深度观察 | 一个房产应用“推荐机制”的平凡之路（下）

深度观察 | 一个房产应用“推荐机制”的平凡之路（下）

上篇文章，我们探究了“房天下”等相关房产品应用，发现这些房产品应用的相关推荐并不智能，推荐机制也做的并不好。那么，如果要去做智能化的推荐机制，该怎么去做？本篇文章将带大家探索“择家”推荐机制的打怪升级之路。

择家的推荐引擎是怎样的？

以择家产品为例，一个智能化的基于用户行为的推荐引擎应该是这样的。首先需要的数据来源是房源相关的信息数据，比如说价格、区域等；用户信息数据，比如预算、人口等；用户行为偏好数据，比如浏览、收藏、分享等。其次，我们需要技术团队的数据模型和算法。最后，呈现的就是把合适的房源放到合适的用户能够看到的页面上。

一.数据要素优先级假设

由此，根据竞品调研的思考和分析，给出了相应数据的优先级，这对做算法和数据模型的同学会有一些帮助。

二.推荐机制假设

有了数据和模型还不够，产品还是要根据实际情况，定一些推荐机制。以下的几种推荐机制会对产品经理有些帮助。

三.推荐栏目假设

推荐栏目则会对运营的同学有些帮助。这里假设了智能推荐和人工运营两类栏目。

ღ智能推荐栏目:   今日推荐——推荐小区5个+房源3套；

ღ人工运营栏目:   最热小区、最新小区、排行榜（涨跌幅、成交量）、经纪人合辑等、学区合辑、疗养合辑、别墅合辑等；

我们怎么做？

智能化推荐，是一个好的产品方向，也是不断发展的趋势；它的基础是大数据的发展，而未来趋势则是深度学习、语音和语义的等人工智能技术的不断发展和应用。但是，纵观市面上的各种房产类产品，做的并不好，这个事情还是需要一步一步来。

ღ

笔者贡献择家项目的推荐机制操作思路：

➀ 建立数据筛选模型，满足用户基本的筛选和查询匹配；

➁ 记录用户行为，优化数据模型和算法，进行推荐尝试；

➂ 进行机器学习，实现综合的“人工+智能”的推荐；

ღ

笔者认为以下人员需着手解决的问题：

产品经理需要解决产品这方面的需求验证和挖掘问题，

数据人员需要对数据进行挖掘，

解决更深的算法和模型的问题，

运营同学要解决推荐栏目效果反馈和不断优化的问题。

其 他 思 考

关于产品推荐的思考：保持一些变化

推荐和选择其实是一个相对的，不断变化的过程。人性也是如此，小小变化，可能会更讨巧。基于区域、价格、面积、房型等条件的推荐为主流，个性化需求为辅，而个性化有时候又大于主流，这才是一个产品的智能体现所在。同时，在量化的过程中，对条件设定一个值，但不要太过固化，设一个上下值，可以有所浮动，给用户一些惊喜和意外，同时也扩大了用户的可能性。

关于用户习惯的思考：教会用户选择

还是类比到找男女朋友，要求条件太多的或是要求太少的，往往很难找到男女朋友，要求太多的，可能选择性太少；而没什么要求的，可选性又太多。全选，等于没有选，所以聪明人都会有自己的侧重点，这也更有利于选择。用户看多了，就会有比较，会根据自己的情况来做判断，也就是懂得了如何去选择，产品所要给他们的一个催化剂就是认同和肯定，形式就是10条好的评价。