科技: 人物 企业 技术 IT业 TMT
科普: 自然 科学 科幻 宇宙 科学家
通信: 历史 技术 手机 词典 3G馆
索引: 分类 推荐 专题 热点 排行榜
互联网: 广告 营销 政务 游戏 google
新媒体: 社交 博客 学者 人物 传播学
新思想: 网站 新书 新知 新词 思想家
图书馆: 文化 商业 管理 经济 期刊
网络文化: 社会 红人 黑客 治理 亚文化
创业百科: VC 词典 指南 案例 创业史
前沿科技: 清洁 绿色 纳米 生物 环保
知识产权: 盗版 共享 学人 法规 著作
用户名: 密码: 注册 忘记密码?
    创建新词条
科技百科
  • 人气指数: 2413 次
  • 编辑次数: 1 次 历史版本
  • 更新时间: 2011-12-05
土土
土土
发短消息
相关词条
增加用户黏着度的五个方法
增加用户黏着度的五个方法
互联网产品设计12个理念
互联网产品设计12个理念
让用户快速上钩
让用户快速上钩
用户投资
用户投资
了解网虫消费者
了解网虫消费者
碎片时间调研数据
碎片时间调研数据
美国青少年线上隐秘生活
美国青少年线上隐秘生活
眼球跟踪在流行
眼球跟踪在流行
用户运营
用户运营
SeeWhy
SeeWhy
推荐词条
希拉里二度竞选
希拉里二度竞选
《互联网百科系列》
《互联网百科系列》
《黑客百科》
《黑客百科》
《网络舆情百科》
《网络舆情百科》
《网络治理百科》
《网络治理百科》
《硅谷百科》
《硅谷百科》
2017年特斯拉
2017年特斯拉
MIT黑客全纪录
MIT黑客全纪录
桑达尔·皮查伊
桑达尔·皮查伊
阿里双十一成交额
阿里双十一成交额
最新词条

热门标签

微博侠 数字营销2011年度总结 政务微博元年 2011微博十大事件 美国十大创业孵化器 盘点美国导师型创业孵化器 盘点导师型创业孵化器 TechStars 智能电视大战前夜 竞争型国企 公益型国企 2011央视经济年度人物 Rhianna Pratchett 莱恩娜·普莱契 Zynga与Facebook关系 Zynga盈利危机 2010年手机社交游戏行业分析报告 游戏奖励 主流手机游戏公司运营表现 主流手机游戏公司运营对比数据 创建游戏原型 正反馈现象 易用性设计增强游戏体验 易用性设计 《The Sims Social》社交亮 心理生理学与游戏 Kixeye Storm8 Storm8公司 女性玩家营销策略 休闲游戏的创新性 游戏运营的数据分析 社交游戏分析学常见术语 游戏运营数据解析 iPad风行美国校园 iPad终结传统教科书 游戏平衡性 成长类型及情感元素 鸿蒙国际 云骗钱 2011年政务微博报告 《2011年政务微博报告》 方正产业图谱 方正改制考 通信企业属公益型国企 善用玩家作弊行为 手机游戏传播 每用户平均收入 ARPU值 ARPU 游戏授权三面观 游戏设计所运用的化学原理 iOS应用人性化界面设计原则 硬核游戏 硬核社交游戏 生物测量法研究玩家 全球移动用户 用户研究三部曲 Tagged转型故事 Tagged Instagram火爆的3大原因 全球第四大社交网络Badoo Badoo 2011年最迅猛的20大创业公司 病毒式传播功能支持的游戏设计 病毒式传播功能 美国社交游戏虚拟商品收益 Flipboard改变阅读 盘点10大最难iPhone游戏 移动应用设计7大主流趋势 成功的设计文件十个要点 游戏设计文件 应用内置付费功能 内置付费功能 IAP功能 IAP IAP模式 游戏易用性测试 生理心理游戏评估 游戏化游戏 全美社交游戏规模 美国社交游戏市场 全球平板电脑出货量 Facebook虚拟商品收益 Facebook全球广告营收 Facebook广告营收 失败游戏设计的数宗罪名 休闲游戏设计要点 玩游戏可提高认知能力 玩游戏与认知能力 全球游戏广告 独立开发者提高工作效率的100个要点 Facebook亚洲用户 免费游戏的10种创收模式 人类大脑可下载 2012年最值得期待的20位硅谷企业家 做空中概股的幕后黑手 做空中概股幕后黑手 苹果2013营收 Playfish社交游戏架构

装扮诱惑法 发表评论(0) 编辑词条

目录

装扮诱惑法编辑本段回目录

“用户推荐”的契机来源于某购物站点的“猜你喜欢”,乔装打扮的推荐投其所好精准度之高着实令人咋舌,细想起来,必定是我对该产品忠实度之高导致数据库把我的操作痕迹默默“备案”了,这才被程序看穿喜好一矢中的。

从推荐效果来说,全面铺开的广告类推荐,特定相关用户会注意,非该信息兴趣点用户常常会忽略或持有怀疑态度,而针对个人喜好的推荐――根据推荐准确度,接受信息比率依次增高。推荐,站在市场的角度考虑,无非是要多卖产品,尤其是有滞销可能的产品,所以百般推荐,广告攻势,希望用户知晓,可惜用户不领情。用户需要知晓的是:真正与我相关的信息。

支招用户推荐—“装扮诱惑法”


那么用户推荐到底是由业务推还是按照用户喜好来推,是安排相亲对象还是放任自由恋爱?作为用户来说,仰赖自己智慧做出的选择,远比那些花花绿绿的推荐广告来的可靠,但有趣的是结果可能殊途同归。

从这个角度来说,个人更鼓励有针对性的用户推荐,虽然这种用户推荐遍地都是,但是做得好的并不多。有些美其名曰的用户推荐 其实还是不精准的,这就有些尴尬了,既没有拉开和硬性推荐广告的距离,又没有做到体贴入微的私人定制化服务,这些推荐几乎等同于鸡肋。

要做到精准有效的用户推荐,首先,必须掌握用户兴趣点及其行为习惯:
参考以下几点:用户浏览文档的行为习惯比如执行点击跳转到某个链接的行为,用户重点关注的页面信息,比如用户执行过保存、打印等动作的相关信息, 用户标记过的信息类型以及用户访问重复度高、操作次数多、浏览时间长的功能或信息,最不容忽视的当然就是用户手动输入过的信息,包括搜索关键词等。
搜集到这些信息以后就可以使用“装扮诱惑法”指定相应的推荐导向啦。先想下大家平时出门逛街的时候是如何挑选购买心仪的衣着配饰的。

STEP 1 针对心仪的目标单品进行价格比较

对于已确定目标的用户,适时推出同类产品最优价格推荐

STEP 2 在选购的同时会关注同类单品的潮流趋势

给予同类最新产品推荐,抓住用户的眼球和探求欲

STEP 3 在购买到心仪的单品之后延伸心理容易搭配购买

同系列产品推荐,比如用户购买了洗发露,那是不是顺便推荐个护发素?

STEP 4 关注自己喜好的某个品牌色调的其他衣着配饰

模糊类别的相同关键字推荐(比如用户购买了大量红色服装,是否可以‘红色’作为推荐关键词,对应其他非服装类产品)

SETP 5 对自己心仪的风格款式符合自己审美趣味的商品有关注欲望

扩展推荐 (比如用户喜好悬疑类书籍,是否可推荐同类电影或话剧?甚至带有逻辑分析因素的活动,相关题材虚拟人物所在地的旅行?)

这种方式筛选出来的用户推荐不仅可以增加用户网站粘着度,也可快速获得利用价值高的数据,更贴心。细致揣摩用户的需求,采取“装扮诱惑”的思路提供人性化的用户推荐才能在用户有良好用户体验的同时收获到满意的销售效果。

本文来自:http://www.365ucd.com/archives/1633.html

→如果您认为本词条还有待完善,请 编辑词条

词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
0

标签: 装扮诱惑法

收藏到: Favorites  

同义词: 暂无同义词

关于本词条的评论 (共0条)发表评论>>

对词条发表评论

评论长度最大为200个字符。