关注到‘用户推荐’的契机是现在某购物站点的‘猜你喜欢’，虽然是换了皮的推荐，但真的某一天开始高准确度地猜中了我的心头好。我猜是我大量操作，坚持不屑地使用该产品，给数据库留下了足够的蛛丝马迹，这才被一箭命中，让程序看穿了喜好。
某日开会，业务与设计在争执‘推荐’模块内容，到底由业务推?还是按照用户喜好来推?换句话说到底是安排相亲对象还是放任自由恋爱?
‘用户推荐’到底是你说你的?还是我看我的?大家目的不一样，作为用户来说，仰赖自己智慧做出的选择，远比那些花花绿绿的推荐广告来的可靠，但有意思的是结果可能殊途同归。
今天小议用户推荐
脑海里浮现出的推荐模式：
在线站点内推荐：
a. 超大广告灯箱+Flash滚动
b. 次级页面双侧‘推荐’模块
c. 页尾‘推荐’模块
d. 搜索时预置选项推荐
e. 搜索结果推荐
f. 犄角旮旯见缝插针狗皮膏药‘推荐’入口
站点外推荐模式：
(类同广告)
a. Email 、常规信件
b. 即时信息
c. 依附其他应用软件占得‘推荐’位
(应该说广告位更确切)
推荐对象：
a. 当下产品使用者
b. 非本产品使用者，但可能与本产品相关软件/信息有交集的用户
c. 无筛选面对所有人
推荐频率：
a. 每次页面刷新更新推荐内容
b. 固定有限区域定时滚动
c. (对于广告类，有针对性站外/线下推荐)根据产品活动，特殊用户事件(如生日，使用周期……)按特定时间点推荐
推荐效果：
全面铺开的广告类推荐――特定相关用户会注意，非该信息兴趣点用户常常会忽略或持有怀疑态度
针对个人喜好的推荐――根据推荐准确度，接受信息比率依次增高
(但我们还是会删除所谓的产品新信息邮件，也从来不看信箱里的会员推荐广告，看到不靠谱的书籍音乐推荐，一律忽视删除，最后手动自己找)
很多热推产品占了超多篇幅，用各种PS得晶晶亮的图片轰炸眼球，但目的明确的熟练用户们，居然甚少通过这些主页大篇幅推荐去购买产品，很多页面点开看看也就关了。其实推荐这个东西站在市场的角度考虑，无非是要多卖产品，尤其是有滞销可能的产品，所以百般推荐，广告攻势，希望用户知晓，可惜用户不领情!业务需求喋喋不休地要推荐更猛烈，可是收效甚微，并无进步。这原来就是一场双赢交易，用户不是白痴，及时偶尔弱智了，也从情感上排斥步步跟随，倒贴抱腿的猛烈自荐式销售模式。用户需要知晓的是：真正与我相关的信息。否则不要浪费我的时间!更不要谈钱!
从这个角度来说，个人更鼓励有针对性的用户推荐，而且这种用户推荐早就已经被做得到处都是了，只不过做得好的并不多。有些美其名曰的用户推荐其实还是不精准的。这就有些尴尬了，这样的用户推荐就是鸡肋，既没有拉开和硬性推荐广告的距离，又没有做到体贴入微的私人定制化服务。那就是做了白做～!
找到用户兴趣点及行为习惯：
涉及参考如下：
http://wenku.baidu.com/view/7711db64783e0912a2162a3d.html
1. 用户浏览文档的行为习惯
2. 用户重点关注的页面信息
3. 用户执行过保存、打印等动作的相关信息
4. 用户标记过的信息类型
5. 用户执行点击跳转到某个链接的行为
6. 用户访问重复度高的对应功能或信息
7. 用户操作次数多的功能或信息
8. 用户浏览时间长的信息
9. 用户手动输入过的信息(包括搜索关键词)
制定推荐导向：
a. 同类产品最优价格推荐
b. 同类最新产品推荐
c. 同系列产品推荐(比如用户购买了洗发露，那是不是顺便推荐个护发素?)
d. 模糊类别的相同关键字推荐(比如用户购买了大量红色服装，是否可以‘红色’作为推荐关键词，对应其他非服装类产品)
e. 扩展推荐 (比如用户喜好悬疑类书籍，是否可推荐同类电影或话剧?甚至带有逻辑分析因素的活动，相关题材虚拟人物所在地的旅行?去英国找福尔摩斯去日本找柯南之类?扯远了……)
针对性强的用户个人推荐所带来的好处：
――增加了网站粘着度，用户可快速获得利用价值高的数据，更贴心
――提高有效反馈以及产品交易几率
此文章由 http://www.ositren.com 收集整理 ,地址为: http://www.ositren.com/htmls/24725.html