今天，想和大家聊三个问题。
一、连衣裙客单价低于 128 这条线存在吗?
先还原下事件：
2. 24 号中午微博博主“风中的厂长”发了一条微博(如下图)，并在 5 小时后进行了解读。
随后演变成客单价低于 128 的人群属于“低价人群”，虽然厂长不断强调同时满足三条。架不住热心网友纷纷上淘宝搜索，导致“连衣裙”连续三天霸榜热搜词。
随后淘宝官方进行了回应：
博主#风中的厂长#再次回应，一石激起千层浪，吃瓜群众当然表示不信了，无论是被打上什么样的标签，心里肯定不太舒服。
看到“千人千面”“搜索”“逻辑”这些词的时候，作为策略课程负责人的我觉得有必要搞事情了。
最近几年大家都隐约感觉到各类app越来越“智能”，也出现“杀熟”如此不地道的事情，谁在搞怪呢，真的是机器和算法更加智能化了吗?
可以很明确的告诉大家“ 128 不一定存在，但对用户进行分层，对各类用户进行标签定义是真正存在，俗称个性化推荐”。
下面，就让我来简单剖析一下。
二、淘宝如何做个性化推荐?
我们尝试还原淘宝的搜索推荐策略，发现淘宝处处是策(tao)略(lu)。
今天，不妨按照策略四要素(待解决问题-输入-计算逻辑-输出)来解构下淘宝的搜索推荐策略，解读淘宝如何做到：
1、我们可以定义淘宝的待解决问题：
给每个用户推荐最需要和偏好商品，提升活跃(停留时长)和转化(成交率)。
2.输入：(用户活跃和转化受哪些因素影响/我们会被贴上哪些标签)
淘宝为了解我们的需求和偏好，可能会从以下层面去提取标签，用来解释每个人的画像：
-
用户基本特征(性别、年龄、地区、职业(学生、白领、高管、妈妈、孕妇、老师、程序员、行政······)不一一列举
-
用户购买力(总消费金额、近期消费金额( 3 个月或 6 个月)、最大消费承受能力、职业类型、芝麻信用分······)
-
用户行为记录(常买商品、近期浏览、购物车······)
-
用户场景(早、中、晚、工作日、周末······)
-
由于淘宝是B2C交易平台，我们也需要考虑到商品侧因素：
-
店家的基本信息(邮费、商品的质量和种类、好评率、成交率、退货率、价格、排序页面、展现页面······)
淘宝系统可能会据此这样定义某人：
此图仅为列举，淘宝肯定会区分的更加细致，比如点击过哪些页面，打开过哪些系统推送，使用优惠券的金额···等等，可以看到要做到个性化推荐，用户的场景和需求是无法穷尽的。
接下来剖析下淘宝用什么样的机制做到个性化推荐。
3.计算方式(淘宝的算法公式太复杂，以图文描述)
淘宝APP是由多个策略系统交叉组成，我们主要探讨搜索推荐策略的计算方式。搜索推荐策略设计内容有搜索策略—推荐策略—排序策略—展示策略，各个策略之间也是交叉影响的。
推测淘宝的计算逻辑应该有采取二叉树进行遍历(仅为推测)
可以理解为：if...then...else...
如果你是频繁购物的学生，经常买连衣裙，这个时候推荐XXX。
如果你是频繁购物的学生，没买过连衣裙，这个时候推荐XXX，不点击则推荐连衣裙相关。
可以参考搜索推荐策略其他计算逻辑(漏斗筛选)：
例：当一个 3 个月前买过钢笔的学生在淘宝上搜索了“钢笔或墨水”，系统可能会判断他想要同价位或者更高价位的钢笔/墨水/本子/这些物品，再调取他的历史搜索和成交数据，很大概率会在搜索结果页优先排列同等价位和星级的商品。
但该策略也会穷尽极端情况，所以不太可能给一个学生推荐价值70W的RM SO5 钢笔或派克(保时捷纪念版)···
明白淘宝搜索推荐逻辑后，我们再看看淘宝的展现策略 ：
(注：我手贱搜了一下连衣裙，随后在这些地方全部发现推荐展现踪迹)
不要以为展现策略仅仅在搜索结果页的排序，如果你有心去观察淘宝的各个模块(上图标红部分)也可以参考下图感受展现策略的无处不在。
并且神奇的是淘宝会尝试推荐不同类型不同价格的商品给你，每一个模块都有计算逻辑，随机呈现给你，总有一款能打动你不是吗???
4.输出(用户在不同场景下的需求)
仍以“连衣裙”为例，来看看为什么我们不一样。
假如你是经常购买优衣库等连衣裙的女学生或白领，大概率会推荐给你Zara，甚至only的连衣裙。
假如你是偶尔购买无牌低价的连衣裙的女性，淘宝打开率低，不太可能会给你推荐only甚至更贵的连衣裙。
其他场景就不一一列举了，只能说目前淘宝做到了“千人千面”，但貌似没那么“智能”。
如果有意外情况只是系统还不够了解你，比如给我(一个没有女朋友的混在职场的钢铁直男)推荐连衣裙和女士内衣，仅仅因为我搜索了这个词。
不过就像淘宝的算法小二声明中所说，用户的场景和需求是动态的，系统对于用户的定义也是动态的。
比如你这个月只卖低价的，下个月买的都是品牌的，系统也会针对你的标签进行升级。
比如我下个月有了女朋友，开始给女朋友买东西······
系统不会跟人交流，所以他只能通过我们的各种行为和数据，来判定我们想要做的事，不断的给我们贴标签，撕标签。也挺辛苦的~
虽然很多网友都在抨击以某些标签定义某些人群，但其实这是智能时代和机器学习不可避免的过程，也是企业在追求利润使用的精细化运营策略。
其实人类社会天然具有标签基因，比如“皇帝”“男”“穷人”“富人”“精英”“乞丐”···但记住，没有什么标签是可以永久定义一个人的，所以还是努力给自己贴一些正向标签。
应了一句话，你怎么对待你自己，机器就怎么对待你。
本文仅浅略解析淘宝个性化推荐策略，需要反复强调的一件事是，淘宝的复杂程度要远超我的描述，像基于平台关联进行策略推荐(好比说昨天我在京东上搜索连衣裙，今天头条也出现相关广告，并且是京东的···)，基于用户关联推荐等等不能一一解读，不足之处不准确之处看看就行。
虽然目前各大平台的数据相互独立，但已经足够“策略”去发挥很大作用，而且我相信，随着数据流通和算法的进步，“人工智障”会逐渐变为真正的“人工智能”，来帮助我们达到“个性化”的理想态，真正帮助我们的生活工作。
三、关于这些策略的制定是谁干的?
我们去观察某电商平台策略岗位招聘：
仔细看能力要求的关键词：“用户画像和需求”“分类运营”“不同场景下用户购买习惯和关联”“内容的精准触达”“标签运营方法论”。
完美契合上述淘宝搜索推荐策略工作内容，他叫——策略产品经理。
其实不仅仅在电商行业，在当下互联网行业中，无论你是做什么产品，策略已经无处不在。
比如说，这些典型的业务问题和场景中，就是互联网业内“策略”最常发挥价值的地方——
1.一个产品，随着用户体量增加，需要考虑做精细化运营;
2.一个产品，可能涉及到搜索、推荐、供需匹配等功能模块需要完成;
3.一个产品，拥有大规模交易、成交数据，需要提升成交率，优化利润空间;
4.一个产品，需要考虑通过数据来驱动用户增长;
5.一个成长期的产品，需要考虑通过补贴来规模化拉动用户增长，并希望自己的补贴方式、形式等能够变得尽可能高效;
等等等等。
比如说，最新招聘信息，各大厂都在寻求策略相关人才。
假如你是一个策略产品经理，你将有很大可能能够跳脱出依赖于“人肉”的怪圈，而开始可以做到能够依赖于“机制”和“机器”来帮助自己提升业务效率;同时，你将比之前有能力能够去解决一些复杂度更高的问题，从而让自己更值钱，以及能找到对自己更好的职业机会。
同样，假如你要做一个策略运营，如果你可以拥有思考“策略”的能力，你也有更大概率将运营动作规范化，实现依赖于“机器”进行精细化的运营的工作，帮助你能够面对更大规模，更多维度的挑战，成为市场上更加不可替代的存在。
