我是售货员 - B2C商品推荐系统 (一) 思想篇 [转]

如何放大这些优势?
通过上面的分析, 如果想要哄好顾客, 抛开商品本身和价格因素, 交付体验越好, 商品推荐越准, 顾客体验就越好,重复购买率就越高,赚的钱就越多. 对于经营者来说, 就要分析好各种数据,通过数据找寻问题所在,不断降低配送成本,运营成本, 不断优化推荐机制,让商品推荐准确有效.
当然作为生意,最根本还是要赚钱的.价格战,供货渠道透明等因素, 使得B2C网站很多商品毛利都很低甚至为负. 这个时候顾客来了, 怎样向他推荐他需要, 并且还有钱赚的商品, 让订单的毛利可以覆盖掉配送成本, 就变得尤为重要. 这就需要有一个行之有效的商品推荐机制.
售货员是怎样推荐商品的?

聪明的售货员, 会通过察言观色, 了解顾客的需求. 细心的售货员会记住顾客的身份和喜好, 当顾客再次光临的时候, 会利用这些信息推销合适的商品. 但这种行为仅仅适用于,小型店铺. 对于客流量过万的大型超市. 再聪明细心的导购, 也不可能做到记住每一位顾客的行为.
计算机能够解决这个问题, 计算机可以牢记此类信息. 并且可以用程序将售货员的销售行为模拟出来. 应用到B2C中,再恰当不过. 而随着运营数据的积累, “机器人售货员”的推荐行为会越来越准确有效. 从而有效的提高客单价和订单的毛利.
B2C商品推荐系统
通过上面的分析, 给推荐系统一个明确的定位.
1. 它是B2C网站辅助销售的手段.
2. 判断系统好坏的标准: 推荐是否有效. (推荐的商品是否有点击, 客单价是否有提升..)
3. 应该有一个工具, 可以监控推荐有效性, 并做出数据分析.
4. 应该有一个工具, 通过运营数据, 来调整校准推荐行为.
综合国情以及成本等方面综合评估. 用以下思路去实现这套系统.
1. 前期不能将重点, 放在人工智能上, 而应该放在 “人工” ,智能上.  2. 应该有一系列的推荐规则.来定义客户特性与商品关联关系, 商品特性与商品关联关系,以及客户特性, 商品特性与商品关系等.
3. 最终呈现应表现为顾客1 浏览 A商品可以看到推荐的 B商品.
4. A商品关联哪些商品取决于推荐规则, 但最终应该人工确定. 以保证准确性.

我是售货员 - B2C商品推荐系统 (一) 思想篇 [转]