推荐式搜索时代到来,后面你定会遇到的问题

[写在前面]

每年的9月都是淘宝规则调整比较大的月份,今年也不例外。各位同学有没有感觉到最近不仅是手淘改版,规则也有了很大的调整。

特别是最近一周是不是感觉直通车怎么递增都不会带动搜索,有的甚至直通车关键词卡首屏也拿不到大展现;补单就是来流量转化基本没有;就连超级推荐一开搜索反而掉的情况。

这些是不是已经打破,你们以往所有知识体系的认知,这一切到底怎么了。

一:

标签源于访客的行为轨迹数据,直通车、搜索、手淘推荐、超级推荐及钻展共用访客的行为数据且是循环加工彼此影响的,标签权重越高,访客行为数据越聚焦,人群标签就越聚焦就会产生同一批精准人群不同端口互相打架的情况,造成此伏彼起的情况。

这种现象俗话讲一鸭多吃,每个平台端口的访客行为数据会影响下一个平台端口数据的反馈,这就要求我们要了解每个平台端口的数据源及访客流量性质合理的搭配构建生态循环系统,这也是我们鬼式高价值信息流应用生态闭环系统的核心区部分。

先做什么,后做什么

如何搭建生态闭环系统,让访客数据生态循环利用

我们从2019年到现在线下课都在讲这些。

规则调整更加证实了我们课程的前瞻性和正确性,我们再一次跑到了前面。

推荐式搜索时代到来,后面你定会遇到的问题 淘宝 好文分享 第1张

搭建闭环生态逻辑,首先就要搞明白那些工具是圈人那些是收割

圈人系统中如何布局可以精准引流和拉新,收割系统中是如何更高效转化。

这背后都是基于共用访客行为数据。

第二点就是访客触达路径的布局设计基于流量访客性质提前设计布局好多链条路径进行触达。

关于鬼式高价值信息流应用闭环生态系统我在公众号六月份和七月份的多篇文章中进行了详细的阐述,有兴趣可以回头翻一翻看一下。

二:

到底是标签垂直度还是标签丰富度在核心影响标签权重获得多端口展现权。

这个问题上一篇文章中也有给大家提起并给了自己的一常规做法,这点要依据自有店铺的类目和流量体量和店铺层级来说,我是建议一般五层级以下先聚后扩,六到七层级先扩后聚。

从手淘改版特别是猜你喜欢的改版,我们可以看出来访客历史行为数据对推荐流量的影响。说实话这还不是太理想的推荐机制,系统还是过度依赖了访客的行为数据,而轻视了购物“场景”。

推荐的机制基本还是围绕访客的历史行为数据进行推荐的,这是最低级的推荐机制了。

我比较赞成在知乎上看到一位同学的观点:“推荐允许错误但不允许遗漏,目前的淘宝把这一点搞反了,推荐的都是过往相似的产品,没有根据用户的所需场景进行推荐,用户不会因为你推荐很多他不感兴趣的商品而反感,而是半天推荐不到他感兴趣的商品而反感。”

现在的推荐机制算法没有身处一个消费者真正的购物场景来判断推荐而是根据以往的行为数据推相似还是最初等的购物分类法。

这点可能还因为科技没有发展到位也许对于淘宝来说底层逻辑打破重构也是很难的决策。

必经根据历史行为数据和消费场景是完成不是一个底层框架的逻辑,不是迭代而是推倒重来。

这次手淘改版我们还是可以看出淘宝在丰富度上做的尝试,第一,端口丰富了,大家是否看到不管是猜你喜欢、便宜好货、买家秀、直播这种导航栏端口受标签权重影响非常大,就是插放在猜你喜欢里面的 聚划算、洋淘秀、行业频道、小黑盒、咸鱼等各大展现端口都受标签权重影响非常严重,叠加式的推荐给展现。

这里面大家有没有发现真个推荐机制还是围绕着一个垂直度标签+几个丰富标签来进行推荐的。

垂直度标签影响每一个展现端口的展现内容。

也就是说多展现端口核心是垂直度标签为主扩展一些其他相关性标签和品类产品。

从这点上我们还是要做垂直度标签,打开更多的展现端口获得更多展现,从而拿到更多展现。

从这一点上来说大爆款时代也终结了,围绕着垂直度标签做布局,势必展现量容易封顶。那么更应该转变思维用一拖五甚至更多链接去布局垂直度标签打造小爆款群或者做真正赚钱的淘宝店,而非只去盯着流量大小来判断成败。

三:

如果底层逻辑及流量性质还有搭建的路径顺序不对,直通车压制搜索,直通车一开、超级推荐一开搜索就掉的情况会是常态。

直通车压制搜索的情况不只是发生在基础属性人群和定向人群的占比上面,标签权重越高,直通车和搜索的关系就更难把控,优化的点应该站在更高度,把直通车和搜索都看做精准引流,只是一个免费一个付费而已,通过访客行为数据生态循环利用,提高UV价值,从而再次带动和突破搜索,让每一种流量性质,只负责主核心职能 。

搭建整个访客行为数据生态循环利用系统是必然选择。

作者:七掌柜–鬼哥(派单)

作者:777,如若转载,请注明出处:https://www.xddv.com/487398.html

发表评论

登录后才能评论

联系我们

在线咨询:

微信:shk1177

邮件:[email protected]

工作时间:周一至周六,9:30-22:30,节假日休息

QR code