無論是刷視頻還是刷帖購物，在推薦頁面裡好的推薦理由總能吸引人點進去看。那麼這些推薦系統裡的推薦理由都有哪些？又是如何生成的？本文就此問題做了分析和解答，希望對你有所幫助。

很多時候我們在推薦信息流裡面會看到一些推薦理由，好的推薦理由可以提升我們的點擊欲望，那麼這些推薦理由到底是如何生成的了？本篇文章給大家詳細介紹一下。

一、什麼是推薦理由

推薦理由，字面上的意思就是為什麼給你推薦了這個物品，也可以被叫做推薦解釋。在推薦結果上增加一些“推薦理由”的目的也很簡單，就是為了提升推薦結果的可解釋性，進一步提升點擊率。

目前在各個領域的APP上基本都會有推薦理由，挑選了9家比較有代表性的公司給大家介紹一下：

1. 電商領域

1. 淘寶：“1000 美食愛好者買過”；是為了告訴用戶這個商品很多美食愛好者都喜歡買，你也不能錯過；
2. 京東：“近期超千用戶買過” “為你探索的熱搜商品”；同樣是為了告訴用戶這個商品是很多人共同的選擇以及最近熱門搜索的商品，你也可以嘗試；
3. 拼多多：“男高幫休閑鞋銷榜第1名”；直接告訴用戶這款鞋子很火，銷量排名第一。

2. 本地生活領域

1. 美團：“海澱區新店，快來種草吧”是為了告訴你有新店，可以來嘗嘗新；“經典必吃紅燒牛肉米粉”是告訴你經典款不容錯過；
2. 大衆點評：“五道口北京菜口味榜第一名”&“2022上榜一鑽餐廳”都是通過排行榜的形式來告訴給你推薦的這些餐廳都是榜上有名的餐廳；
3. 盒馬：”回頭客3.2萬人“是通過曆史上有大量人複購來告訴你這款商品很不錯。

3. 内容領域

1. 知乎：“超過9.1萬的用戶關注了TA”是為了告訴你這個創作者的粉絲很多，在一定的領域具有一定的影響力，你可以看看；“你關注的王豆皮贊同”是為了告訴你關注的某個博主對這個内容也很感興趣，你也可以看看；
2. 視頻号：“XXX朋友點贊過”，和知乎的那個推薦理由差不多，都是基于社交屬性來設置的推薦理由；
3. 網易雲音樂：“根據常聽推薦”表示這首歌和之前你經常聽的歌很相似；“昨日上萬播放”表示這首歌昨天很火，給你推薦你也可以嘗試聽聽。

我們可以通過三大領域，9個APP的推薦理由案例發現一個好的推薦理由其實是可以提升用戶的點擊欲望，讓推薦結果更加透明化；

二、推薦系統為什麼要做推薦理由

為什麼推薦系統的推薦結果展示要添加推薦理由，其實這和我們日常生活也都是息息相關的。

1. 當我們想看一部電影卻不知道該看什麼的時候，我們會咨詢朋友的意見，朋友們會告訴我們XX電影好看，主演是XX，劇情非常好，演員的演技也很好。“劇情非常好，演員的演技也很好”其實就是我們生活中給出的一種推薦理由。
2. 當我們去一家餐廳吃飯不知道點什麼的時候，我們通常會叫來服務員問他有沒有什麼菜推薦。服務員會說 “這幾道菜是我們店經典菜必點，這道菜是我們店剛剛上新的新菜可以嘗試一下”。其實服務員給出的推薦理由和大衆點評&美團給出的推薦理由邏輯是一樣的。

一個值得信任和說服力強的推理理由會降低我們的選擇成本和決策時間。如果我們将現實中的推薦場景同樣複制到互聯網上，在為用戶推薦某一個商品或者服務時，不再是隻告訴商品或服務是什麼，同時也告訴為什麼給他推薦這個商品或服務時：

• 平台側：提高推薦結果的透明度，提升推薦結果的可解釋性，進而提升推薦結果的點擊率；
• 用戶側：提升用戶體驗，用戶更加信服推薦結果；

在2022年這個時間點，在頭部互聯網大廠的APP推薦結果裡基本都已經附上了推薦理由，隻是推薦理由的覆蓋度并沒有很高以及種類比較少。随着推薦系統的進步以及用戶自主意識的不斷增強，推薦系統的透明化以及結果可解釋性也需要不斷增強。

推薦理由就是一種很好地提高推薦系統透明度，提升推薦結果可解釋性，拉近系統與用戶之間距離的方式，未來所有的推薦系統裡都需要加上推薦理由。

三、推薦理由分為哪幾類，如何實現

市面上這麼多推薦理由，我們可以将其分為哪些大類了？又如何去挖掘出這些推薦理由了？

1. 推薦理由應該具備哪些特性

首先我們在設計推薦理由之前得明确推薦理由應該具備哪些基本要點，需要圍繞着基本要點進行推薦理由設計。

如上圖所示推薦理由需要具備三大基本要點：可解釋性強、準确度高和信服度高，三者缺一不可；

1. 可解釋性強：推薦理由必須要容易理解，用戶秒懂，而不需要進行思考；
2. 準确度高：推薦理由必須要是準确的，而不是給商品亂加的标簽；
3. 信服度高：推薦理由必須要讓用戶信服，覺得推薦這個商品是有真道理，而不是一些無關痛癢的理由。

2. 推薦理由的分類及實現方式

• 用戶特征：一般分為兩個大類，一個是用戶的行為特征，另一個是用戶的偏好特征。基于用戶行為特征的推薦理由生成基本都是統計學的方式，就像上文中盒馬的例子”你經常購買的商品“；而基于用戶偏好特征的，一般都是使用Item-CF算法，将基于Item-CF算法召回的物料都可以加上這類的推薦理由”根據常買推薦、根據常聽推薦“。基于用戶特征的推薦理由可以在各個領域使用，是一種普适性的推薦理由。
• 行業權威：這類主要用在一些内容和媒體領域，一種是将一些行業大V關注或點贊過的内容推薦給其他用戶；一種是基于用戶現有關注的一些大V，從他們曆史曾經點贊過的内容中尋找和用戶興趣愛好匹配度比較高的物料進行推薦，然後附上推薦理由，可以進一步提升點擊率；
• 熱門潮流：可以分為很多種類型，比如近期流行的和曆史上榜的。這類推薦理由基本都是通過統計學的方式來進行統計，尤其是排行榜類的信息，在很多電商公司會基于各種類目和屬性的組合生成五花八門的排行榜，一個平台上的排行榜可能有幾千種。
• 社交關聯：基于社交屬性的推薦理由其實是在相關社交軟件或者媒體軟件上經常使用的，在我們浏覽視頻号的時候，如果一個視頻被很多微信好友點贊過，這個視頻裡面會被放在首位推薦給我們，甚至視頻号還會有醒目的紅點提醒我們點擊觀看，這就是一種基于微信社交生态專門有的推薦理由，我們看到這個視頻下有哪些好友點贊了，我們就可以再去找這些好友聊這些視頻，創造共同話題。
• 好評如潮：基于曆史用戶評論信息進行好評挖掘，然後再進行一個千人千面的用戶匹配。因為評論信息中各種各樣的信息都會有，有的評論側重于産品功能，有的評論側重于使用體驗，如何實現推薦理由與用戶之間的千人千面匹配而不是一個推薦理由分發給所有用戶這是技術上的難點。

3. 推薦理由生成和使用的挑戰

推薦理由可以讓我們的推薦系統更加透明化，提升用戶的點擊率，但是實際在落地時還是會有很多技術難點需要突破以及合規性需要注意。

（1）如何保證理由的準确性和及時性

推薦理由的準确性是必須要得到保證的，不然會起到反作用。同時推薦理由的及時性也很重要，比如”熱門潮流“類的推薦理由，此類推薦理由就需要及時更新，很多SKU可能在夏天是流行的，比如西瓜、雪糕等，到了秋天立馬就不再是流行的了，所以相對應的推薦理由我們也不能再使用。

（2）如何保證披露信息的合規性

推薦理由裡面的信息是不是都适合披露，都是合規的。比如基于用戶評論信息裡面的一些信息，很多評論可能會比較直接或比較敏感，雖然确實和商品有關，但可能不适合直接披露在最外頁給用戶展示。還有一些類似于功效的信息也得需要進一步确認才可以。

（3）如何做到更進一步千人千面的适配和動态生成

這個是目前推薦理由領域最大的挑戰和重點攻克的方向。我們上面介紹的很多種推薦理由其實都是千人一面的，當一個SKU被推薦給所有用戶時可能使用的推薦理由都是一個，比如排行榜信息。

而推薦系統需要做到的就是千人千面，以往做的是千人千面用戶和物料的匹配。未來需要實現的是同樣一個物料推薦給不同用戶時可能推薦理由也是不一樣的，需要做到推薦理由的千人千面動态生成，而不是像現在這樣的離線千人一面的生成方式。

本文由 @King James 原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自 Unsplash，基于 CC0 協議

該文觀點僅代表作者本人，人人都是産品經理平台僅提供信息存儲空間服務。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部