公關之家

天下公關一家人

千人千面很流行,聽說過千B千面么?

3675

0

0

千人千面,這幾年無論是在營銷界,還是在產品運營界,都得到了很廣泛的應用。在營銷行業,會用來提升營銷的精準性,即做人和物的精準匹配,所謂精準營銷;做產品運營的人會在產品中很多模塊增加千人千面的策略,以此來達到產品流量的高效分發在電商行業千人千面的應用尤其多比如淘寶的猜你喜歡京東的為你推薦,都屬于此類應用。 

用戶與商品的數據匹配

我們先簡單的聊聊到底什么是千人千面

千人千面,就其字面意思來講就是不同的人,呈現不一樣的東西。所以在所有實例中,個性化推薦是最常用的一種實踐。本質上來說,個性化推薦主要的目標有兩個,一個是高效連接用戶和平臺上的物品,讓用戶盡可能的發現平臺上“好的東西”;另一個就是“投用戶所好”,即發現用戶的興趣,基于他的興趣為其呈現“好的東西”。

同理,上面提到“好的東西”也是個性化的。“好”與“不好”這種評判完全是基于對物品的客觀評判來決定的,這種客觀的評判的具體量化標準不同的業務不盡相同,但是大多都可以稱之為是用戶對于物品的正反饋。比如對于一件商品,可能是用戶對于該商品的購買關注搜索分享好評等等。所以同一個東西,A喜歡,B可能覺得一般,甚至C可能覺得很厭煩。

千人千面就是實現“人”和“物”高效匹配,它們之間是一個互相補充,互相依賴的關系,也就是人們看到自己感興趣的物越多,那么對好東西的衡量也就越準確。否則就是一個惡性循環。

本質還是一個數據的交互過程。對于人來說,系統通過人們在網絡的一系列行為,去判斷用戶感興趣的物品,進而為他們推薦“好的東西”;對于物來說,系統通過人在為其推薦的物品上的一些列交互,比如點擊下單購買等,來判斷這個物品是不是一個“好的東西”。

簡單用下面的圖來表示:

2B數據增長

但是忽然有一天,我的一個公眾號粉絲在后臺問我,是否考慮過2B的千人千面,我心里“噔”了一下。確實,我們看了太多2C產品營銷實施千人千面的案例,竟然一直沒有注意到2B端。無論是從業務流程的復雜繁瑣程度,還是從營銷運營的現狀,低效冗余一直是2B端的產品躲不過去的傷痛。所以千人千面如果應用在2B端,那必然會是一個行業的革新。

套用一下,不妨稱之為“千B千面”

無獨有偶,之前在公司做過一個2B端個性化推薦的實施,實施過程中也有過一些思考,這里分享給大家。

首先,明確一個問題,2B端的千人千面能不能做,能。但是如果想要做一個通用的架構,目前還有難度,只能做一個“局域”的。什么意思呢?比如淘寶和京東的千人千面體系,除了底層數據的差異,整個架構是可以套用的。另外,除了電商行業,對于以單個物品推薦的業務,我理解也是可以進行套用的。

再加上,目前各大企業在產品和賬號體系上的互通,比如用微信,QQ,微博等一些列社交賬號,可以注冊各種各樣的應用,導致千人千面的冷啟動階段也變得“有數可依”。

其次,如果想要在2B的產品上大規模開展千人千面的實施,會面臨哪些問題。我想了想大概有下面幾點:

第一、2B端的數字化程度較低。

2B端數字化信息化,應該是近幾年才提上日程,甚至是往后十年的主要方向。所以就目前來講,B端的數據是不足以做千B千面

舉個例子,一個用戶在網上點擊的一個鏈接,購買一款商品,現在是很容易被捕捉到,并且以結構化的數據進行存儲,但是一個企業與哪些供應商進行了連接,是很難被追蹤記錄的。

另外一方面,現在僅僅大概有30%的企業,實現了從采到銷的線上化銷售化,如果大家注意觀察的化,會發現很多中小企業還是一個excel去解決問題的。

第二、每一個B端是一個數據孤島。

這就是目前整個B端的現狀。可能大家會認為,這30%企業也是一個實施“千B千面”的機會啊。但是就現狀而言數據是每個企業密級最高的東西。更有企業喊出數據是公司唯一的資產,所以一個企業唯一的資產怎么會輕易的讓其他人獲取到?

不看別的,可以看目前云服務的現狀,除了小公司出于成本的考慮愿意采用云服務,稍微大點的公司都在搞自己的云服務,沒人會愿意把自己家的數據放在別人的服務器上。

所以數據對于每個企業來說,都是私有資產,神圣不可侵犯的,至少目前的認知還是在這個層面,而且從當下來看至少長期會處于這種局面。

與云面臨的困境一樣,在信任問題沒有解決之前,B端的數據永遠是一座孤島。

第三、缺少結構化的數據。

落地過千人千面的人都清楚,結構化的數據是關鍵,比如做個性化推薦系統,結構化數據是用戶標簽,排序特征的基礎保障。大多數成熟的企業數據做的都不好,更別談小公司了。

另外,很多人對結構化的數據一直有誤解。結構化的數據并不是說沒有數據,而是缺少經過加工的數據,看一下關于結構化數據的定義:

結構化數據也稱作是行數據,是由二維表結構來進行邏輯展示和表達的數據,嚴格遵循數據格式與長度規范,主要通過關系型數據庫進行存儲和管理。

我們很容易的用結構化的數據去描述一個人,比如社會學統計信息線上行為:基本包括:點擊瀏覽加購下單收藏關注分享訂閱線下行為:旅游出行飲食居住。但是很難有一個統一的框架去描述一個B端企業,這與B端業務的多樣性復雜性多變性密不可分。

所以如果某一天大規模的千B千面開始,那么B端結構化數據的比必定是首先邁過的檻。

第四、缺少統一的衡量標準

無論是2C還是2B千人千面的實施,都需要巨大的成本,所以必須要有一個可衡量的效果。一般來講,2C端的千人千面主要看流量分發的效果,并且伴隨業務線發展程度不同,制定指標也不盡相同。一般來講又如下的規則:

對于新業務線,主要以流量相關的指標為核心指標,比如PV,UV這些;

對于發展中業務線,主要看流量的分發效率,所以看點擊率的比較多,或者是訂單轉化率;

對于成熟的業務線,則主要看盈利和營收了。

但是B端呢?很難有一個統一的框架。哪怕做的是相同的行業,但是由于想法不同,那么具體的業務流程也大相徑庭。比如同樣是做餐飲的,做小吃和做正餐的玩法就不一樣,那么每個環節衡量的指標也就不一樣。一個小吃店一天買1000份小吃和一個飯店一天買1000分正菜,絕對不是一個概念。

這樣會導致這么一個問題,如果把千人千面用在B端企業上,需要單獨為每一個大B,小B客戶進行實施,由于從業務模式,還是底層數據來看,實施難度很大,對于服務提供商來說成本投入巨大,就意味著價格很高,對于企業來說就很難接受,這就是一個惡性循環。

B端數據非結構化

B千面的一個小案例

上面討論了在做大規模2B千人千面前需要攻克最大的難題。然后之前做過一個面向小B的個性化推薦,這個也算是一次簡單的2B的千人千面,簡單聊聊。

項目是為一個面向所有小B的商家提供物品采購服務的平臺搭建個性化推薦系統。總體的思路和2C的千人千面類似。

數據清洗——標簽挖掘——trigger機制——召回策略——排序策略——精排策略——前端展示

對于這個面向小B的推薦系統來說,主要目標就是以更小的成本讓小B商家采購到想要的物品。但是同時需要考慮到供應商的供應鏈能力。比如海南的供應商無法給北京的商家提供采銷服務。

但是,如果大家又關注線下的一些涉及到采銷業務的商家,就會發現他們會有固定的合作伙伴,就是經常只會在固定的幾個供應商來采購商品。

其實基于上述目標和對需求的拆解,整個思路就很明確了。最主要的還是如何建立小B和供應商之前的采銷關系鏈。這個供應關系鏈會以結構化的數據進行創建,最終用于個性化推薦。

但是你會發現,這個供應關系鏈它是一個“局域”的。也就是當你再來一個新的2B業務,依然需要為它搭建一個新的架構,新的策略。

上面大概是之前做2B的千人千面的一個小小嘗試。但是如果要做到目前2C規模的千人千面,還有很長的路要走。

轉載本站文章須經授權,未經授權,禁止轉載。版權所有:深圳宏瑞文化傳媒有限公司  粵ICP備18082695號-1

列五开奖直播