大家都知道现在所有电商平台都是用的千人千面的算法智能的给买家推荐商品。要知道以前销量为王的淘宝时代，谁的销量高谁就是王，举个简单的例子，分别有20岁30岁40岁的三个男的，在淘宝搜索“男鞋”，以前淘宝给的展现可能前10甚至前20都是销量最好的几款运动鞋或者帆布鞋，这样会导致一个什么问题呢？可能30或者40岁的那类买家找不到自己太喜欢的款，最终流失掉了。而现在的搜索结果可能是20岁主要展现帆布鞋，滑板鞋、30岁主要展现的休闲鞋，皮鞋、40岁主要展现的休闲鞋或者老人鞋。为什么会这样？这就是千人千面的威力。今天就带大家深入了解一下千人千面的逻辑以及如何做精准的人群标签
关于千人千面的算法
1、买家进入淘宝。淘宝立即识别买家的标签。在统计学当中，这些标签儿叫做抽样的条件。
2、根据该买家的标签儿找到相似人群。在统计学当中，这叫做根据条件抽样。
3、根据相似人群找到他们共同喜欢的宝贝。在统计学里，在家做对比样品共性。这些宝贝储存在一个叫精库人群库的数据库里。
4、在淘宝所有同类型的宝贝中，找到与样品库相似的宝贝。形成宝贝池。
5、通过该买家的关键词，匹配相似宝贝池的宝贝，展现到买家面前。
到此，一个千人千面的实现过程就完成了。
用通俗的话来说呢，系统会根据每一个买家的购物偏好，行为习惯，给该用户打上一个精准标签，在你搜索一个关键词的时候，系统优先计算有相似标签的人群的共性来做推荐展现。
千人千面只是改变了产品的展现方式。
千人千面这么改有哪些好处呢？
1、避免销量权重排序，减少头部商家的垄断行为，给更多中小型商家机会，以免市场失去活力。很多同质化比较严重的产品，因为TOP商家的绝对产品权重，很难有新的商家进入或者吃到流量，千人千面的个性化展示也是为了市场的不断更新迭代。
2、上下架时间权重排序，因为系统自带的自动7天上下架原理，越靠近下架时间，产品权重越大，导致商家拥堵竟争。前几年一款“生e经”的软件特别牛X，很多大佬都是玩转这款软件来打爆新品的。稀释了上下架时间权重，鼓励商家更多的做个性化的竟争。
所以呢，千人千面不仅给客户更贴心的体验，同时也规避了很多客户不喜欢的产品，节省了购物时间和购物成本，还让商家有了更多竟争的机会。
千人千面的强大之处在于通过标签的匹配，达到人群定向，产品定向的效果。随着千人千面的普及，淘宝于其影响可以说是更加重视了，千人千面在产品标签、店铺标签、人群标签的连接上将其功能性运用到了极致。
关于标签
所谓的标签就是指特征属性的集合。我们需要特别关注的标签有3块：用户标签、店铺标签、商品标签。
店铺标签
可简单理解为某店铺所有产品标签的综合，通常取决于店铺的主营类目。主营类目占比90%，这应该是目前淘宝更看好的店铺（这与基本采取大量铺货的店群模式有些格格不入）。换言之，当店铺定位混乱，即主营类目不明确的时候，店铺的标签属性就被削弱。在计算权重的时候是要吃亏的。
商品标签
商品标签大约就是符合店铺标签下的一个再定位。
这其中应该包括很多具体属性，譬如：性别、年龄段位、消费层级、风格、客单价以及产品相关属性。商品标题，当然也是标签养成因素之一。
系统根据基本的产品标签，定向推送给拥有该标签喜好的消费者。比如你的产品是毛呢大衣，商品定位的消费者是18~24岁女士，消费层级是白领，风格韩版，客单价是100~200元区间，产品属性是甜美简约……那么，标签匹配度高的用户，在搜索相关商品时，就会优先获得展示。
用户标签
用户标签相对复杂，可分为基础标签和行为标签（人是善变的）。平台会采集一个消费者基础信息，如会员等级、购买力、地域等等（互联网没有隐私……）这些便是基础标签。
而通过浏览深度、关注度、加购、下单某商品的历史记录等等
涉及买家的行为，便是行为标签。
在这里，我通过举几个例子来给大家说明人群标签的形成。（重点来了）
一个30岁的宝妈，四五线城市，刚刚注册了淘宝，然后在淘宝上搜索“T恤女”，淘宝会给她推荐什么商品？不知道对不对，因为她是新用户，购物意图，行为偏好这些数据都是没有的，这个时候，淘宝的搜索引擎会做一件事情：她可能是哪一类人群。比如说很多30岁左右的宝妈买的最多的是宽松版型的印花T恤，那淘宝就会展现这类商品给她。
再比如，一个男生，20岁左右，经常再淘宝上搜索购买港风的T恤裤子等产品，有一天他突然搜索“衬衫”，他从来没有搜索购买过这类产品，淘宝又会给他推荐什么商品？因为他经常在淘宝购物，基于他的购物偏好，搜索引擎会做一件事情：他属于哪一类人。淘宝会抓取大部分大学生购物偏好港风的这类人群，买过的衬衫来推荐给这位用户，这叫做相似性推荐。
这里就需要你弄清楚“他可能是哪一类人群”和“他属于哪一类人群”，再简单点来说，人群标签就是人以群分。
标签形成的源头又在哪里呢？还是举例
我今天想买一件外套，天气冷了，然后我在淘宝上搜索了一下外套男，看了几件我从来没有买过的港风的外套，也做了收藏加购，请问淘宝会给我打上偏港风的精准标签吗？不会！为什么？因为缺乏数据量，如果仅凭我今天看了几件港风外套就给我一个标签，那淘宝系统每天处理各种客户的标签可以处理到崩溃。
还是今天我想去买外套，看了大量的港风外套，而做了很多行为，比如咨询收藏加购，搜更多关键词等代表购物意图越来越明确的时候，淘宝会给我打上偏港风的精准标签吗？也不会，为什么？缺乏时间的维度，如果仅凭一天的购物行为就能打上精准标签的话，那刷单为什么会导致店铺标品混乱呢？就算你让刷手去做了货比收藏加购等行为，标签还是会乱。
总结：只有用户在淘宝产生大量痕迹的时候，淘宝会判断“他可能是哪一类人”，当用户产生痕迹且在一段时间内产生很多相似的行为的时候，淘宝才会判断“他属于哪一类人”
如何通过直通车来做精准人群
通过直通车来纠正店铺标签是最常用，且方便的方式
案例店铺：女装c店，2层级，店铺访客非常少，转化率1.39%，远在行业平均之下。
一、产品正确认知
案例店铺主要产品是甜美、复古款的连衣裙、衬衫。但是我们对产品的认知不仅仅局限于它是什么材质、什么款。我们可以系统的分析一下，这件衣服更适合什么年龄段、什么性格、什么偏好风格、什么消费区间的女性，还没有其他潜在客户？
有了这样一个基本认知，那我们在初期做标题的时候，就不要把跟宝贝不相关的词添加到标题里，不然进来的人群都是不精准的，会给店铺造成过多垃圾流量，无法提升转化。
二、数据分析
进入生意参谋—流量—访客分析。这里可以看到的访客大致是什么样子。我们可以通过这里的大数据，总结出自己的衣服更适合卖给偏年轻的女性，大约在18-25岁之间，风格喜好就是甜美复古的风格、长款或者短款、棉质或者雪纺等等。潜在客户可能是这些女孩子的男朋友。
接下来我们在[客户运营中心—客户分析]里查看店铺的人群。可以获得的信息有：性别、年龄、地理位置、粉丝占比、平均停留时长、这些访客是否收藏加购或者支付、对折扣的敏感度等等。
访客、粉丝、成交客户的数据是逐步精准的，所以参考精准人群时，先先分析进店访客人群 再看收藏（粉丝）最后看成交。
通过分析可以发现店铺18-24岁的女性访客占比超过50%，其次是25-29岁的访客，所以我们在后期就要多18-24岁的人群大力投放，其次我们把25–29的获流能力变大，因为它的成交有22.3%。
通过地理位置分析，得出对广东、四川、江苏、湖南…等地区要优先投放，因为这些地域转化较大。其次对老客户的维护也要跟上，因为成交占比例粉丝回购的比例不算小。
就全店访客来说，对折扣的敏感度比较大，所以我们后期可以考虑做一些满减活动。
经过以上我们就对自己的店铺精准人群有了一个较为全面的认识，下面我们就去直通车测试、强化这个人群标签！
三、直通车打标
首先设置地域。点击直通车计划—投放平台/地域/时间。按照前面分析的设置，关掉偏远地域。
然后点击直通车—-推广—-精选人群—添加访客人群—-自定义
首先我们能够确定的是性别女、风格甜美、复古。剩下的选项其实可以多选3个以上，那么我们就对这些数据做一个1:1:1:1的数据源分析表。例如：甜美、女、50-100、18-24岁、月均消费额度300元以下。这些数据尽量按我们之前收集的信息去填写，罗列所有的可能性！
做好了这些，就可以去勾选进行测试，人群数据看3-5天左右。溢价通俗的理解就是给你的精准用户多花点钱让他看到你，不要太高，因为只是测试，一开始建议30%左右的溢价，最后我们就筛选出点击转化等等数据最好的那个人群，再进行高溢价。
这样整个直通车打标的过程就完成啦，再看看案例店铺的变化，因为利用直通车找出了最精准的人群，提高了展现，用户的点击又进一步加强了店铺的人群标签形成良性循环，店铺访客、支付转化率和客单价都有相应提升。
今天的分享的重点是关于标签的形成和源头，大家要消化一下，没看懂的多看几遍，至于直通车纠正人群标签的方法其实很多人都讲过，我只是通过店铺案例来告诉大家是怎么操作的。
关于人群标签还有问题的可以留言或者私聊我，也希望大家双十一大卖，有个不错的收货。
微信扫一扫 