一個有效的內(nèi)容推薦方法

0 評論 2578 瀏覽 6 收藏 6 分鐘

內(nèi)容推薦,似乎對于網(wǎng)站而言是個有點技術難度的功能實現(xiàn),目前大部分網(wǎng)站可能都會提供熱門內(nèi)容排行的展示,這可以認為是最簡單的推薦,因為只需要對內(nèi)容的瀏覽量、下載量、評論量等進行排序即可,所以對于后臺的計算不會造成太大的壓力。但同樣不需要高深的算法和復雜的數(shù)據(jù)處理流程,我們在內(nèi)容推薦上可以做得更多,更有創(chuàng)意,當然也可能更具效益。

為什么要推薦

首先再來明確下為什么要進行內(nèi)容推薦?我的理解是如果用戶有特定需求,并且用戶對自身的需求十分明確,那么用戶會利用網(wǎng)站上可以使用的途徑來尋找自己需要的信息,只要你的網(wǎng)站提供足夠高效的渠道。而當用戶對自身的需求并沒有那么明確,或者用戶從沒發(fā)覺你的網(wǎng)站上存在一些會如此讓他著迷的東西,那么顯然用戶很難發(fā)現(xiàn)這些內(nèi)容,這個時候就需要一個有效的內(nèi)容推薦途徑來幫助用戶了,給用戶裝上一個智能導航系統(tǒng)。

但往往我們很容易就陷入了這樣一個思維怪圈:向用戶推薦與用戶的興趣相關的內(nèi)容,這確實是一個很棒的個性化服務的應用,我之前也寫過此類的文章——向上營銷、交叉營銷與關聯(lián)推薦;但這個畢竟實現(xiàn)起來需要一定的成本,而且如果把推薦限制在這個個性化的層面,容易讓自己走入死胡同,或許不需要這么復雜,我們可以找到其他有效的推薦方法,而且可能對于中小網(wǎng)站其效果也不會比基于高級算法的個性化推薦功能會差。

選擇簡單有效的推薦方法

這里要介紹的推薦功能基于一個簡單的實現(xiàn)方式,即在首頁或者網(wǎng)站的側(cè)邊欄的某個模塊中開辟一塊小區(qū)域來放些你想要推薦的內(nèi)容,正如我的博客首頁導航欄正下方的滾動內(nèi)容推薦。其實這個推薦的思維形式很簡單,就是不要忽視用戶的眼光和選擇,把用戶認為有趣的內(nèi)容推薦給其他的用戶。

首先要認識到的是那些網(wǎng)站曝光度很高的內(nèi)容可能不需要你做另外的推薦,這也是這里要介紹的這個推薦方法與常見的熱門推薦間的最大不同。因為用戶能夠找到途徑去發(fā)現(xiàn)這些內(nèi)容,可以看一下Google的網(wǎng)站管理員工具上對于“指向網(wǎng)站的鏈接”排名:

再看一下Google Analytics的Top Landing Pages的排名:

GA-landing-pages

很顯然用戶可以找到一些渠道進入這些頁面來查看內(nèi)容,所以我們真的需要推薦的不是這些。那些轉(zhuǎn)化率高(或者Avg. Time on Page)高的,但曝光度不夠(用戶找不到,或者沒有意識到)的內(nèi)容才是我們推薦的重點。因為它們擁有較高的轉(zhuǎn)化率,能夠直接幫你實現(xiàn)網(wǎng)站的目標,同時考慮較低的Bounce Rate或者較高的停留時間說明這些內(nèi)容對用戶具有一定的吸引力,這也是它們值得被推薦的理由,我們可以把它們展示到顯眼的位置。

好的,既然我們已經(jīng)有了思路,接下去就是尋找上面所說的值得推薦的內(nèi)容了。這里不得不介紹下Google Analytics推出的新功能——Weighted Sort,進入Content模塊的Top Content,先點擊$ Index排序,就會出現(xiàn)一個Weighted Sort的勾選框,勾上它預期的效果就出來了:

GA-weighted-sort

接下去就是選擇那些Unique Pageviews相對較低的內(nèi)容放到推薦模塊,這個工作就完成了,是不是很簡單。

當然還有其它的方法,比如如果你已經(jīng)將數(shù)據(jù)導出到Excel,那么在上面進行自定義排序會是個好方法:根據(jù)Conversion Rate、Avg. Time on Page降序,再按照Pageviews升序后,也就你就看到你該推薦的內(nèi)容了。如果你的數(shù)據(jù)存在了數(shù)據(jù)倉庫,那就更方便了,SQL強大的Order By功能就可以發(fā)揮作用了。

好了,我已經(jīng)把自己的分析結果應用到我的博客首頁面內(nèi)容滾動展示模塊的,你也可以嘗試下這個推薦方法,也許會帶來不錯的效果。

? 本文采用?BY-NC-SA 協(xié)議,轉(zhuǎn)載請注明來源:網(wǎng)站數(shù)據(jù)分析 ??《一個有效的內(nèi)容推薦方法》

更多精彩內(nèi)容,請關注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發(fā)揮!