科技猎数字化转型浪潮下 产品经理应如何重新认知个性化推荐？
疫情这段时间，不乏一些探讨“疫情过后，哪些行业或领域会走高”的预测，其中一个共识是疫情过后企业数字化转型会加速。原来线下生意红红火火的企业，业务线上化优先级不高，此次疫情直接将线下业务冰封，无线上业务的企业更为艰难前行。数字化转型在企业经营中的重要性，被动得到提升。在数字化转型大背景下，对于很多互联网行业出身的产品经理，如何以更大的视角来理解个性化推荐，将是助力企业数字化转型关键课题。
营销而不只分发
早几年今日头条、淘宝讲的个性化推荐或千人千面，让大众认识到个性化推荐的威力与价值，甚至将个性化推荐等同于采用先进算法的推荐系统。而诸如今日头条和淘宝这类产品，特点是海量物品和海量用户，在整个线上线下商业领域凤毛麟角。
而我们生活中更多的是脑白金这类广告，海量不区分人群做的投放，即粗放式营销。而线下也存在群组营销甚至针对个体的营销。例如某次网约车司机，可以根据科技圈从业者标签，闲聊脑力劳动废脑子、35岁被淘汰等话题，既能提供送达之外的解闷服务，也不会涉及隐私让乘客反感。再例如日常去做艾灸保健，艾灸馆会为每个人建立纸面的档案，每次服务人员都可以根据顾客的身体状况和偏好，提供相应地艾灸服务侧重点，并且能聊一些个人化的话题，提供更多粘性。
互联网及互联网相关技术的发展，为大规模线上自动化营销成为可能，有了个人设备、有了数据或日志记录用户的行为或偏好，在此基础之上，通过数据提升用户和物品（或服务）之间的匹配效率，营销效率与效果就得到了提升。从落地而言，无非是营销粒度的粗细，或是否是人工还是交由算法负责匹配关系的构建。
个性化推荐的范围
作为多年个性化推荐从业者，由于从业具体业务限制，一度认为算法推荐才是解决信息过载的关键，但这里有个前提，很多业务或场景，不存在信息过载，自然也就没有算法推荐的落地必要。但从营销角度，是否需要个性化推荐呢？例如早年遇到一个为淘宝售卖营销工具的商家，希望将20多个工具给淘宝卖家更多个性化展示，提升业务收益。这样诉求合情合理，只是因为当时站位在“拿锤子找钉子”的视角，才觉得这样的客户不是目标客户，而不是更加务实的将此问题深挖并寻找解决方案。早年因为“拿锤子找钉子”的出发点错过不少类似的客户。
但从营销的视角看以上问题，则站位在寻找解决方案能够提升用户和物品匹配效率上，体现在C端就是个性化推荐。因此也就不难理解，不同行业或组织对个性化推荐理解迥异，完全取决于出发点与站位。相比较而言，从营销视角理解和提供个性化解决方案，是更为客户导向和务实的，因为确实是在解决普遍的问题；而拿锤子找钉子的提供个性化解决方案，就会遇到自建算法或效果预期不可控的问题，需要增加非常多限制条件，才能保证有良好的商业闭环。
推荐系统最初在亚马逊网站上得到应用，但海外并没有形成“拿锤子找钉子”做个性化推荐的巨头，反而出了一些公司提供个性化方案“技术含量不高”、“不保证效果”这样的巨头，也再次验证解决实际问题比有个“好锤子”重要。
如何个性化推荐
无论是算法推荐还是基于人工规则的推荐，本质都是解决人和物品匹配关系的问题。所以做个性化推荐首先都需要有构建匹配关系的素材，即用户画像和物品画像，算法推荐中不一定是可读的画像，但也有画像的构建阶段。在基于规则的推荐则需要构建个性刻画（用户标签）和客户细分（分群），并基于此构建不同用户或分群的策略，即实现个性化推荐。
个性化推荐起因是希望通过匹配效率的提升，而带动营销收益的提升。因此我们会发现很多公司运营和营销是不分家的，运营本质也是做营销的工作。提升个性化匹配效率，既需要从供需两端提供更多的输入（比如引入更多用户和物品），也需要更多关于用户和物品的匹配的洞察（可以是算法自学习也可以是人的洞察），并持续迭代的过程。
拿淘宝来讲，10年至今经历了运营千人一面到个性化投放系统到千人千面的智能推荐，解决方案依赖数据、技术和场景的演变，没有万能的解决方案。但整体方向是通投-人工个性化投放-千人千面，由低到高的方向演变与发展。
以上就是“数字化转型浪潮下 产品经理应如何重新认知个性化推荐？”的内容了，如果你还想了解其他相关内容，可以来 产品壹佰 官方网站获取更多内容。
营销而不只分发
早几年今日头条、淘宝讲的个性化推荐或千人千面，让大众认识到个性化推荐的威力与价值，甚至将个性化推荐等同于采用先进算法的推荐系统。而诸如今日头条和淘宝这类产品，特点是海量物品和海量用户，在整个线上线下商业领域凤毛麟角。
而我们生活中更多的是脑白金这类广告，海量不区分人群做的投放，即粗放式营销。而线下也存在群组营销甚至针对个体的营销。例如某次网约车司机，可以根据科技圈从业者标签，闲聊脑力劳动废脑子、35岁被淘汰等话题，既能提供送达之外的解闷服务，也不会涉及隐私让乘客反感。再例如日常去做艾灸保健，艾灸馆会为每个人建立纸面的档案，每次服务人员都可以根据顾客的身体状况和偏好，提供相应地艾灸服务侧重点，并且能聊一些个人化的话题，提供更多粘性。
互联网及互联网相关技术的发展，为大规模线上自动化营销成为可能，有了个人设备、有了数据或日志记录用户的行为或偏好，在此基础之上，通过数据提升用户和物品（或服务）之间的匹配效率，营销效率与效果就得到了提升。从落地而言，无非是营销粒度的粗细，或是否是人工还是交由算法负责匹配关系的构建。
个性化推荐的范围
作为多年个性化推荐从业者，由于从业具体业务限制，一度认为算法推荐才是解决信息过载的关键，但这里有个前提，很多业务或场景，不存在信息过载，自然也就没有算法推荐的落地必要。但从营销角度，是否需要个性化推荐呢？例如早年遇到一个为淘宝售卖营销工具的商家，希望将20多个工具给淘宝卖家更多个性化展示，提升业务收益。这样诉求合情合理，只是因为当时站位在“拿锤子找钉子”的视角，才觉得这样的客户不是目标客户，而不是更加务实的将此问题深挖并寻找解决方案。早年因为“拿锤子找钉子”的出发点错过不少类似的客户。
但从营销的视角看以上问题，则站位在寻找解决方案能够提升用户和物品匹配效率上，体现在C端就是个性化推荐。因此也就不难理解，不同行业或组织对个性化推荐理解迥异，完全取决于出发点与站位。相比较而言，从营销视角理解和提供个性化解决方案，是更为客户导向和务实的，因为确实是在解决普遍的问题；而拿锤子找钉子的提供个性化解决方案，就会遇到自建算法或效果预期不可控的问题，需要增加非常多限制条件，才能保证有良好的商业闭环。
推荐系统最初在亚马逊网站上得到应用，但海外并没有形成“拿锤子找钉子”做个性化推荐的巨头，反而出了一些公司提供个性化方案“技术含量不高”、“不保证效果”这样的巨头，也再次验证解决实际问题比有个“好锤子”重要。
如何个性化推荐
无论是算法推荐还是基于人工规则的推荐，本质都是解决人和物品匹配关系的问题。所以做个性化推荐首先都需要有构建匹配关系的素材，即用户画像和物品画像，算法推荐中不一定是可读的画像，但也有画像的构建阶段。在基于规则的推荐则需要构建个性刻画（用户标签）和客户细分（分群），并基于此构建不同用户或分群的策略，即实现个性化推荐。
个性化推荐起因是希望通过匹配效率的提升，而带动营销收益的提升。因此我们会发现很多公司运营和营销是不分家的，运营本质也是做营销的工作。提升个性化匹配效率，既需要从供需两端提供更多的输入（比如引入更多用户和物品），也需要更多关于用户和物品的匹配的洞察（可以是算法自学习也可以是人的洞察），并持续迭代的过程。
拿淘宝来讲，10年至今经历了运营千人一面到个性化投放系统到千人千面的智能推荐，解决方案依赖数据、技术和场景的演变，没有万能的解决方案。但整体方向是通投-人工个性化投放-千人千面，由低到高的方向演变与发展。
以上就是“数字化转型浪潮下 产品经理应如何重新认知个性化推荐？”的内容了，如果你还想了解其他相关内容，可以来 产品壹佰 官方网站获取更多内容。
