用户留存率较低,既间接导致获客成本的上涨、也影响了增量收入的提升。

AIRec冷启动版在此背景下推出,欢迎参与测试。AIRec冷启动版通过应用三方数据补充(此处已支持基于友盟服务的匿名化Embedding数据,若企业已采买其他数据源欢迎洽谈),并结合用户行为、自有特征等,训练行业冷启动模型,生成对每一个新用户的个性化展示建议,并支持结合新用户实时行为进一步更新推荐,促进新用户参与互动、完成核心留存事件的触发。

常用场景

建议结合企业的产品形态、互动玩法、核心留存事件等,确认新用户访问链路,并对链路中涉及的页面、场景应用AIRec算法,以下为电商行业常见场景举例:

image.png

1、首页推荐:根据用户兴趣生成推荐结果,并结合实时行为刷新推荐,促进行为互动与下第一单操作。

2、新人活动页:搭配新人权益(优惠券、免费试用等),结合选品要求,对商品进行个性化排序展示。

3、APP Push+短信:为新用户甄选不同的推荐文案,搭配商品、活动、话题运营等吸引用户来访APP。

除上述场景外,仍包括内容付费、站内广告排序优化、弹窗推荐等可结合APP具体业务逻辑接入。

如何使用

您可以通过如下步骤进行使用,具体如何操作可以参考最佳实践:快速启动AIRec冷启动版

步骤

说明

参考文档

1

历史数据准备

圈选20活跃用户,上传过去6个月行为数据

以及自有用户特征,关联的物品特征

数据规范:冷启动版数据规范

启动方法:快速启动AIRec冷启动版

2

新用户数据准备

新用户的唯一标记,实时行为上传

数据规范:冷启动版数据规范

推送方法:推送数据

3

配置业务逻辑

新用户口径设置、访问场景设置以及归因配置

新用户口径与场景设置:访问配置

归因配置:归因配置

4

服务调试与上线

启动训练&推理

指定item候选集查看在线打分结果、渲染UI页面

启动训练&推理:训练管理

在线测试服务:服务调试

SDK获取结果:获取推荐结果(冷启动版)

5

效果评估

分析新用户访问体验、关键事件达成率、留存等

在线测试服务:服务调试

指标效果评估:效果评估

产品接入流程总览大致如下,您可以根据该流程合理分配时间和团队精力:

image

示例参考

某电商平台,使用推荐的场景为:平台通过首页推荐的方式引导新用户下第一单,希望通过算法提高新用户GMV。

平台业务设定:

1、30天内没有行为的用户均判定为新用户,需补充Embedding特征进行模型训练。

2、由于页面板块比较复杂,通过投放场景字段(scene_id)与展示模块(module_id)字段判定是否为冷启动场景,设置为scene_id=newstart且module_id=1的为冷启动场景。

3、最为关注的指标为新用户人均GMV。

由于该电商平台对购买事件(buy)比较关注、同时存在曝光事件(expose)埋点批量上传有时间延迟的问题,因此设置归因逻辑为:

按照最近7天内时间判定(选择最近时间的归因方式避免曝光延时回传导致的问题),将购买事件(buy)、加购事件(cart)、收藏(collect)事件归因到点击事件(click),并将购买事件(buy)归因到加购(cart)、收藏(collect)事件中

由于没有其他的业务干预逻辑,所以直接将精选的item候选集与用户唯一标记上传,调用实时推荐接口,严格按照AIRec的排序分以及item_id,由高到低进行UI展示。并同时采集新用户的实时行为,秒级回传到AIRec实例中,用于进一步提升该用户后续推荐体验。

最终经过以上操作使用AIRec产品提升了新用户体验与相关指标。