用戶買了什么再推薦什么，不是大數據智能營銷

陳運文

所有廣告都要植根于用戶需求

達觀數據專注于提供技術服務，為企業提供像數據預測、個性化用戶畫像、精準數據營銷推廣等工作，核心是大數據智能推薦。

怎樣才能用好大數據，實現自動化個性化營銷？

我們獲取商品、視頻、工作機會、日常社交等方方面面的信息，主要有兩種方式，一種是主動明確的需求，通過搜索引擎找，要獲取客戶可通過搜索引擎實現。另一種方式比較模糊被動，要在某個網站或應用上逛，要獲得客戶可以通過推薦引擎實現。給客戶推薦商品信息，無非就是這兩類。很多廣告或營銷就是植根于這兩類需求，譬如谷歌和百度的搜索廣告，根植于用戶主動搜索的需求。

個性化推薦非常有價值。因為每個人的需求不一樣，有時個人需求很難描述，但是如果數據記錄了客戶之前的歷史行為數據，就可以知道客戶偏好，做很多有針對性的工作。

那么，個性化推薦系統是怎么實現個性化營銷的？

我們發現常見的需求非常多，以互聯網媒體為例，現在有大量的內容，導致很多企業擔心用戶看不到自己喜歡的內容。用戶看不到自己喜歡的內容就走，導致用戶流失。很多企業為了獲取用戶，花了非常大的成本，其實用戶很不容易吸引過來，但是吸引過來后又要用優質內容留住他們，這一點非常重要。

網站現在優質內容很多，可能每天都會生成很多優質內容，但是手機屏幕很小，通常只能展示4～5個結果。那么，怎樣篩選，充分把用戶有限的屏幕利用起來？電商網站經常遇到這種情況，幾個爆款引來了瀏覽量，網站上只有一兩個商品有人看，其他商品沒人看，導致網站的生態不健康。我們希望網站所有的內容都有人看，各種品位的消費者能找到各自想要的內容。因此，通過個性化智能推薦系統實現個性化推薦，能有效提升網站體驗，其重點是讓個性化推薦系統把客戶的喜好猜準。

洞察消費者不同場景的需求

在應用場景上，譬如說當用戶產生一個消費記錄，我們會實時把用戶行為通過網絡傳到后臺大數據引擎上，在大數據引擎里進行深度挖掘和分析，根據用戶歷史行為及正在瀏覽的行為，在0.1秒內把分析結果反饋出來，就是眨一下眼睛的時間，針對用戶形成個性化推薦。這個推薦可以是一個商品或一個廣告內容，我們猜得很準，這樣用戶愿意看，愿意點擊，形成非常有效的個性化精準營銷。現在我們還會基于用戶每次的瀏覽點擊、購買評論等，根據這些數據進行建模分析，形成用戶畫像，之后進行個性化推薦。一部分數據是用戶行為數據，譬如點擊觀看情況，另一部分是用戶文本數據，譬如對用戶看的文章和寫的文字做分析。

個性化推薦上線后對網站效果提升很明顯。很多網站之前沒有把用戶潛力發揮出來，譬如用戶原本只待4分鐘，把用戶的潛力發揮出來，現在用戶可以再多待2分鐘，這樣網站的收益就會得到較大提升。以電商網站為例，傳統的電商網站推薦看上去似乎很簡單。但大部分電商網站的推薦有個問題，用戶買了一部手機后，網站推薦的還是手機，這樣的推薦沒有效果，原因是沒有精確把握用戶需求。用戶剛買了一部手機，不會再點另一部手機，即使你告訴用戶，另一部手機型號相同但是比你剛才買的便宜，他也不會點，只會比較憤怒。這時候，要給用戶推薦和買的手機相關聯的配件手機殼、充電器、耳機等，這樣的推薦才有效果，才能增加用戶點擊。

類似這樣的細節都是網站應該完善的。要知道用戶在什么場景需要什么，需要什么就推什么。買了手機的用戶接下來通常搜什么詞，不看哪些產品，關注什么，這些行為的先后順序也很重要。以母嬰產品為例，我們發現需要根據一個媽媽的歷史行為有針對性地推薦，當一個媽媽開始買一種奶粉時，再推另外一個品牌的奶粉，她看也不看。

常見的推薦形式，包括媒體推薦、電商推薦，還有我們公司生成的閱讀信息流。這是一種很有價值的展現形式，現在可以在信息流中插入廣告文章推廣內容，這是非常受歡迎的智能推薦方式。

之前提到了文本數據，文本數據是大數據的一部分，簡單說就是用戶看到的文字以及用戶打出的文字，在互聯網上，不管是閱讀還是交流，大部分情況下是文字，視頻和圖片較少。對于文字的挖掘，今天的計算機技術可以做得比人更快、更好。

計算機技術可以實現文本自動標簽提取功能。大家在描述商品或人時，很多時候要打標簽，概括被描述物的核心要素。如今計算機可以通過文本挖掘的方法，自動給人、商品、內容等打標簽，打標簽是個性化需求的基礎。我們公司的系統可以自動對所有內容生成標簽，而且速度很快，所有內容0.1秒即可生成標簽，精度也很高。另外，還有深度學習技術，深度學習不依賴簡單的詞庫。根據文章上下文結構識別出一些專有名詞，包括人名、地名、機構名、影視劇名等，通過計算機自動識別。像“papi醬”，計算機可以自動通過文法分析判斷它其實是一個人名。

計算機還可以自動做審核，看文章中有沒有非法、色情等違法內容，可以做得比人更快、更準，還可以自動識別互聯網上大量存在的垃圾廣告內容。

還有一個很有意思的例子，計算機還可以識別一段文本中的情感是正面還是負面，是褒是貶。譬如電商衣服做得怎樣，看了幾集《歡樂頌》感覺怎樣，還有很多微博評論，可以把正面和負面情緒的強烈程度計算出來。如果讓一個編輯去看，一個人一分鐘的閱讀數是300字，但計算機可以在0.1秒判斷出正負面情感，把正面和負面的情感匯總起來，就可以還原一個人對一件事情的喜好程度。