豆瓣读书怎么用豆瓣读书VS当当网：谈推荐策略如何定义理想态

推荐版块是用户习惯的APP版块。从这个小部分你能看到什么？

下图展示了一个产品从发现问题到解决问题的整个周期，产品经理的工作围绕这些阶段展开。本文将以豆瓣阅读为例，分析其在实际生产中的应用。

为什么要定义理想状态

上图展示了PM发现问题的几种方式，理想状态在每种方式中都起着重要的作用。下面详细分析一下。

首先要搞清楚什么是理想状态。任何产品和策略的本质目标都是解决用户的问题。理想状态描述了最优问题求解规则下的输出结果。

比如滴滴的产品目标是为用户和司机提供一个最大限度利用资源(司机和乘客)的平台。那么滴滴的理想状态就是乘客能砸车；当然，司机也是滴滴的用户，这里只描述乘客的理想状态。

如果把这个理想状态转化为一个参数指标，即交易完成率=100%，显然是不现实的。但是可以通过拆解不理想的案例，合并流程指标的信息来分析平台不理想的原因。

意思是一

帮助PM发现问题，找到达不到理想状态的优化点。

我们以滴滴为例。假设我们发现当前交易完成率在95%~99%左右。我们的策略迭代和优化的基础是现有数据的稳定性，但是我们每天手工验证话费是费时费力的。因此，我们建立了一个基于交易完成率的指标监控机制，帮助我们衡量数据的波动。

意思是二

通过对理想状态进行抽象，得到监控指标，并根据历史数据定义指标阈值。监控系统可以自动测量指标的稳定性，方便我们快速发现问题，在指标变化不合理时及时做出反应。

这些都是产品的核心指标，当我们提出新的战略时，战略也有一个理想状态。

比如一个新的运营策略，就是希望每个人都能参与到平台的活动中来，那么理想情况下，所有用户都看到了活动推送、点击、参与。

这显然是不现实的，但是我们可以提取三个指标——活动推送覆盖率、用户点击率和参与转化率。通过监测这一指数，我们可以衡量这一战略的好处。

意思是三

抽象理想状态可以帮助我们判断策略在效果回归中的收益，进而判断是否开始新的产品周期。

那么我们最后的目标主要是收集用户反馈，用户反馈的信息是多频多维的，但是如何去糟粕，提取精华呢？这条线是我们对平板产品理想状态的理解。

比如用户和滴滴客服抱怨自己捡的车不卫生，太乱，显然不是现阶段的产品目标。我们能做的最好的就是教育司机。

比如有的用户说司机总是会取消订单，建议加取消保险之类的。这不在我们现阶段的理想状态之内，可能会随着产品的阶段性进展而被纳入理想状态，但这种反馈目前不会起到任何作用。

意思是四

确定当前理想的产品范围，合理清理用户反馈。

需要注意的是，理想状态不是一成不变的，会随着产品目标和阶段的不同而变化。

豆瓣读书vs当当-智能推荐第一节。分析产品(战略)目标

如下图所示，我们在搜索一本书的时候，网页也会显示“喜欢这本书的人也喜欢……”的信息:

这一节在各种产品中都很常见，所以首先需要明确产品目标是什么。简单来说就是平衡用户、资源、环境之间的关系，提供最佳匹配策略。

1)用户视角:方便有趣

兴趣:这里用户想看的是自己感兴趣的书籍推荐。他不会为了放松而去搜村上春树的小说，但以下是他最讨厌的数学教材。

低成本:方便是所有平台上所有用户的需求之一。

首先用户希望看到的是图文并茂的展示方式，如果只是一些超链接，那么体验就会大打折扣，增加了用户的阅读成本；其次用户希望他们感兴趣的书不需要过多的翻页和下拉就能看到，这是减少用户的操作成本；同时用户希望我能迅速获取到足够的我所感兴趣的信息，不需要再进行跳转，比如这是买书的网站，就该显示给我书的价格，我可以迅速的决定是否进行详细浏览，这也是对操作和阅读成本的减少。

总之，用户关注的是时间成本，这样可以用同样的资源做更多的事情。

2)平台视角:促创新促活动，转化资源

高用户活跃度:用户是每一款产品的基础，高用户活跃度可以从提高用户基数和提升单用户活跃度两个方面来增强。所以平台的首要目标是满足用户的目标，方便有趣。

资源转化:一个产品要能成长发展，必须形成一个闭环。

颤音的生态闭环:高质量高音量视频素材>:用户看视频>:用户喜欢，赠送礼物等。>:主播获得收入并继续制作/用户自己从观众变成资源输出者>:高质量视频素材。

那么从图书产品来看，也形成了一定的闭环。

营利性产品：“用户搜索浏览>用户购买>用户认为体验不错>用户再次进行搜索浏览”，所以营利型产品闭环在购买>再次搜索上，所以其目标是提高交易转化率和购买后再次搜索的比例，进而促进资金的流通和信息——主要是用户画像的丰富。非营利性产品：“用户搜索浏览>用户阅读图书>用户输出图书信息>用户再次进行搜索浏览”，所以非营利性产品闭环在用户从观看者变成输出者上。因此要提高产品点击率，以及用户从观看者变成输出者的转化率。但是沉默的永远是大多数，此类平台对用户的信息抓取能力是不如营利型平台的，因为用户没有必要建立账户，大量用户是以访客身份浏览的，所以更多的是促进图书信息的丰富。 2. 当当vs豆瓣：示例说明平台目标引起的展示差异

我们以当当网和豆瓣阅读为例来说明两者的区别。以下是我在两个不同网站搜索“操作之光”后得到的结果。

当当:

豆瓣阅读:

下面我们来分析一下差异，解释一下不同平台属性导致的推荐模块的差异。

1)占据不同的布局

由于当当网的根本目的是盈利，其推荐书籍的披露率越大越好。所以我们可以看到，经常购买的商品一栏显示的是5本书，实际上是6*10，也就是“购买过该产品的客户”一栏显示的是60本书，当当网智能推荐的有65本。

后者是豆瓣上的搜索结果。可以看到，一本书对应的智能推荐只有7本，即使占据了全部页面，也只有10本，远不如当当。

2)推荐尺寸的差异

首先，我们来看看智能推荐部分命名的区别。当当网被命名为“经常一起买的产品”，“买这个产品的客户也买过”，豆瓣被命名为“喜欢读xxx的人也喜欢”。从命名的角度来说，当当网的智能推荐提供了更多的概括性和非方向性，即更多的维度。豆瓣的命名限制了其推荐的书籍定位在与搜索图书类型、关键词、作者等相关的书籍上。

从具体推荐来看，当当网截图十本中有三本属于搜索书《八蝎子打不开》，所以推荐结果会更聪明，更多样；而豆瓣搜索结果中推荐的七本书，与搜索书籍的相关性很强。

3)排序结果的差异

我们来分析一下当当网智能搜索的排序结果。“经常一起购买的商品”这一栏是完全按照关联性强弱排序的，而后一栏显示结果中不同维度所占的比例则因页面而异。这里就不截图了，有兴趣的可以自行搜索。

《行动之光》就是一个例子。其智能推荐结果为6页。第一页强相关书籍/所有展示书籍的比例是100%，这意味着这一页更有针对性，更为单一维度；第二、三页比例为70%；第四、第五、第六页占50%或60%——也就是说，随着翻页次数的增加，用户的操作成本会增加，相应的结果曝光率也会降低。

当当网会针对用户非针对性的浏览需求，展示更多的输出结果，目标是刺激用户消费。

但是豆瓣的排名策略并不显著。在经验中，我们发现了一些强相关和弱相关(相对)被颠倒或顺序颠倒的情况，这应该是一个需要优化的战略点。

但是它的重要性显然没有盈利网站高。主要是没有翻页行为，运营成本低，用户一目了然，没有过度的营销需求。所以它的暴露率其实不受它所处位置的影响。

4)信息显示的差异

当当网的信息展示主要是从购买角度出发，突出价格，展示作者姓名和出版社。但是豆瓣上的信息很少，我觉得可以加豆瓣标签，方便用户快速了解书的类型。

混凝土产品的理想状态

注意:我们一开始不会处理资源转化率的问题，只分析平台的创新和推广。

通过上述对用户和平台目标的分解以及对具体例子的分析，总结出两种不同产品的理想状态。

豆瓣阅读

通过理想状态分析可以看出，豆瓣阅读用户的理想状态与平台的差距很小，都是在有目的的浏览下追求高质量、高相关性的图书推荐。

也就是说，平台主要做的是“基于内容的推荐”，就是把内容系统下的数据做好分类。

这个推荐结果的准确性主要取决于一个完整的内容知识库的建立。如果内容知识库不够丰富或者格式不好，其搜索结果会大大减少。同时，由于用户的登录需求不高(沉默者总是大多数)，大部分用户都是以游客的身份浏览，留下的数据较少，推荐结果的可扩展性相对较低。

由于用户数据较少，所以不显示在上图的闭环中。“基于内容的推荐”平台更注重用户的输出，即“标签”、“评论”和“分数”，这有助于丰富数据库中的格式化信息。该平台的目标是更好地理解每本书的肖像，然后理解用户的肖像。

当当

通过以上分析，我们可以看到，相比豆瓣，当当网的用户理想状态和平台都有“购买”的因素，这就要求我们跳出基于内容的基本智能推荐，但对用户心理有精准控制，提高对当前热点的敏感度。我们通过当当网的闭环来加深以下理解。

我们可以从以下几个方面来分析当当网的智能推荐策略:

基于内容的推荐：和豆瓣相同，基于完整资源库建立以及细粒度的格式化信息搭建；基于内容的协同过滤：协同过滤会分析系统现有数据，结合用户表现数据，对指定用户对此类信息的喜好程度进行预测；比如“啤酒加尿布”，就是通过分析指导美国爸爸总是会一起购买这两件商品，通过调整商品位置增加啤酒销量；基于用户的协同过滤：通过用户对不同内容的行为，评测用户之间的相似性，基于用户相似性进行推荐。

我们可以看到，当当网关注的是用户，无论是基于内容的协同过滤还是基于用户的协同过滤，都需要对用户的心理有很好的控制，所以历史信息主要起到丰富人物画像的作用，这是资本压力下的必然结果。消费受到用户猜测的刺激，推荐结果也受到当前热点、图书销售、运营活动等诸多因素的影响。

抽象产品的理想状态

产品理想状态的指标会随着不同的产品阶段和不同的战略目标而变化。本文仅作简要论述，希望能帮助读者建立抽象理想状态的框架。

对于上述推荐策略，我们需要明确包括但不限于以下内容:

用户对搜索结果的满意情况用户的购买转化情况推荐结果是否可见？关键词定义是否准确？排序是否合理？推荐图书和搜索图书的切合度情况运营图书的透出情况

其实关键目标是明确用户对推荐结果的满意度，也就是当当网的点击率和购买转化率，这应该是智能推荐系统的核心指标。

但是为了方便我们定位每个流程的操作，快速定位和分析案例，需要对核心指标进行细粒度的拆解，建立流程指标。

拆卸核心指示器

用户总点击率>:用户排名结果>:图书点击率>:用户对排名结果中第二本书的点击率...

购买转化率>:用户对排名结果中第一本书的购买转化率>:用户对排名结果中第二本书的购买转化率...

细粒度的反汇编可以帮助分析推荐结果的排名是否合理，建立过程指标包括搜索结果的可见性率、关键词匹配度、热书和操作书的渗透率。

确立过程指标的作用