为什么要做相关商品推荐?

　　商品详情是可能挖出金子的岛屿，我们都知道。

　　于是我们使了各种招式，终于让用户来到了商品详情页。我们悄悄念起魔鬼的咒语，恨不得用户马上去点全页最醒目的那个“加入购物车”或”立刻购买“。可是，绝大部分B2C商详页的UV转化率不超过5%(何况是PV!)，绝大部分用户最终是不会购买这个商品的，有可能他是被大胸的模特图骗进来的，有可能价格不合适，有可能商品细节不喜欢，有可能大多数的好评里有一个让他难以接受的差评，总之，他不想买。

　　难道让用户就这么流失?

　　相关商品推荐的作用就是让用户继续逛下去，直到让他找到喜欢的商品。

　　好的商品推荐，是让用户不能停住脚步。

　　相关商品推荐的关键在于”相关“

　　相关商品销售的关键在于”相关“，这就意味着必须从某个角度、或者维度对商品进行切分，然后聚类，推荐给用户。这跟线下的商品陈列是很类似的，比如你走到一个牛肉泡面的货架前，拿起一包泡面仔细地端详起来，可能这个口味不喜欢，那么你可能从旁边的货架上找到其他口味;可能”康帅傅“的字样终于被你发现不对了，你可以在旁边货架试图找到真的”康师傅“。前者是基于口味，后者基于品牌。

　　还有很多线索，比如特价、比如套装。

　　线上的展示会更加丰富，因为线索是可配置的，可切片的，不像线下的货架难以移动。

　　基于商品和基于用户行为

　　纵观目前各大电商网站的相关推荐，无非”基于商品“和”基于用户行为“两种相关商品推荐。

　　基于品类，主要有两种方式”相关搭配“和”销售排行榜“。相关搭配，往往是基于互补的商品和品类，比方说卖个手机吧，搭个手机壳、充电器;卖件衬衫吧，搭个西裤加袜子。套餐购买省10块哦，亲。”销售排行榜“，这个必须加上其他的标签进行细化，比如”同品类“、”同品牌“、”同价格段“，这是京东的商详展现的内容。

　　基于用户行为，就是通过用户个人或者群体表现出来的特征进行推荐。这种方式，亚马逊用得可谓淋漓尽致。像”猜你喜欢“之类，基于用户的个人属信特征，比如年龄、性别、购物偏好、收入水平等，这个没有丰富储量的数据，普通的B2C根本玩不转。但其实还有一些更简单的方式。最简单的莫过于”最近浏览的商品“模块，唤醒用户记忆，简简单单，好不好用，要看数据。还有”浏览该商品的用户还浏览了“、”浏览该商品的用户最终购买了“，这是基于群体的浏览行为;”购买该商品的用户同时还购买了“，这是基于群体的购买行为。纯粹这么玩，是玩不转的，推荐的商品未必靠谱。无论是浏览、购买行为还是拉取相关品类、品牌之类的标签信息进行聚合。

　　至于具体算法，别问我，我也不知道。

　　到处都是其他推荐，很烦啊有木有?

　　以上的这些相关推荐模块全加上，真是全屏商品，看似丰富，可别忘了商详页的首要目标：让用户把商品买下来。选择太多，很烦的，在页面间跳来跳去。

　　因此，不要过度推荐。

　　区分推荐商品类型：同类商品、补充商品和友好商品

　　一件衬衣的商品详情页，你推荐了别一件衬衣，那是同类商品;推荐了一条皮带，那是补充商品;你算法算出来，买了衬衣的用户通常还买了TT，好吧，这是友好商品。

　　一般来说，同类商品排行榜、”浏览该商品的用户还浏览了“、”浏览该商品的用户最终购买了“，推荐的往往是同类商品。”相关搭配“、”购买该商品的用户同时还购买了“，推荐的是补充商品;“猜你喜欢”之类的推荐的是“友好商品”。

　　一般来说，商详页的内容应该包括同类商品、补充商品和友好商品，不要把想到的所有模块都铺上。那如何用设合适的模块呢?要考虑下面几个因素。

　　区分品类的需求特点：需求集中和需求分散

　　产品生命周期长、新品更新慢的产品，往往购买需求比较集中，这时候商品品种之间关系比较稳定，基于品类的推荐会比较靠谱，这时候像“相关搭配”、“销售排行榜”从各个维度(品类、品牌、价格)进行拆分，匹配用户的概率比较低。

　　而像女装这样需求高度分散的商品，销售排行榜之类的推荐往往不靠谱，这时候使用基于用户行为的商品推荐可能会更匹配一些，其原因在于买这样的商品的人是同一类人，有着相似风格，因此这里的基于用户浏览、购买行为的推荐其实还可以再打上”风格“的商品属性标签，这个标签可以不给用户看到。其实还有一个地方，很多B2C蛮重视的，但目前为止还没看到哪家在做相关商品的推荐，就是晒单区，比如凡客有凡客达人喜励晒单，但还不是很明显地在晒单区展示该达人的相关商品。如果是高度分散的商品，基于人的因素的商品推荐还是值得尝试。

　　区分用户的类型：老用户和新用户

　　新用户的推荐，以上的玩法也够玩了。

　　老用户的相关推荐玩法可以更丰富些，可有个性化的商品推荐;如果是平台性的网站，可以推荐”你购买过的店铺同类商品“。当然，没有基础能力，这些还是玩不转的。

　　商品推荐的位置

　　一般网站，都是将补充商品放在商品主图下方，而同类商品、友好商品的推荐放在侧边栏和底栏。第一目标，仍然是让用户购买;第二目标，买了，就搭配上其他东西，多买点;第三目标，好吧，这个不是你的货，看看侧栏其他商品如何。

　　最近在看韩国的网站，gmarket, 11st的商品详情页设计，还大量地添加了通往卖场的链接，更重要的不同是在右边栏添加了浮栏，展示相关商品，无论你如何拖动商详页，都可以看到这个浮栏。这个设计的当然很鼓励商详页的跳转，可是是否过重了呢?

　　这个需要数据去说明问题。

　　最终还是要看数据

　　上面讲了一些思路，但对或不对，适合还是不适合，最终还是要看数据。看哪些数据?

　　单纯从商详跳转来看的话，要看商详PV中上一级页面是商详的比重，商详相关推荐模块的点击率。

　　此外其他数据也值得参考，商详PV/整站PV，商详跳失率，不过这两数据受其他因素的干扰比较大。

　　孤岛相联

　　相关推荐更多的是一种基础能力，往往短视的网站看不到它的重要性，相关推荐做得特别粗躁，很难做到“相关”。相关推荐也是比较难的，我只是大致列了一下思路，在实际应用中是需要不断地根据数据去优化，而且更复杂的算法更需要不断迭代完善。

　　但商品与商品之间确实需要通过某种线索联结起来，而这一种线索无论是通过商品打标、工人配置还是算法匹配，都应该建立一种机制让这些满是宝藏的孤岛相联，这样才能更加繁荣。