2021标签玩法已成过去式，最前沿玩法是.......

Question

如题所述

Answer 1

[写在前面]因为公共编号平台改变了推进规则，所以不想错过鬼哥的文章的话，记得读看，每次推进新文章都会第一次出现在你面前。人生总是有遗漏，但不要忘记看！什么？
这个世界真的变化很快，很多事情还不知道就被淘汰了。
淘宝搜索系统迭代了很多代，可以说从2019年下半年才真正进入智能时代。
算法强，精度高，从统计算法到机械学习系统算法，都是用户行为的正确性。
标签从2010年开始发掘到现在已经10年了，标签的概念从2013年提出的个性化经知道从什么时候开始到现在已经7年了。
标签不是新的，有些同学七年没有理解什么是标签，什么是人群标签，这个节拍慢确实有点大。
从19年开始，预测以标签为卖点的各种训练课程出现，谁知道遇到了百年不遇的疫情灾害，深刻打击了电气商务训练行业的2021年疫情能够控制后面的课程一定会像雨后的竹笋一样出现。
这里想注意的是，标签不是新的，以她为中心的课也不是新的内容。因为我们自己说标签已经四年了。
从17年的7维爆炸游戏开始添加标签要素，到19年到20年为止以标签为课题开发了标签重叠游戏，现在重叠升级到7。
7。0作为终结版退出我们的课程体系，以后作为基础课程的性价比高的价格见面。
并不意味着标签没用，标签是目前所有搜索或推荐场景的基本影响和分析因素。
下一个高效的方向是行为数据应用闭环系统，用户行为作为核心基准、标签作为分析行为数据的类别图像要素。
下一个课题是用户行为深入挖掘的数据应用闭环。
正文
标签作为基础服务于用户行为挖掘
无论是搜索时代还是推荐时代，用户行为都是最初的数据来源。
检索有查询词，即关键词可以通过用户检索词获得用户明确的购物意图。
手淘推荐流量的正确性是指导购买场景的流量，根据分析用户的行为，推测用户喜欢向用户推荐。
搜索和手淘推荐是两个完全不同的场景
搜索是电子商务人员最喜欢的流量渠道，因为购物需求。
手淘推荐是为了满足用户访问和发现的诉求。
这完全基于消费者购物行为的变化，推荐算法主要基于用户行为、商品、上下信息推荐，影响推荐的主要因素:
1:用户在平台上的商品行为点击、收藏、购买、成交等
2:从用户登录网站阅览到关闭24小时的足迹
3:商品属性、类别、价格带、店铺、标题
4:用户与商品的交流信息停留时间、商品在序列位置等因素
从上述情况来看，推荐算法有用户历史行为数据和实时行为数据的核心影响。
现在搜索流量为什么困难，加入了这些要素。
上一篇文章《关于淘宝搜索推荐算法排名机制和2021年搜索变化的方向》特别阐述了观点，感兴趣的学生可以读。
搜索本质上是信息索引技术，推荐算法也是根据查询词信息进行正确的索引。影响检索的基本因素:
词向量
向量召回(语义相似度)
行为数据
检索和推荐场景的共同特征是行为数据，不同之处在于检索行为具有明确的指向性购物意图
也就是说，无论是检索还是推荐共享的推荐算法，都必须根据性别、性别、年龄、消费水平、标签图像，通过检索行为和用户和商品交流行为数据来判断用户对什么产品感兴趣
很多同学忘记了这一点，以没有同样的购物意图为前提分析的人什么都不是。的双曲馀弦值。的双曲馀弦值。
每天在基础属性群体上下功夫，忘记同样购物意图的人才被称为群体的同样购物意图的人，标签的图像特征相似才被称为群体标签。
分析人群标签是为了更好地描述具有相同购物意图的人寻找共同特征。
正确扩大人群流量，必须与同一购物意图联系
具体方法有
第一，在搜索关键词中反映背后的购物意图，加上人群的基本身份属性标签，成为人群标签的图像。-这也是直通车测试者的基本逻辑
第二，方向性的人们扩大，例如收藏的人们、购买的人们、成交的人们、未购买的人们的人们等，这些人们已经和商品交流，行为数据明确了购物的意图，作为历史行为数据召回
人们的正确性不正确，不是反复测试基础属性标签，而是由年龄、性别、消费力决定的，而是购物意图的指向性、正确性、时效性，购物意图是人们正确性不正确的根本，基础属性人们的标签只是为有同样购物意图的人们制作人们的标签图像。
优化人群精度的思考错了吗？
无论是搜索还是手淘推荐的推荐数据，首先购物意图明确后都有基本属性标签。每天围绕基础标签测量，说什么人的构造本末不能倒置，李先生笑了。
所有人都说不正确是因为有购物意图，反映在人们的标签图像上是性别、年龄、消费能力，购物意图没有标签，喜欢标签的要素很少，最终很多同学误以为基础的身份属性标签是核心，这是表里不知道主次。
搜索成交者是手淘推荐的图像种子用户，种子用户的行为不正确决定了手淘推荐的表现价值，这也是先开车，开车后再开超推荐的基础逻辑。
搜索的流量越来越难，这是不争的事实之前，我在《搜索流量不放弃就会死亡的悲惨》这篇文章中阐述了观点，简单地提取了两点
1:搜索作为优化种子用户的主要途径，尽量以正确为前提。
2:搜索作为收获渠道，不作为引流来源。
这是基于搜索发展的现状和平台算法的展望建议，之后越来越深刻。
在行为数据应用闭环系统模型中，核心种子用户的标签图像也通过搜索和直通车这样明确的购物意图来判断和决定，种子用户的图像正确地有所谓的推荐流量，责任是流氓。
2:人群标签重叠首先重叠购物意图，重叠基础属性人群标签
学习标签重叠游戏的学生知道课程中标签的布局和破局，特别是词向量、成交属性向量和主向标签作为课程中的重点
有了这个正确的前提，方向性的人们扩展，算法推荐的效果真的可以表现出来。
很多人为什么做不好，很多人因为明确购物意图而欺骗了系统。
系统也会欺骗你。
据说电器商品征收税金可能是契机，可以消除大量补充单带来的用户行为数据的假形象。
商业一定会回归商业本质，付费也会体现其真正的价值。
工具是工具，强大的是利用工具的思考。
为什么单独通过直通车进行检索和直通车的单一途径赚钱困难，其根本是恶性竞争下的错误等和算法公平性的错误等，为了流量压制利润，这还是什么业务？
基于类别的需求基于产品利润率，才能赚到钱
你的强大来源于竞争对手有多弱，决不能盲目自大。读了这句话，就明白了市场的机会。
但后面的机器学习推荐算法确实比以前的算法公平得多。如果电器商品税真的来了，我反而觉得是件好事，商业书应该认真，炒菜的成本对消费者和升级产品的优化不好吗？
商业起源基于买卖，买卖之间的核心是购物意图，没有购物意图的商业利润，没有利润的商业，没有商业的经济发展！
因此，用户行为数据应用闭环系统的玩法，作为深入挖掘用户的购物意图，基于语言查询和种子用户图像的推荐扩大，从运营的观点构筑新的和收割框架形成闭环，整个系统是用户行为数据过滤的系统，同时基于场景的实时调整
这需要公平的商业竞争环境，商人不是现在的恶性循环竞争，而是为消费者提供更好的服务，电器商人每天研究的是各种黑色技术的黑色游戏，不考虑商业的真相。
在这个新的行为数据应用闭环系统中标签是分析用户行为的图像因素来提高用户行为价值。
种子群重叠的标签图像也是以购物意图为前提的正确人群。
关于什么年龄段的人，如果意图正确的话，转化率稳定是你的核心种子组。
即使称赞年龄段，如18-25；34-40。
如果购物意图有问题，人们决不准确。如果自己的人有问题，首先应该从购物意图开始，在测试基本属性的人之前，应该找到购物意图，即成交词。
购物意图因人而异，购物意图的优化也必须分割，每个购物意图都必须计划测试和判断。
3:购物意图的影响因素如何优化明确的意图
购物意图的表现形式只有
1:关键词(查询词)
2:行为数据
到达平台后，同称为Query
关键词因素的重点是标题，标题的分词权重是统计算法最核心的部分也是坑产游戏最核心的部分，关键词的标签不仅有分词权重，也有语义权重，也就是标题和查询词的语义相似度，搜索的词语义也是根据天数不断出现的标题，或者根本上没有不断出现这样的标题。
行为数据是用户在平台上的商品行为，点击、收藏、购买、购买、商品属性、类别、价格、标题和用户与商品的交互信息停留时间、商品位置序列从这些行为足迹中进行足迹划分，最终判断预测购物意图
影响用户购物意图的因素除了上述以外，还有一个非常核心的因素:上下信息
上下信息的时间、地点、心情不会在这里重复。这主要是考虑场景的因素。
如果要深入研究购物意图的优化，从类别布局到商品向量问题就会开始。的双曲馀弦值。的双曲馀弦值。
作者:七掌柜-鬼哥。