推荐产品的12个最佳实施
一、使用高质量的图片
要怎么样才能让用户为你推荐的产品买单？很明显，你要给你的产品拍出更美的照片。
Kate Spade's 的推荐系统，详如下图，除了保证了每一张图片都是白底无水印的图片外，在用户鼠标点击到图片上的时候，图片会直接变更为模特背包的图片，让产品信息进一步的透出和提前传递。
这是一个最简单的策略，但他却可以成功激起人们的兴趣。因为在最小空间中，把产品的信息给透传了。
鼠标停留切换图片
二、制作一个聪明的推荐
推荐产品有很多种，我们可以创建基于流行产品的推荐系统，也可以创建类似产品的推荐系统等等，但我们更应该考虑制作一个个性化的推荐系统，基于用户的兴趣和社交数据。
通过推荐引擎，我们可以抓取用户的购物习惯，行为，付款历史和愿望清单，然后我们再给他展示一个针对每一个购物者都不一样的推荐系统。
买了还买
如果我们可以获取得社交数据，我们也可以使用社交数据。
通过社交数据，我们可以知道买家正在查找、浏览、购买什么产品。然后我们使用这些因子，我们可以识别并创建人物画像和社会群组。最终让我们可以提供给用户更智能更贴近用户的推荐系统，最终增加平均订单价。
我们也可以使用浏览过这个产品的人，也浏览了什么产品
看了又看
一个小的建议是，我们通过邮件来发送这些推荐的产品。让我们的 EDM 也变得千人千面。详如下图：
通过邮件来营销
通过邮件，我们不能随机的推荐产品，我们发送邮件的内容，要基于用户的诉求，为每一个用户都个性化推荐产品。
三、看看其他的人在购买什么
其他人在买什么，是一种最基本的推荐类型，就是排行榜或者热销榜。
但如果纯粹的只是热销榜，而没有参考用户的喜好信息，也是不够的。
但这种情况，更多时候是用于冷启动。
因为我们的热销榜，没有办法提升 商品销售覆盖度，从而导致 80%的产品销售，是来自20%的整体产品。
购买我们热销产品
四、使用看了又看
这个内容的算法因子更多，更多的展现了兴趣，For 种草。而成本也更低一些。
当我们的转化目标只是为加购，收藏时，就可以启用这个算法。因为看了又看，可以更大级别的扩散用户产品覆盖度。
因为看是廉价的。我可以看各种买不起的东西。但有些人可以买得起，大家都喜欢华为 P30，但买得起的人，不一定多，不能因为他买不起，就不给推荐吧。万一哪一天老板给发工资了呢？
看了又看
当然，我也可以使用搭配购买，比如我们买手机，下面除了推荐手机以后，更多的推荐手机对应的手机套。
五、使用猜你喜欢
You may also like 通常使用的算法逻辑就是你正在浏览的产品相似的产品。
最直接的 I2I。
但 I2I，也可以是基于描述、标题、标签、等，当然也可以基于类目、颜色、品牌或用途。
亚马逊就使用了 I2I 召回算法，但是基于用户对这个产品的评分而推荐这个产品。
就想当于，我买了 A 和 B，给 A 打了五星好评，然后新用户过来看 B 的时候，A 会被召回。
猜你喜欢
六、基于类目的热销推荐
当用户正在浏览我们的类目的时候，直接在类目上显示出这个类目最热销的产品出来，形如下图：
类目热销
七、使用对比色
颜色是设计中一个很重要的元素。
可以使你的推荐系统脱颖而出，比如我们正在浏览的产品主颜色是青色，然后我们的推荐底色也变成青色。
使用对比色
这种情况下，就会给使用都一种舒心的感觉。巴适！
八、添加引人注目的行为按钮
如果没有行动按钮（加购、加WISHLIST，查看相似），那这个推荐系统就是不完全的，因为只有添加了这些按钮，才可以让用户更简单的购买和浏览产品详情。
我们需要给这些行为按钮更醒目，但不一定是红色的样式。
添加行动点
九、考虑推荐产品的位置
这个概念来自于报纸，报纸首屏是用户最长见的部分。
所以出版商常常使用引信注目的标题和图像来吸引读者。
同理生效于我们的网站。
ETSY
上图中，ETSY 的推荐在网站最顶端放出了四个推荐产品，快速触达用户推荐。
举个现实中的例子，我们推着车走啊走啊走，然后突然想起来，刚才拿到手里的那块香皂需要购买一下，但又不想再费力再回去找，这个时候，推荐系统的作用，就是帮用户快速找到那块香皂。
十、在购物车页面增加推荐
另外一种你可以增你订单价的方式就是在购物车页面增加推荐。
研究表明，20%的顾客，点击了推荐的产品，并产生了购买。
购物车推荐
我们甚至可以添加免运费做为产品的附加属性。
比如，如果你提供 满88元，免运费，这个时候，购买车的推荐就非常重要了。
肯定可以提升你的转化。
十一、在付款成功页和订单确认邮件中使用推荐
多一个接触用户的场景。不多说了。
十二、通过推荐 建立个性化的 LP 页面
因为如果用户正在买裙子，然后当他点击到你的网站后，发现是一个网站首页，然后鞋子，裤子 都展现在用户面前，用户肯定会关掉这个页面。
所以，我们要为用户打造一个简单快捷的承接页，打造一个有产品关联或相关的承接页。
比如 Google shopping 可以把用户搜索的关键词传递进来。
我们就可以展示所有红色裙子相关的推荐。形如下图：
Google shopping
红色裙子集合
总结
最后的总结：
推荐扩展点：
- 形态：位置、数量、样式(图片、标、颜色)、行为
- 策略：热销、用户行为(浏览、搜索、加购、收藏、下单)
国外的内容，很少讲算法，但是学习一下外观的展示，也是不错的一种经验。
