电商平台，搜索排名优化是每个运营的“必经之路”。电商平台搜索的核心，并不是匹配用户的搜索词，而是匹配搜索词背后的“用户需求”。而电商推荐系统的出现，则极大地丰富了用户体验。将收集到的用户信息、产品信息以及用户画像分类录入系统，运用推荐算法，根据用户进行个性化设定，给用户提供个性化商品推荐。电商平台的用户关联推荐系统是如何搭建的?

星欧平台电商称，从电商商品搜索的机制来看，用户搜索的核心设计，是帮助用户解决更加便捷的，更精准的查询，比如关键词模糊搜索，同时针对于查询服务，电商常用做法是针对关键词进行准备的分词操作，分词需要考虑垂直产品的相关联性，然后基于分词后的关键词去查询和匹配商品后进入数据库中查询，从而获得结果列表，再按照算法策略进行过滤、排序并匹配用户画像行为特征，优化结果查询，返回优化后的最佳搜索给用户展示。

从用户检索功能来看，搜索分为3个核心点：

搜索框：允许用户可以输入字和词联想搜索;

推荐：历史搜索和推荐策略;

结果展示：通过系统端优化结果展示给用户，清晰的供用户参考和使用;

电商产品中的关联推荐系统，一定是结合用户搜索的习惯和用户行为决定的。

去京东或者淘宝上的用户购买商品的主要分为两大类：

1.有明确的购买商品需求，直接查找精准词去购买商品(上面聊到的搜索策略主要是针对这类型的用户)

2.在淘宝京东上逛逛，仅仅是为了消磨时间去购买商品，则看到产品中关联性的其他商品，推荐系统就显得尤为重要。可以针对性的对用户产生二次复购。

每个用户进入到产品中，系统实时会去记录用户行为和交易数据，会针对性的结合用户画像产生“个性化推荐”，也就是猜你喜欢或者为你推荐。就能使得每个用户都能有自己独特的购物场景。相当于进入一个超市，都是你当前心心念念的产品和之前购买的产品，你会有什么样的感受呢?

星欧平台电商称，在社交电商中，系统针对的加强了对电商购物场景的多样性。

比如用户推荐、点赞、评论等用户社交之间的操作行为，能有效的传递和反馈商品。用户之间的转化效果是对社交电商中商品的购买最好的效果。

整体来说，用户在某一个场景中互动时，向用户有针对性的推荐另一个场景，有需求的引导进入另一场景中完成任务。

在电商场景中，关联推荐主要是为用户推荐最匹配ta的商品，从而达到用户复购或者增加用户在场景中的停留时长。

那么，电商平台的用户关联推荐系统怎么去设计呢?

主要是通过四个角度来设计：

1.用户体验：方便用户的操作，推荐商品就是更便捷让用户可以浏览并选择商品;

2.强关联性：推荐给用户的内容和用户行为特性以及用户画像的关联性强。可以让用户一眼看上去：“嗯嗯，这是我想要的”;

3.反馈策略：用户可以选择性的不看某些商品，也可以换一批商品。也就是给用户反馈的可能，并且系统能针对性的处理操作;

4.推荐策略：推荐给用户的商品，要做到润物细无声，惊鸿一瞥就能看到我想要的商品在这儿;(比如进入商品详情、支付商品后和商品完成物流后的推荐策略都不同)。

接下来详细的聊下推荐策略，电商系统究竟是怎么推荐给用户精准商品的?

电商平台中用户关联系统的推进策略的搭建：

第一步：从底层先收集用户画像和整理用户足迹，相关联的特性打标签，根据用户历史记录和当前操作行为，为用户在场景中构建一个当前场景画像，此时用户的每一步操作都会为用户生成新的场景，从场景中给用户推荐匹配的商品SKU和对应的商品分类等，此时只是第一步筛查;

第二步：推荐商品的属性与用户操作的行为以及用户的历史购物清单进行加权计算(或者其他策略算法)和人工标签推荐策略。输出精细化的场景商品推荐;

第三步：最后输出用户在每个场景中的商品推荐。

社交电商平台用户关联系统的推荐策略之猜你喜欢

用户进入电商网站时，网站会去筛选用户可能会对哪些商品产生购买意向。这几个商品可能在你的购物车里面，可能你上次购买过。其中需要根据商品的消费频次，比如你上次购买了零食，经过一个周期内，刚好有相关联的零食在促销，有更加优惠的价格，那么就会有针对性给你推荐该零食，如果你上次购买洗衣机，肯定不会推荐你再次购买洗衣机。推荐的前提是已经认定用户对价格、优惠有很好的偏好了。这样才可能达到更好的转化效果。

“猜你喜欢”的策略维度为：

基于用户的购物车收藏、基于用户的足迹、浏览记录和交易订单的结果推荐以及用户画像。

当然整体的导购体系绝不止搜索和关联推荐策略，这只是一个组合策略方法。还有push+推荐策略等等都是增加用户粘性和复购率。但是归根到底，我们在做电商产品时，先做好底层的数据：用户画像和商品的精细化属性。才能做好接下来的每一步操作。这也是电商和商超类传统零售的区别。获悉更多电商运营小技巧，欢迎关注星欧平台电商运营学院。