客户数据平台(CDP)中的数据应用服务:个性化推荐服务

个性化推荐是客户数据平台(CDP)中使用最多的数据应用服务,从最初的千人千面的广告,到不同的人看到不同的内容、商品、活动等等,这些都是个性化推荐的应用,这些应用在改善用户体验、提升用户转化等方面都有很大的作用。

1.个性化推荐解决的问题是什么?

个性化推荐解决的是用户体验的问题,从而提升转化,增加用户粘性。这些问题在不同的需求上体现为不同的应用功能。具体来说可以总结为以下两大类

1)商品推荐:在电商平台(网站、APP或者小程序等)上,不同的用户会看到不同的商品,具体应用可以在商品详情、订单页面、搜索页面、甚至邮件促销活动上。在这里个性化推荐解决的是优化用户体验和用户转化率(点击率或购买率)。

2)内容推荐:在新闻、视频、或者小说等内容类平台上,让不同的用户去看更多的感兴趣的内容。在这里个性化推荐解决的问题是优化用户体验和用户浏览量。

当然,还有社交类应用的人群或人的推荐,等等。可以将在同一个页面上让不同的用户看到不同的推荐项,都归为个性化推荐范畴。

推荐主要作用是减少用户搜索的成本,激发用户未来的兴趣。比如,中午点餐吃饭,推荐就很重要。再比如现在最热的短视频网站,整个机制都是基于推荐算法的,算法使得用户能够尽可能的看最多的和最感兴趣的视频。


2.个性化推荐的基本原理是什么?

个性化推荐最基本的原理,通俗的讲,就是找到和用户相似的人,或者找到当前看的项目(商品、视频、新闻等等)相似的项目,然后向该用户推荐相似的人看过的而本人没有看过的项目,或者推荐和当前项目最相似的项目。因此,推荐的算法也分为三大类:协同过滤,基于内容的推荐,以及两者混合的方法。不同的算法体现为对相似度的定义和寻找相似人或项目的方法的差异。需要明确的是,并没有一种最优的算法适合各种不同的应用场景。对具体的应用,要不断的测算推荐的有效性,最终找到对当前场景最合适的算法,一般会采用多算法的融合。

通过上面的介绍,可以看出个性化推荐要基于历史的数据,历史数据里要有相似的人或者相似的内容。那么,如果一个内容是新的(这种场景在新闻类应用会频繁出现),当前用户也是刚来的,没有历史行为数据,推荐应该怎么做呢?这就是推荐系统的冷启动问题,一般会采用最热/新推荐、同类推荐或者其他简单的规则推荐来初始化。在商业系统中,有时为了推荐新品或者最近的促销活动,会有专门的新品推荐版块。

最后需要注意的是,推荐的模型会及时更新,以适应时间、人、以及内容的变化。

3.个性化推荐的好处是什么?

可以将个性化推荐的作用归纳为以下三点:

1)收入增长:客户更加容易找的需要的信息、产品和服务,增加购买的数量和人均消费。有报道统计显示亚马逊总营收的35% 来自推荐引擎。

2)提升客户满意度:及时、贴心的个性化建议能够减少交互障碍,让客户更加满意和忠诚。

3)提升访客转换率:出色的个性化策略能够帮助潜在客户快速找到需要的产品和服务,转变为正式客户。

4.企业如何具备个性化推荐的能力?

一般而言有三种方式:一是自己研发;二是利用SaaS产品;三是私有化定制。

对于第一种方式,项目人员和成本投入大,在缺乏经验的情况下,项目管理难度大,失败风险高。技术学习和经验积累学习周期长,AI方面的专家和工程师严重短缺。与传统的信息化项目相比,智能推荐拥更高的复杂性和不确定性,提前预估效果困难。如何有效减少项目的失败成本,是摆在项目负责人面前的一项巨大挑战。 

对于第二种利用SaaS产品而言,也存在一定的问题。首先,数据准备依旧繁琐和耗时,无法充分利用独特的自有数据;其次,标准SaaS服务不够便捷,同时缺乏深度定制和服务。

对于私有化定制,需要供应商拥有快速定制的产品和经验,提供SaaS私有化的个性化推荐数据应用服务,能够利用SaaS快速观察推荐的效果,并且支持深度定制的个性化服务。