新用户没有行为数据,又该怎么去做个性推荐?


前段时间,都在学习策略产品,接触了一个神奇的世界,有种打开了新世界大门的感觉,从搜索策略、个性化推荐、风控等等。


于是前几天,被问到了一个问题:


获取什么信息做个性化推荐?


当时列了各种可能想到的信息,但是比较混乱。回来后,又独自思考了一下,以此记录一下。


问题背景:给酷狗音乐的用户推荐音乐

思考逻辑:可以从哪些维度进行结构化拆解?


  给用户推荐音乐的流程



按流程来梳理,可以理清推荐的用户和系统之间信息交互的过程,方便寻找推荐策略,我们可以提出以下问题:


怎么识别用户特征?

怎么去选择推荐的音乐?

展示哪些音乐?


流程图容易让我们关注到用户行为中,但是一不小心,也会陷入到思维局限中,忽略了一些基础的东西。如果是老用户,那么他有行为数据的记录,可以根据行为数据来推荐音乐,但如果是新用户呢?新用户没有任何行为数据,这又应该怎么去推荐音乐?


所以,在识别用户之前,先思考一下:


我们可以收集到哪些用户信息?


  从哪里收集用户信息

行为数据需要用户产生动作后才有,所以我们会思考那就从用户的基础信息入手。很多时候,用户基础信息是需要用户去主动录入的,我们可以考虑添加新手引导


填写基础信息

选择兴趣标签


但这需要新用户主动,如果强制填写还会增加用户使用app的门槛,哪有没有更好的方法呢?有没有不需要用户动作就可以获取的信息?


有。那就是另外3个维度:


用户来源:用户是从什么地方下载app的,比如有的是从活动页进来的,有的是从音乐分享链接进来的,那么可以依据来源判断出部分用户特征

地理数据:通过GPS和移动网络数据定位用户所在地点,可以判断用户所处的大环境,进而通过“身边人也喜欢这些歌,我猜你也喜欢”的逻辑来推荐

设备情况:使用不同手机和系统的人有不同画像,用iPhoneX的比较有米,用oppo R15x的可能更加爱美,用iOS6.0系统的可能是老人家一辈


由此可以进行用户识别,进而根据策略推荐音乐,具体什么策略这里就不聊了。




  本文标签:

策略 | 个性化推荐 | 用户 | 数据分析




尘言运营 No.13

一只在全栈路上狂奔的运营喵


你可能感兴趣的:(新用户没有行为数据,又该怎么去做个性推荐?)