个性化推荐：是“用户研究”+“技术”的结合

面对众多的平台和大量的内容，用户变得越来越“懒惰”，他们不想花太多时间寻找内容。基于此，我们看到越来越多的应用程序开始*用户内容的个性化推荐。在过去的一周里，我体验了一些内容应用程序，并对用户内容个性化推荐的三个步骤进行了初步整理，供您参考。综上所述，这三个步骤是:发现用户偏好；帮助用户筛选；提高用户使用效率。下面分别阐述一下。我们可以从两个角度分析用户偏好，一个角度是指导用户设置他们喜欢的内容；另一个角度是通过用户的浏览行为来判断用户喜欢什么。引导用户设置偏好，我们可以看到喜马拉雅的截图：用户可以设置自己的偏好：第一步，选择自己的性别；第二步，选择年龄范围；第三步，从不同类别的兴趣中选择兴趣范围。如果你使用更多的应用程序，你会发现这基本上是引导用户设置偏好的想法。通过这样的设置，平台可能知道用户喜欢什么。可能的原因是这个选择的过程是有限的。在这方面，我们可以想象这样一个场景：一个用户来设定他的偏好，第一步他选择了“男人”；第二步，他开始犹豫。他本身就是一个80后，但却有着90后甚至00后的心态。最后，他选择了“80后”；第三步，他选择了音乐、电影、外语等类别。每个人都认为这个用户会得到他想要的吗？答案不一定，主要原因是他选择的属性可能不能完全反映他的期望。因此这里需要引入第二个角度：根据用户的行为来判断用户的偏好。由于体验时间短，对内容类APP的深度了解不多。然而，他们几乎每天都在看新闻媒体应用程序，但他们在这方面做出了很大的努力。比如我喜欢看科技、体育、汽车的内容，然后你会发现这些内容不仅会出现在主页推荐中，还会出现相关的话题，当然还会有广告。通过这两个角度的结合，我们基本上可以知道用户喜欢什么样的内容。在帮助用户筛选出用户喜欢什么样的内容后，如果向用户推荐所有这些内容，估计用户会崩溃，平台也不现实，因为内容太多了。因此，在发现用户偏好后，下一步就是帮助用户进行筛选。这一块的思路也可以从三个维度来考虑:第一个维度是时间维度。几乎每个终端用户的内容平台每天都会更新很多内容。因此，我们可以考虑根据时间维度向用户推荐最新的内容。第二个维度是人气。大多数情况下，新内容会更多，在有限的屏幕空间内，不能全部推荐给用户。在这种情况下，我们可以考虑根据受欢迎程度对内容进行排序，并将最受欢迎的内容推给用户。其中，排序规则可分为浏览量、评估量、共享量等。至于选择这种方式，还需要根据产品的定位和特点来确定，当然也要看公司的技术水平。用户行为的第三维度。每个人都喜欢和新的，不一定是用户喜欢的，所以基于前两个维度的筛选，也需要根据用户的行为进一步筛选，最终向用户推荐无限接近用户偏好的内容。还有一个问题需要考虑，那就是初始状态下的推荐。我们前面提到的内容都是在了解用户偏好的基础上进行的。如果用户没有设置自己的偏好，或者平台没有设置，如何向用户推荐？这个问题是产品经理在规划产品时不能忽视的一点。用户体验的提高是用户效率的提高。因此，当我们有适合用户的内容时，我们需要以适当的方式呈现给用户，以便用户能够方便高效地使用。我们仍然分析喜马拉雅的截图：从截图中不难看出，仍然有很多内容需要向用户推荐，所以在“推荐”页面中，内容呈现在几个层次。首先是专题。通过Banner图的轮换，可以呈现几个主题，实现用户的一键访问。二是分类导航。我们可以看到导航包括经典必听、日常必听、大师课等。点击某个类别的内容，基本上会根据用户的喜好设置和推荐相关内容。再猜猜你喜欢什么。根据用户偏好，结合平台维度，在最明显的位置向用户推荐内容。如果用户不喜欢，可以点击“换一批”进行更换；如果想看更多内容，可以点击“更多”链接查看更多。最后是分类推荐。当用户向下滚动时，他们会在偏好设置中看到相应的兴趣分类，并推荐几个内容来提供更改一批和更多的功能。经过整理，我们发现内容确实很多，但这种布局和排版符合用户的使用习惯，可以保证用户的使用效率。综上所述，个性化推荐是用户研究与技术的结合，两者相辅相成，缺一不可。正因为如此，当我们真的想做用户推荐而不仅仅是追赶潮流时，我们必须确保这两个方面都到位，否则很可能会适得其反。 

以上就是关于个性化推荐：是“用户研究”+“技术”的结合的相关介绍，更多个性化推荐：是“用户研究”+“技术”的结合相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对个性化推荐：是“用户研究”+“技术”的结合有更深的了解和认识。