tSHEIN之流量分发策略解析( 四 )

若用户于Recommend板块的点击率环比降低，有可能是对平台的推荐的商品排序不感兴趣，则推荐模型需要进一步优化。

文章插图
当前SHEIN首页的板块排序为：Banner、分类宫格、SHEIN活动、自有品牌、每日新品、限时促销，最后才是Recommend，可以理解为SHEIN将商品的推荐算法置于Tab1的最后。或许这也是为了因应公司的业务需求，然而以上的板块除Recommend外，都需要两步以上的操作才能进到商品详情页。
对于用户而言，多一步的操作就多一分流失，笔者相信SHEIN是明白这个道理的，有可能是因为SHEIN之个性化推荐商品效果不如品类。
海量SKU加上单个SKU的生命周期不长（每日上新与下架），使得协同过滤算法仅能做到品类级别，无法精准到商品级别，这部分或许需要人工对各个商品之风格等信息进行更精细化的标签标注。
6. Tab导航列在流量分发策略中无法衡量就无法优化。所有的业务最终都要落到具体的数据去验证和再探索的，策略产品经理有很大一部分精力要投入在这个层面。
除了以上提到的点击率、转化率、曝光率、退出率、跳出率、停留时长以外，页面访问路径也是查看流量去向的关键指标之一。首先对用户打好标签，观察标签用户的整个操作路径，对路径上的反复的操作进行简化能够提高正确商品的触达率和成交率。
例如，当前SHEIN总是默认顶部Tab为WOMEN，假设从页面访问路径发现80%以上的男性用户打开APP后，第一步总是将Tab切换至MEN。那我们或许需要根据用户行为，将男性用户的默认Tab设置为MEN。
其实这里可以做一系列AB测试：如果用户性别为男性，则默认Tab为MEN；或者，如果用户近期有多次购买女装/男装的行为，则Tab默认为WOMEN/MEN；又或者，总是将男性用户的Tab设为WOMEN，不直观的操作反而使用男性逛女装的时间增加，进而提升了转化率？这些都是值得去做AB测试的地方。
最后，策略产品经理需以目标为导向，以数据为依归，合理假设且小心求证，借由AB测试实验结果判断流量策略，起到更精准地用户分发。
最后在设计策略的过程及结果当中，不停反思整体的产品特性，是否符合产品定位，是否落地了产品战略，是否扶持了业务需求，并达成最开始制定的策略目标。
作者：James Chen；从波士顿回到上海，正在寻找深圳的机会。
本文由 @James Chen 原创发布于人人都是产品经理，未经许可，禁止转载
题图来自 Unsplash，基于 CC0 协议