1. 程式人生 > 其它 >人群標籤與手淘流量,究竟包含著哪些關係?

人群標籤與手淘流量,究竟包含著哪些關係?

大家好,我是小編v兔。我們都知道,現在淘寶店鋪的流量基本90%都是手機端流量。而且淘寶一直在往逛的方面靠攏,現在手淘推薦的流量在總流量佔比中已經有很大的佔比了。手淘推薦也成為了大家更為熟悉的購物頁面。前幾年阿里提出的千人千面在手機端體現的淋漓盡致。經常上淘寶購物的人會發現我們手淘推薦會在不同的板塊內顯示出曾經瀏覽過的商品。尤其是在有好貨和猜你喜歡這兩個模組中,也就是我們開啟手淘推薦的時候,頁面最明顯的幾個產品板塊推薦的地方。

我們看圖1紅色框給大家圈住的地方,這個就是手淘推薦有好貨的模組。我們昨天搜尋了裙子,或者桌子,等我們今天開啟手機淘寶的時候,會發現這一模組中會出現與我們搜尋的產品或者高度類似的產品。

猜你喜歡是一樣的原理,我們看圖2,紅色框圈主的部分,為猜你喜歡的模組。我們往下滑動手淘推薦可以看到,猜你喜歡也會為我們預設的推薦各種裙子或者桌子等我們昨天搜尋過的產品,以及相似款產品。很多人會覺得很神奇,現在的淘寶這麼聰明瞭嗎,怎麼能夠猜到我喜歡什麼?甚至我們在其他平臺瀏覽過某一商品之後,淘寶也會為我們推薦相似產品,有的時候我們在某一處看到一個關鍵詞或者搜尋過一個關鍵詞之後,在淘寶首頁也會顯示出我們想要的產品。而這神奇的現象就歸功於千人千面的這一演算法。

“千人千面”,也就是個性化搜尋,是一個很老的話題了,淘寶在2013年就已經提出的搜尋排名的演算法,它是排名演算法的一個外號統稱,在程式猿口中叫做“推薦演算法”。這一演算法能從細分類目中抓取那些特徵與買家的興趣愛好相匹配的寶貝進行推廣。可以根據目標客戶的興趣愛好將產品展現在客戶所瀏覽的網頁上,幫助我們的產品鎖定潛在的買家,從而更好的實現精準營銷。就像我們學習化學瞭解到的水是由氫元素和氧元素組成的一樣,人群標籤就是千人千面這一演算法的基本組成要素。我們產品的標籤也是由一個個客戶攜帶的人群標籤組成。

千人千面的作用就是從多維度對客戶人群的標籤和店鋪產品的標籤進行匹配,然後將我們的寶貝推薦到標籤最相匹配的買家面前。例如會根據客戶瀏覽的產品,購買過的產品,收藏,加購,以及我們的消費水平等等去給客戶匹配並推薦。銷量好做的好的店鋪就會被後臺自動篩選,推薦到手淘推薦中。

淘寶官方給出的手淘推薦的定義為:“手淘推薦指的是訪客經過手淘客戶端的首頁產品,除廣告banner位,每日好店產品,其他能夠直接進入我們店鋪頁面或商品詳情頁的入口,如猜你喜歡入口。”我們從定義上看,手淘推薦流量指的就是經過手機淘寶客戶端首頁上面的入口流量,去除那些已有的細分入口以外的流量,都屬於手淘推薦流量,猜你喜歡入口為最主要入口之一。淘寶為什麼這麼做,原因很簡單,就是為了提升使用者的質量,進一步提升我們店鋪的轉化,你看了什麼產品,淘寶就會給你推薦相應的寶貝,以為你是買衣服的使用者,就會推薦衣服給你,這樣一來也不用你再搜尋了,節省了你的時間,讓你快速的點對點的找到自己需要和喜歡的產品。也讓商家快速的找到他們的目標群人群。提高消費質量,讓越來越多的消費者越來越喜歡淘寶這個平臺。對於我們賣家而言,我們可以爭取到的淘寶首頁的流量入口主要為,有好貨,淘寶直播中的我的關注,猜你喜歡,每日好店等。

那麼手淘推薦是通過什麼樣的方式把產品優先展現在客戶面前的呢?具體的邏輯v兔通過下面四個層面進行分析。

一、根據客戶的瀏覽痕跡

客戶在手機端的所有的瀏覽行為都會被淘寶後臺記錄下來。因此客戶到店鋪的一系列操作,收藏寶貝、加購寶貝、瀏覽產品、關注店鋪等行為,都是我們的產品對其推薦的重要依據。因此,瀏覽過我們店鋪或者寶貝的客戶,我們的產品會在手淘推薦獲得更多展示機會。抓住這一點,我們可以通過直通車定向推廣,吸引客戶點選來增加流量流量的方式,獲得更多的精準客戶。並通過活動,吸引客戶對我們產品進行收藏加購。來優化產品標籤。也可通站外的推廣獲得更多的展現機會。

二、購買過我店鋪產品的客戶

這一類客戶是標籤最精準的客戶。而且購買過我們店鋪產品的客戶,意味著對我們店鋪的認可,尤其是在客戶收藏店鋪的前提下,我們店鋪的產品被推薦到客戶手淘推薦的機會會更大。客戶購買的次數越多,說明客戶越認可我們的產品,就會給淘寶搜尋引擎更好的印象,認為我們的產品是優質的,相應的流量會對我們的產品進行傾斜。通過老客戶的二次購買和蒐藏加購,能夠更進一步的優化我們的店鋪標籤和產品標籤,同時在淘寶直播板塊中有一個我的關注選項。

比如在淘寶中選擇淘寶直播,進入這一模組後我們可以看到,最前方的”我的關注“選項。

如果準備做淘寶直播,老客戶活動中就要加入讓客戶關注店鋪的獎勵機制。這樣我們的店鋪直播就會直接進入到我的關注選項中。

三、直接匹配產品標籤與我店鋪人群特徵的”猜你喜歡”

猜你喜歡是直接與我們店鋪的店鋪標籤和產品標籤相匹配的。如果進入到猜你喜歡,那麼我們的流量會非常大。系統通過判斷客戶的人群特徵,例如白領、女性、高收入人群、商務人士、星座等關鍵詞,然後再去分析我們店鋪的標籤是否符合客戶的這些特徵。通過客戶的標籤與我們店鋪的標籤相匹。才能夠獲得猜你喜歡的推薦。猜你喜歡可以通過直通車推廣獲得展現。投放位置需要選擇,手淘推薦猜你喜歡。同時需要注意的是猜你喜歡的投放要符合圖片要求,否則無法完成。投放直通車後,要時刻檢測猜你喜歡的點選率,不要低於3%或者低於同行平均的1.5倍。監測猜你喜歡的收藏加購,如果收藏加購不給力,就增加收藏加購的小活動。提高客戶收藏加購的數量。

四、根據大概率購買推薦

當客戶的購買記錄為空的時候,手淘推薦會根據更大概率的搜尋進行推薦。例如一款連衣裙,大部分客戶搜尋了歐美風的,那麼系統會有更大的概率推薦歐美風格的連衣裙。在通過概率推薦這塊,我們主要要做好產品的基礎優化,尤其是關鍵詞與目標人群的匹配度,結合老客戶活動和直通車,加強關鍵詞權重。不斷的優化產品標籤。

通過以上四點我們瞭解到,想要獲得更多的手淘推薦流量,就需要掌握獲得流量的方法。精準人群標籤作為千人千面的基本組成元素,則是獲得手淘推薦流量的基本要素之一。手淘推薦和人群標籤就為大家解讀到這裡了,大家學學會嗎?

商品入池檢測


介面地址:http://api.vv-tool.com/tool/accounts/tao-guess


介面介紹:檢測商品 id 是否在指定淘寶號手淘的猜你喜歡池子裡點選檢視詳情


請求方式:POST


傳參方式:form-data


返回格式:JSON


介面收費:內測使用者,查詢 1 次,計 1 次呼叫


頻率限制:10 次/秒


請求頭引數

引數型別必選示例
Authorization string 授權 access_token Bearer 1798c6aadec33d1bc2f5b707f1049aefexxxx

請求引數

引數型別必選描述
item_ids array 淘寶商品 id 陣列
account string 淘寶賬號

請求示例

item_ids[0]: 607245697156
item_ids[1]: 623917802188
account: 馬雲

請求程式碼示例

cURL請求程式碼示例

PHP請求程式碼示例

JAVA請求程式碼示例

響應引數

引數型別描述
data object 返回資料資訊
item_id int 商品 id
hit string 入池結果
expire string 時效
suggest string 建議
count int 出現次數
account string 淘寶賬號
code int 返回狀態碼
msg string 返回碼描述
msec int 介面執行時間
time int 介面返回時間

返回資料示例


    {
        "code": 0,
        "msg": "成功",
        "msec": 17727,
        "time": 1596433783,
        "data": [
            {
                "item_id": 607245697156,
                "hit": "未入池",
                "expire": "2小時",
                "suggest": "商品未出現在猜你喜歡中",
                "count": 0,
                "account": "馬雲"
            },
            {
                "item_id": 623917802188,
                "hit": "未入池",
                "expire": "2小時",
                "suggest": "商品未出現在猜你喜歡中",
                "count": 0,
                "account": "馬雲"
            }
        ]
    }  

響應程式碼

程式碼程式碼描述解決方案
0 成功
100 請求引數錯誤 檢查您的請求引數是否正確
101 請求超時,請重試 檢查您的網路情況或者聯絡客服解決
200 系統錯誤,請聯絡客服 檢查您的介面地址填寫是否正確,其他問題聯絡客服解決
203 暫不支援當前介面
204 請求異常:無該介面許可權,請前往官網開通正式介面。 前往官網開通該介面許可權
204 請求異常:API 呼叫次數不足,請前往網站兌換次數。 前往官網充值該介面呼叫次數
401 身份憑證無效 在請求頭中新增 access_token