第9周讲义
精准营销与个性化推荐
为什么淘宝总能猜到你想买什么？
一、情景导入（小林的故事）
昨晚小林在淘宝搜索了“露营帐篷”，今天打开APP，首页推荐的竟然全是露营装备——帐篷、睡袋、便携炉具、户外灯……甚至连她之前犹豫要不要买的折叠椅都出现在了推荐位上。
小林忍不住下了两单。她突然意识到：推荐系统比她自己还了解她想要什么。
回到公司，小林开始思考：潮玩星球能不能也做个性化推荐？现在所有客户看到的都是一样的商品列表，如果能让每个客户看到“为他量身定制”的推荐，转化率会不会大幅提升？
老板正好也在思考这个问题：“我看了数据，我们首页的转化率只有2%。淘宝能做到15%以上，差距在哪里？”
二、核心知识点
1. 推荐系统是什么？
推荐系统是一种信息过滤技术，根据用户的历史行为和偏好，自动推荐可能感兴趣的内容或商品。
推荐系统的商业价值：
- 亚马逊：35%的收入来自推荐系统
- Netflix：80%的用户观看内容来自推荐
- 淘宝/天猫：推荐带来的GMV占比超过60%
2. 推荐系统的两大核心方法
| 方法 | 原理 | 优点 | 缺点 | 典型案例 |
|---|---|---|---|---|
| 协同过滤 | “和你相似的人也喜欢…” | 不需要理解商品内容 | 冷启动问题（新商品无法推荐） | “购买此商品的人还购买了…” |
| 内容推荐 | “因为你喜欢A，所以推荐类似的B” | 能推荐新商品 | 需要商品有丰富的标签信息 | “猜你喜欢”基于浏览历史 |
3. 标签体系：推荐的基础
标签体系是对客户和商品进行“打标签”的系统，是推荐系统的数据基础。
客户标签示例：
| 标签类型 | 标签示例 | 数据来源 |
|---|---|---|
| 基础属性 | 女性、25岁、上海 | 注册信息 |
| 消费特征 | 高客单价、高频购买、价格敏感 | 交易数据 |
| 兴趣偏好 | 盲盒控、IP收藏家、限量追逐者 | 浏览+购买行为 |
| 行为状态 | 活跃、沉睡、流失风险 | 近期行为数据 |
| 生命周期 | 新客、成长期、成熟期、衰退期 | 注册时长+消费趋势 |
商品标签示例：
| 标签类型 | 标签示例 | 数据来源 |
|---|---|---|
| 基础属性 | 盲盒、手办、周边、服饰 | 商品分类 |
| 价格区间 | 0-50元、50-200元、200元以上 | 价格数据 |
| 风格特征 | 可爱、酷炫、复古、限量 | 人工标注+AI识别 |
| 热度等级 | 爆款、常规、长尾 | 销售数据 |
| 适合人群 | 新手入门、资深玩家、收藏家 | 购买用户画像 |
4. 个性化营销策略
| 策略 | 方法 | 适用场景 |
|---|---|---|
| 千人千面 | 每个用户看到不同的推荐内容 | 首页推荐、邮件推送 |
| 生命周期营销 | 根据客户所处阶段推送不同内容 | 新客引导、复购提醒、流失挽留 |
| 场景触发 | 根据特定场景/事件触发推荐 | 生日优惠、节日营销、购物车放弃提醒 |
| 交叉销售 | 推荐相关/互补商品 | “买了帐篷，推荐睡袋” |
| 向上销售 | 推荐更高价值/升级版商品 | “这个有Pro版本，功能更强” |
5. AI在推荐系统中的角色
- AI负责：算法匹配、实时计算、海量数据处理
- 你负责：定义推荐策略、设定业务规则、评估推荐效果 **关键思维：**你不需要懂算法原理，但需要懂“为什么推荐”和“推荐得好不好”。
三、实操指南：设计个性化推荐方案
步骤一：梳理客户标签
基于已有数据，为客户打标签。
步骤二：梳理商品标签
为商品建立标签体系。
步骤三：定义推荐规则
设定“什么标签的客户 → 推荐什么标签的商品”。
步骤四：设计推荐场景
确定在哪些触点展示推荐内容。
步骤五：评估与优化
跟踪推荐效果，持续优化。
示例：潮玩星球的个性化推荐
| 客户标签 | 推荐商品 | 推荐理由 | 推荐场景 |
|---|---|---|---|
| 盲盒控+高频 | 新品盲盒系列 | 匹配兴趣+购买力 | APP首页、推送通知 |
| IP收藏家+高客单价 | 限量联名款手办 | 匹配收藏偏好+消费能力 | 专属页面、私信 |
| 新客+价格敏感 | 入门级套装+新人券 | 降低首次购买门槛 | 欢迎邮件、首页弹窗 |
| 沉睡客户+曾经买过盲盒 | 新系列盲盒+回归礼包 | 唤醒兴趣+降低回归门槛 | 短信、邮件 |
四、课堂练习
练习1：分析推荐逻辑
打开你常用的购物APP（淘宝/京东/拼多多），浏览首页推荐：
- 你能识别出哪些推荐是基于“协同过滤”的？哪些是基于“内容推荐”的？
- 你觉得哪些推荐是准确的？哪些是不准确的？为什么？
练习2：设计推荐方案
假设你是一家健身APP的运营，请为以下3类用户设计个性化推荐方案：
| 用户类型 | 特征 |
|---|---|
| 健身小白 | 刚注册，从未购买课程，浏览过“减脂入门” |
| 器械达人 | 购买过3个力量训练课程，每周锻炼5次 |
| 瑜伽爱好者 | 只购买瑜伽类课程，已坚持6个月 |
请为每类用户设计：推荐内容 + 推荐理由 + 推荐场景。
五、课后作业
P3-1 个性化推荐策略
使用课程提供的数据集，完成以下任务：
- 为客户建立标签体系（至少3个维度，每个维度3-5个标签）
- 为商品建立标签体系（至少3个维度）
- 设计“标签→推荐”的匹配规则
- 为3个不同类型的客户设计个性化推荐方案
- 使用AI工具辅助分析客户偏好 **提交要求：**推荐策略文档，包含标签体系、匹配规则、推荐方案示例。
📊 本课数据
本课练习可使用以下数据集：
| 数据集 | 说明 | 下载 |
|---|---|---|
| customer_behavior.csv | 客户行为数据，用于行为分析 | 下载 |
| marketing_campaign.csv | 营销活动数据，用于营销分析 | 下载 |
使用建议
下载 CSV 文件后，可导入 Kimi/ChatGPT 进行 AI 辅助分析，或用 Excel/Power BI 进行可视化。