社交网络这次主打个性化商品推荐

摘要: 9月21日,两年前,随着 Facebook 为代表的网页社交网络在全球兴起,许多厂商和商户,看到了所谓社交电商的商机,他们纷纷在Facebook页面中开设在线商店,然而不幸的是,这一次试验以

9月21日,两年前,随着Facebook为代表的网页社交网络在全球兴起,许多厂商和商户,看到了所谓“社交电商”的商机,他们纷纷在Facebook页面中开设在线商店,然而不幸的是,这一次试验以失败而告终。

不过,随着Facebook、Twitter进入移动社交时代,两大社交网络借助于手机客户端,和人们的生活关系越来越密切。社交网络以及电商行业,又开始发现了社交电商的第二轮商机。最近,Facebook和Twitter不约而同开始进行站内购物按钮的试验,据称,这种快速购物,将瞄准那些冲动购物“爱好者”。

据报道,当年,大批品牌曾经在Facebook内开设店铺,其中包括游戏零售商GameStop,服装品牌Gap,零售商J.C. Penney及精品连锁零售商Nordstrom等等,但是在经过了开张营业初期的热闹之后,这些零售商发现,Facebook站内的购物客流十分有限。随后,大批店铺以关门而收场。

不过,Facebook和Twitter,现在都在紧张进行购物按钮的测试。在分析师看来,两大社交网络经过多年的运营,掌握了数亿网民的大量数据,通过这些个人偏好信息和商品的结合,可以再次尝试社交购物。

在社交网络中,最新购买的商品或者服务,也是网民之间讨论的热门话题,两大社交网络希望,这样的话题氛围,可以催促一些冲动购物者,点击购物按钮,在不离开本网站或者客户端的情况下,快速完成购物。

按照Facebook和Twitter购物按钮的工作模式,经过挑选的零售商或者厂商,将会在特定用户的特定帖子(或推文)中,展示针对性的商品信息,这些商品将和用户紧密相关,和传统的社交购物不同的是,网民下订单、支付,都将在社交网站的页面上进行。

由于整个交易是在站内完成,Facebook和Twitter,也将根据用户的消费金额,从零售商那里获得佣金。从营收效果看,这种方式远远好于简单的信息流或推文广告。

美国科技市场研究公司eMarketer的分析师威廉姆森(Debra Aho Williamson)表示,快速购物按钮成功的关键,是零售商在最合适的网民面前展示出最恰当的商品,让他们看了之后就有点击购买的冲动。

显然,这种购物模式,和在亚马逊、eBay等网站三番五次浏览对比之后再下订单,截然不同。

据悉,在试验阶段,Facebook和Twitter,尚未从购物按钮中获得佣金收入,不过一旦试验完成并大规模推开,佣金将成为这两家上市公司新的收入增长点。

Facebook一位发言人表示,电子商务一直是Facebook看重的业务,Facebook希望厂商品牌能够在Facebook实现营销和销售的目的。

在今年的伦敦春夏时装周上,奢侈品牌巴宝莉,曾经在Twitter测试站内购物。当模特们身穿该品牌的服饰在T台进行展示时,台下的观众,可以在Burberry的推文中快速购买同一款商品。

另外,位于旧金山的非营利组织Glide,也曾经在Twitter上销售15美元的帽子,同时宣传该组织的志愿者计划。

在社交网络的站内购物中,所展示的商品介绍和退换货等信息,自然不像常规的购物网站一样完整。对此,也有业内人士质疑购物按钮的前景。一位业内人士表示,冲动的购物者,可能会在社交网站上买到不合身的衣服,回来之后甚至不知道怎么退货。

科技市场研究公司Gartner的分析师Brian Blau表示,通过上一轮的社交网络开店闭店风潮,人们已经意识到,在社交网络这一人流密集的场所构建一个零售店,并不能确保有足够的购物客流。

这位分析师表示,Facebook和Twitter,今天在网民的消费行为方面,有了更加深入的了解。如果两家网站,能够根据每一个用户的消费偏好,将最恰当的商品呈现在他面前,那么站内购物的潜力将会十分巨大。(晨曦)

时间: 2024-10-10 12:37:16

社交网络这次主打个性化商品推荐的相关文章

社交网络再战电商主打个性化商品推荐

摘要: 9月21日,两年前,随着 Facebook 为代表的网页社交网络在全球兴起,许多厂商和商户,看到了所谓社交电商的商机,他们纷纷在Facebook页面中开设在线商店,然而不幸的是,这一次试验以 9月21日,两年前,随着Facebook为代表的网页社交网络在全球兴起,许多厂商和商户,看到了所谓"社交电商"的商机,他们纷纷在Facebook页面中开设在线商店,然而不幸的是,这一次试验以失败而告终. 不过,随着Facebook.Twitter进入移动社交时代,两大社交网络借助于手机客户

中国人工智能学会通讯——电子商务中的个性化推荐技术剖析 1. 基于人生阶段建模的商品推荐

1. 基于人生阶段建模的商品推荐 经典的基于协同过滤的推荐,通常结合用户近期行为,给用户推送已知范围内的商品.随着用户对推荐系统和产品期望的提高,也需要向其呈现部分他们需要,但自己尚不清楚的领域的产品.用户的人生阶段建模及基于它的推荐算法就是针对这类问题研发的.它利用半监督马尔可夫建模技术,利用少量的标注数据,根据用户有行为的类目,去精准预测用户所处的人生阶段,以提供当前或未来所需要的商品.详细算法见KDD'15上我们发表的文章"Life-stage Prediction for Product

淘宝领衔电商狂欢 个性化商品成主力

在淘宝"1212"活动中,带有各种中国特色的老国货成为网友抢购的目标,从海魂衫.雪花膏,到几十年前的粮票.邮票应有尽有. "1212"今日登场 新快报讯 记者 张潇 韩祯 报道 一人量的迷你电饭煲.充满老上海风情的香膏.京剧脸谱纪念币.木材运输证.粮票.二手铁皮玩具--淘宝"1212"活动今日正式上线,"零门槛"的标准吸引了众多个性化商品.数据显示,截至昨日,"1212"总报名商品数达到1200万,报名卖家

B2C网站商品页设计理论:相关商品推荐设计

文章描述:B2C网站商品详情页如何设计相关商品推荐? 为什么要做相关商品推荐? 商品详情是可能挖出金子的岛屿,我们都知道. 于是我们使了各种招式,终于让用户来到了商品详情页.我们悄悄念起魔鬼的咒语,恨不得用户马上去点全页最醒目的那个"加入购物车"或"立刻购买".可是,绝大部分B2C商详页的UV转化率不超过5%(何况是PV!),绝大部分用户最终是不会购买这个商品的,有可能他是被大胸的模特图骗进来的,有可能价格不合适,有可能商品细节不喜欢,有可能大多数的好评里有一个让他

B2C网站商品详情页如何设计相关商品推荐?

为什么要做相关商品推荐? 商品详情是可能挖出金子的岛屿,我们都知道. 于是我们使了各种招式,终于让用户来到了商品详情页.我们悄悄念起魔鬼的咒语,恨不得用户马上去点全页最醒目的那个"加入购物车"或"立刻购买".可是,绝大部分B2C商详页的UV转化率不超过5%(何况是PV!),绝大部分用户最终是不会购买这个商品的,有可能他是被大胸的模特图骗进来的,有可能价格不合适,有可能商品细节不喜欢,有可能大多数的好评里有一个让他难以接受的差评,总之,他不想买. 难道让用户就这么流失

数据挖掘与数据化运营实战. 3.11 商品推荐模型

3.11 商品推荐模型 鉴于商品推荐模型在互联网和电子商务领域已经成为一个独立的分析应用领域,并且正在飞速发展并且得到了广泛应用.因此除本节以外,其他章节将不再对商品推荐模型做任何分析和探讨,至于本节,相对于其他的分析类型来说,会花费更多的笔墨和篇幅.希望能给读者提供足够的原理和案例. 3.11.1 商品推荐介绍 电子商务推荐系统主要通过统计和数据挖掘技术,并根据用户在电子商务网站的行为,主动为用户提供推荐服务,从而来提高网站体验的.根据不同的商业需求,电子商务推荐系统需要满足不同的推荐粒度,主

基于协同过滤的个性化Web推荐

         下面这是论文笔记,其实主要是摘抄,这片博士论文很有逻辑性,层层深入,所以笔者保留的比较多.          看到第二章,我发现其实这片文章对我来说更多是科普,科普吧-- 一.论文来源 Personalized Web Recommendation via Collaborative Filtering(很奇怪via为什么小写,先记住吧) (Candidate)博士研究生:孙慧峰 (Advisor)导师:陈俊亮(院士) (Academic Degree Applied for)

Etsy宣布推出新商品推广方式,个性化商品邮件进行商品营销

2月26日消息,美国手工艺品在线集市Etsy近日宣布将推出一项新的商品推广方式,通过个性化商品推送邮件来帮助Etsy上的卖家进行商品营销. Etsy的Heather Burkman透露,日前Etsy通过商品推荐邮件进行了一项调研.他们向一半顾客发送推荐同样的商品的邮件,而另一半则根据顾客的购物习惯进行推荐顾客偏爱的商品.结果证明,收到定制化邮件的顾客的购买率比另一半客户的购买率翻了一倍. 这一项新的商品推广方式不但能帮助顾客选择到更适合自己的商品,最重要的是能帮助卖家取得更好的销售业绩,也加大了

以后想向大数据或数据库之类(eg:商品推荐)发展,想问下学些什么?

问题描述 以后想向大数据或数据库之类(eg:商品推荐)发展,想问下学些什么? 大二本科生,学过算法分析,数据结构,不算精,会点c++.希望大神们给点指点,谢谢咯 解决方案 好好学习基础,算法,数据结构,然后 在一步步的学习如现在的hadoop 等. 解决方案二: 不要望文生义,这些名词和你想象的不太一样.就你目前来说,打好基础才是最重要的. 大数据本身不是一个领域,它是对采集.处理异构数据,数据挖掘和数据分析的统称,本身横跨了很多领域.商品推荐这个是一个分支,叫做协同过滤算法.数据库则和大数据完