Red de conocimiento informático - Material del sitio web - Aplicaciones para consumidores femeninos: mirada y revisión de estrategias de recomendación de búsqueda

Aplicaciones para consumidores femeninos: mirada y revisión de estrategias de recomendación de búsqueda

Ver versión de Android 2.5.3 (a mitad de la revisión, la nueva versión indica...

Dispositivo operativo: Smartisan T1

Posicionamiento oficial: Ver es a Una aplicación de consumo de moda femenina basada en imágenes que brinda "belleza" eficiente y de alta calidad a más jóvenes.

Mis sentimientos: se centra principalmente en ayudarse mutuamente a la hora de tomar fotografías. , en realidad envía información a la persona correspondiente. Los comerciantes pueden proporcionar enlaces de compra de forma proactiva para mejorar la eficiencia de las compras.

Consumidores: tome fotografías para encontrar el mismo estilo o mire a los usuarios comunes que recomiendan comprar. >

Compradores de moda, conocidos como " "Happy Boys": los compradores se encuentran en todo el mundo, están familiarizados con las principales marcas de ropa y pueden encontrar rápidamente las fuentes de productos correspondientes basándose en las imágenes proporcionadas por los usuarios.

Comerciantes: los compradores pueden contactar directamente a los consumidores

Las dos herramientas de recomendación se complementan entre sí. La recomendación de "Beauty Master" será más precisa, pero la velocidad de reconocimiento de imágenes será más lenta. Es más rápido, pero la precisión de la recomendación puede ser borrosa a medida que aumenta el número de usuarios, la precisión del reconocimiento de imágenes definitivamente aumentará, pero a medida que aumenta el número de usuarios, también aumentará el número de compradores que deseen ingresar a la plataforma. también aumentará

A juzgar por los datos de See, la velocidad de respuesta para proporcionar información del producto es muy rápida y casi todas las recomendaciones se completan en una hora

El proceso de publicación de un producto. El deseo es:

En términos de prioridad de precisión de la información (suponiendo que se proporcionen imágenes), la categoría es la más importante, seguida de la Marca, luego los detalles y el estilo

Las imágenes subidas por. los usuarios se dividen a grandes rasgos en categorías como capturas de pantalla de películas y televisión, fotografías de modelos, noticias de entretenimiento, fotografías de centros comerciales y fotografías de celebridades de Internet.

Para los compradores, las tres primeras categorías son las más fáciles de identificar. - capturas de pantalla de películas y televisión, fotografías de modelos y noticias de entretenimiento, porque la mayoría de estas prendas son de fabricantes conocidos y son fáciles de identificar para los sistemas de reconocimiento de imágenes, cuando se trata de la desviación. es pequeño, estas imágenes son indistinguibles.

En términos de estrategia, el primer punto es utilizar el método de combinar puntos y superficies.

El método recomendado por los compradores es el punto. es bastante preciso. Lo que recomienda el sistema es vago, pero puede aumentar el consumo potencial.

La situación actual es que no hay ninguna ventaja en consultar las recomendaciones del sistema cuando el comprador no puede ver qué marca de ropa. Recomendar vagamente productos similares. Lógicamente, si el comprador no responde durante más de dos horas, el sistema debería usar la cuenta del comprador zombie para ver varios estilos recomendados.

El segundo punto es mejorar la clasificación. Lógica de clasificación.

Lo más destacado de la adquisición de información de Xiaojian es permitir que los usuarios carguen imágenes y nos informen sobre productos potencialmente populares, en lugar de dar un montón de productos primero y luego verificar los comentarios de los usuarios. capture este punto.

Ahora en Ver, si busca ropa de mujer a través de "categorías de búsqueda populares", la disposición de los productos no es diferente de otras aplicaciones de comercio electrónico para ayudarlo. decisiones de compra. Porque no hay ninguna lógica en esta disposición, sólo información básica del producto.

Mi sugerencia es combinar la "misma solicitud" del usuario con la información del producto. Por ejemplo, en la clasificación de productos, puede utilizar datos de "Misma solicitud" para proporcionar opciones de clasificación como "Más admirado por los mejores amigos" y "Más popular" en lugar de la clasificación predeterminada sin información.

El tercer punto es abrir un canal bidireccional entre los deseos del usuario y la información del producto.

Otro punto destacado de See son los deseos. Ahora puede encontrar la información del producto correspondiente en el deseo, pero no puede ver el deseo a la inversa a partir de la información del producto.

¿Por qué a los usuarios les gusta ver los deseos de otras personas e incluso presionar el botón "Misma solicitud"? Las calificaciones de otros mejoran nuestra eficiencia en la toma de decisiones.

Estas valoraciones son historias, emociones y deseos fuera del producto, por ejemplo:

Estas valoraciones suelen aparecer en la página "Deseo" si el "Deseo" relacionado con el producto se introduce de forma inversa en la información del producto. página, ayudará a los usuarios a tomar mejores decisiones e impulsará aún más el deseo de compra.

El cuarto punto es que los puntos recomendados no son obvios.

Desde la perspectiva del diseño de la página, las recomendaciones principales se pueden dividir aproximadamente en cuatro categorías: recomendaciones de artículos de columna, recomendaciones de beneficios de descuento, recomendaciones de artículos de líder de círculo y recomendaciones de "deseos".

Pero su disposición es casi paralela, sin prioridad alguna. Al mirar la pantalla, no sabía dónde concentrarme. Qué es popular, qué está en oferta, cuál es el más caro, cuál es la entrada al círculo. Quizás sea porque no soy una niña.

Lo que hay que reflexionar es cuáles son las ventajas de See, cuáles son los puntos débiles de los usuarios objetivo y cómo encajan.

El quinto punto es que los cuatro puntos anteriores son solo conjeturas. Todavía necesitamos confiar en datos de fondo para hablar.