今天分享的内容,深度标签的权重解析,你有没有发现,今年起流量不是很好起,而且起流量的周期也拉长了,特别是非标品更加明显,标品影响不大。去年呢,大家都还在玩7天螺旋,14天螺旋,当产值到了一定的触发点流量就起来了,是这样的吗?那是因为去年9月份以前呢,产值的权重还是挺高的!然而今年淘宝把产值的权重削弱了(当然产值还是很重要哈),把标签的权重占比变高了,所以呢,今年是标签年!外面传的那些个少量单量就能起爆的,也就是利用了标签这个权重维度! 那么你真的了解标签吗?

系统分发展现的原理

淘宝平台从当年的供不应求,渐渐的供需平衡,供大于求,到如今的供远大于求这样的一个过程。在如今供远大于求的市场里,市场容量是固定的,甚至下滑的趋势,那么阿里就需要将消费者与商家的利益做一个深度的融合。千人千面就是在这样的一个供需演变的背景下诞生的!经过多年的优化,算法已经成熟了!

目前,在算法层面上,一个产品他本身的特征可以决定给谁展现,而所有访客决定了产品的标签;从而系统可以在特定的场景里匹配与产品特征,产品标签相同的消费者给与展现!实现货找人这样一个目的!

这句话包含的信息非常大哈,我们多揣摩几遍!

“一个产品他本身的特征可以决定给谁展现"我们知道一个新品刚上架的时候,产品本身是没有标签的,系统是根据产品的特征,来匹配这个产品应该被展现到什么样的消费者面前。产品的特征包括产品价格、主图、标题、属性。这个很好理解,比如说价格,不同的消费者消费能力是不一样的,系统不会把9.9元的东西展现给消费能力200元的消费者面前;

分发展现和标签有什么关系,为什么标签今年这么重要?

你可能也知道,以前系统是按天给展现的,当天的权重影响第天的展现,很多人玩坑产,666!改版之后,系统是按照千次展现来的,这样一来,流量就被打散了,流量利用率就变高了...

千次展现的原理是怎样的?

一个新品上架后,系统根据产品特征和店铺权重、店铺人群,给产品获得一个初次 单位时间内的千次展现(比如: 1000次展现/3天,你可以理解为展现速率。)

然后根据得到的反馈,来决定下一次千次展现的速率,比如正反馈,就会缩短千次展现的时间,可能1000次展现/2天,最短的是1000次/1分钟。如果我们按照1000次展现/1分钟,那你算下,按点击率6%,一天就是1000*60*24*0.06 = 86400个访客!这个是千次展现的原理。

当产品获得了一个单位时间内的千次展现后,展现给谁看呢?

系统会根据产品特征和产品标签(这里假设是新品,也就没有标签可言),在所有人群中找到符合你产品特征和标签的人群-这些人群我们就称之为人群包,比如找到了10万人符合;然后根据产品的权重,获得一个理论可以展现人数, 新品前期权重低,比如说3万人;那肯定不可能这3万,人都看得到你的产品对吧,只有这3万人中,在搜索场景中发起了搜索,比如有1000个人发起了搜索,但是又由于是新品,权重低排名比较靠后,可能消费者不会往下翻很多页,那最后可能真正只有100个人看到了产品。 当这100个人,给到产品的是正反馈,那么系统就会缩短千次展现的单位时间(展现速率),如果是负反馈,就会延长千次展现的单位时间。

以此同时,进店访客所携带的标签,会赋予给产品,随着数据的积累,产品就会形成标签,进店访客所携带的标签特征越相似,赋予到产品的特征轮廓就会越清晰,系统给产品打标就会越精准,权重就会越来越高,获得的理论展现人数就会越来越多,产品的反馈好时,获得的排名就会越来越高...不断的正反馈,系统就会根据现有标签,继续给你匹配相同或者相似的人群标签给到产品,展现就会越放越大(协同过滤算法)...就是这样的一个良性循环!

总结一句话:千次展现的单位时间(展现速率) +人群包(人群覆盖面积) =决定产品的展现星,而这些都基于标签的精准才能形成正反馈,才能极致放大产品的展现!

那分享到这步,我们已经知道了。系统分发展现的原理是怎样的,展现量和标签有什么关系,为什么今年标签这么重要?

1:为什么说你觉得刷单没有效果,反而有的店铺一刷就上。

根据产品的特征,系统本来想匹配带有A标签的人群给你的产品,看看产品表现。但是因为你刷单, 你找到的刷手是带有B C D标签的,那带来的反馈是刷手这部分人带有的标签是正反馈,那么系统就会觉得给你匹配A标签的人群是错误的,应该给你匹配B C D标签的人群,(系统是人工智能,会不断的自我学习),于是,当系统真的把你的产品展现给带有B C D标签的这些人面前时,却是负反馈(刷手没有购买需求),然而更可拍的是,你在源头还在不断的向系统输送错误的信号,所以系统就会根据你输送的错误信号,不断的给你的产品匹配错误的人群..以此恶性循环...所以找对店铺核心标签很重要!

2:有的时候你会看到产品流量曲线经常波动很大,起起伏伏的,这是为什么?

在系统给你匹配的某一部分人群表现很好的时候,而且是持续的很好,系统有个协同过滤算法,会根据现有人群再匹配一定相似人群给产品,所以就会出现流星上涨,然后如果这部分人群中大部分都得到正反馈的话,系统会继续给你考核一段时间,如果持续正反馈,系统就会继续给你放大人群包,相反,如果是只有少部分得到的是正反馈,大部分是负反馈的话,那些系统会压缩你的展现,也就会出现流星下滑,然后根据这少部分人的一个共同特征,再次给你匹配一部分新的人群。

如果你能解释以上这两种现象,就说明你听懂了

那到底什么是标签呢?如何打标的?

简单来说,标签是机器在不断的学习中,通过大数据分析,把具有共同的典型特征的一群人划分到一类,并赋予了一个分类名。比如:养生达人,豆蔻少女,太平公主,旗袍女子,数码控,网红一族,白富美等。其实标签的背后就是一个人群包!消费者有标签,产品也有标签,标签是如何打上的呢?在讲之前,先给大家普及一个名字:子序列号

这两个网址,你熟悉吗,两个网址指向的是同一个宝贝,但是对系统来说,两个网址的意义是完全不一样的,第二个网站包含了很多参数spm,un,original price等,这些参数对系统来讲都是具有统计意义的,系统可以知道这个消费只从哪个场景来的,用手机还是电脑,点击进来做了什么动作等等,一切的消费者行为!子序列号为机器的学习提供数据源!

一个子序列号是由场景+行为路径+跳转组成的。

举个例子:

用户A,通过搜索场景,搜索了关键词"中长款连衣裙碎花",这个词,然后在10分钟内看了5个产品,对每个产品做了相应的动作(如浏览、加购、询单等),那么这一系列的行为, 会生成一条子序列号!

那假设A,又换了一个关键词,再搜索,然后看几个宝贝,就又会生成另外一条子序号。

那么我们先看产品的标签怎么打上的。具体来说是由消费者携带子序列号进入你的产品,在产品上累积了全部访客的子序列号,子序列号包含了消费者普经看过的产品的特征,这些特征有的已经形成了标签的轮廓,有的只有某类产品的共同特征,全部集合在你的产品上,当访客越来越多,共同点就会越来越清晰,当符合了某类标签的特征(轮廓)便给标签标记!

所以从产品打标的过程来看,只要进店访客的标签精准,产品在后期形成的标签也就精准!所以只需要解决进店访客的精准性问题!

好了我们再来看看进店访客(消费者)的标签是怎么打上的。

当消费者多次浏览了很多产品,就会形成多条子序列号,存储到消费者行为日志,这些子序列号会被系统抽取共同特征;当子序例号越来越多的时候,共同点就会越来越清晰,组成一个典型特征,当这些典型特征符合了某类标签的特征时,便给与一个标签标记!

四、总结

好了,那现在来回答最开始留下的一个问题,

深度标签的权重我们改如何去利用呢?

1:老顾客/粉丝

自己的老顾客只用来打标,成交部分很少,因为老顾客“回购”不能超过阀值;

特点:人群匹配,需求匹配,但是有阀值限制!

2:粉丝互换

跟别的商家互换精准粉丝,这样就等于有了新的精准客户;这样做的好处是人群精准,也不会踩阀值这条红线;现在人专门在玩粉丝买卖;

特点:人群匹配,需求匹配,没有阀值限制

3:变种第三方推广平台:

自己的产品挂在第三方平台,平台上有真实买家,有需求。你可以理解为外网的需求客户,最后引流到内网真实成交。成交过程,商家可在平台自定义要求,买家会根据要求得到平台的虚拟币,促使行动!这个目前只有少部分的人在玩!

特点:人群匹配,需求匹配,完美!