千B千面，真的可行吗？

千人千面，近年来在营销界和产品运营界得到了广泛的应用。在营销行业，将使用成千上万的人来提高营销的准确性，即生活和事物的准确匹配，所谓的准确营销；产品运营商将在产品中的许多模块中增加成千上万的策略，以实现产品流量的有效分配。在电子商务行业，千人千面的应用尤其多。比如淘宝猜你喜欢，JD.COM推荐给你，都属于这类应用。先简单说说什么是千人千面。千人千面，字面意思是不同的人，呈现不同的东西。因此，在所有千人千面的例子中，个性化推荐是最常用的实践。本质上，个性化推荐有两个主要目标：一是有效地连接用户和平台上的项目，让用户尽可能地找到平台上的“好东西”；另一种是“投用户所好”，发现用户的兴趣，根据他的兴趣呈现“好东西”。同样，上面提到的“好事”也是个性化的。“好”和“坏”的判断完全是基于对物品的客观判断，这种客观判断的具体量化标准在不同的业务中是不同的。但大部分都可以称之为用户对物品的正反馈。例如，对于商品，用户可能会购买、关注、搜索、分享、赞扬商品等。所以，A喜欢同样的东西，B可能会觉得一般，甚至C可能会觉得无聊。成千上万的人和成千上万的脸是为了实现“人”和“事物”的有效匹配。它们是相互补充和依赖的关系，也就是说，人们看到他们感兴趣的东西越多。那么，衡量好东西就越准确，否则就是恶性循环。千人千面的本质是数据的交互过程。对于人来说，系统通过人们在网络上的一系列行为来判断用户感兴趣的物品，然后推荐“好东西”给他们；对于物品，系统通过点击、下单、购买等人推荐的物品上的一些交互来判断物品是否是“好东西”。简单用下图来说:有一天，我的一个微信官方账号粉丝在后台问我，我是否考虑过2B的千人千面，心里“砰”了一声。的确，我们看了太多2C产品，营销实施千人千面的案例，竟然没有注意到2B端。无论是业务流程的复杂性，还是营销运营的现状，低效和冗余一直是2B端产品无法避免的痛苦。因此，如果千人千面应用于2B端，必然是一个行业的创新。套用一下，不妨称之为“千B千面”。巧合的是，在公司实施2B端个性化推荐之前，在实施过程中也有一些想法，在这里与大家分享。首先，明确一个问题:2B端千人千面能做吗？能。要做一个通用的架构，目前还是很难的，只能做一个“局域”。什么意思？比如淘宝和JD.COM的千人千面系统，除了底层数据的差异，整个架构都可以应用。此外，除了电子商务行业，我理解也可以应用单个项目推荐的业务。此外，目前各大企业在产品和账号系统上的交流，如微信、QQ、微博等一些社交账号可以注册各种应用，导致千人千面的冷启动阶段变得“有数可依”。其次，要想在2B产品上大规模实施千人千面，会面临哪些问题？想了想，大概有以下几点:2B端数字化程度低，2B端数字化，信息化，应该是近几年甚至未来十年的主要方向。因此，目前B端数据不足以做千B千面。例如，用户在网上点击链接购买商品，现在很容易捕获并存储结构化数据。但是，很难跟踪和记录一个企业与哪些供应商连接。另一方面，只有30%左右的企业实现了从采购到销售的在线和销售。如果你注意观察，你会发现许多中小企业仍然是Excel来解决问题。每个B端都是一个数据孤岛，这就是整个B端的现状。大家可能会认为，这30%的企业也是实施“千B千面”的机会。然而，就目前的情况而言，数据是每个企业密度最高的东西；更多的企业喊出数据是公司唯一的资产。因此，一个企业的唯一资产怎么能让别人轻易获得呢？不要看别的，你可以看到云服务的现状：除了小公司愿意使用云服务的成本，稍大一点的公司正在从事自己的云服务，没有人愿意把自己的数据放在别人的服务器上。因此，数据是每个企业的私有资产，神圣而不可侵犯。至少目前的认知还处于这个水平，从现在开始，至少会处于这种情况很长一段时间。就像云面临的困境一样，B端的数据永远是一个孤岛，直到信任问题得到解决。没有结构化数据落地过千人千面的人都知道，结构化数据是关键。例如，作为一个个性化的推荐系统，结构化数据是用户标签和排名特征的基本保证。大多数成熟的企业数据做得不好，更不用说小公司了。此外，许多人一直误解结构化数据。结构化数据并不是说没有数据，而是缺乏处理数据，看看结构化数据的定义：我们可以很容易地使用结构化数据来描述一个人，如社会统计信息，在线行为包括点击、浏览、购买、订单、收集、关注、共享、订阅、离线行为包括旅游、旅游、饮食、生活。然而，很难有一个统一的框架来描述B端企业，这与B端业务的多样性、复杂性和多变性密不可分。因此，如果有一天大规模的千B千面开始。然后，B端结构化数据的比率必须是第一个通过的阈值。无论是2C还是2B千人千面的实施，缺乏统一的衡量标准都需要巨大的成本，因此必须有可衡量的效果。一般来说，2C端的千人千面主要取决于流量分配的效果，随着业务线的发展程度的不同，指标的制定也不同。一般来说，遵循以下规则：对于新业务线，主要以流量相关指标为核心指标，如PV、紫外线；对于业务线的发展，主要取决于流量的分销效率，所以点击率更高，或订单转换率；对于成熟的业务线，主要取决于利润和收入。但是B端呢？即使是同一个行业，也很难有一个统一的框架，但由于想法不同，具体的业务流程也大不相同。比如同样是做餐饮的，做零食和做饭的玩法就不一样了。那么，每个环节的指标都是不同的。一家小吃店一天买1000份小吃，一家餐厅一天买1000份正菜，绝对不是一个概念。这将导致这样一个问题。如果在B端企业使用数千人和数千张脸，则需要单独为每个大B端企业使用、实施小B客户。从业务模式和底层数据来看，很难实施。对于服务提供商来说，巨大的成本投资意味着价格非常高。企业很难接受，这是一个恶性循环。以上是一个小案例，讨论了在做大规模2B千人千面之前需要克服的最大问题。之前做过个性化的小B推荐，这也算是一个简单的2B千人千面，简单的聊聊。项目是为所有小B商家提供商品采购服务的平台搭建个性化推荐系统，总体思路与2C的千人千面相似。对于这个小B推荐系统，数据清洗-标签挖掘-trigger机制-召回策略-排序策略-精细排序策略-前端显示的主要目标是让小B商家以更低的成本购买他们想要的物品。但同时要考虑供应商的供应链能力。例如，海南的供应商无法为北京的商家提供采购和销售服务。如果你关注一些涉及采销业务的线下企业，你会发现他们有固定的合作伙伴，通常只在几个固定的供应商购买商品。事实上，基于上述目标和拆解需求，整个思路非常明确。最重要的是如何在小B和供应商之前建立一个采购和销售链，它将以结构化数据创建，最终用于个性化推荐。但你会发现这个供应链是一个“区域”；也就是说，当你有一个新的2B业务时，你仍然需要为它建立一个新的结构和策略。以上是之前做2B千人千面的小尝试，但如果要做到目前2C规模的千人千面，还有很长的路要走。———–我是分割线，为自己代言——目前每个人都是产品经理的年度作家评选，感谢大家这几天的支持！就像我的宣言:不写最抢眼的，只注重技能和认知提升。假如过去的文章对你有帮助，辛辛苦苦地戳进去帮我投票：http://996.pm/YyKAr还可以扫描以下海报中的二维码，进入我的个人选择主页，点击我头像下的“爱”为我投票。每人最多可投10票哦，登录后有5票，投票后可点击主页“再投5票”，有机会增加5票～