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?相关商品推荐的作用就是让用户继续逛下去，直到让他找到喜欢的商品。好的商品推荐，是让用户不能停住脚步。
相关商品推荐的关键在于“相关”
相关商品销售的关键在于“相关”，这就意味着必须从某个角度、或者维度对商品进行切分，然后聚类，推荐给用户。这跟线下的商品陈列是很类似的，比如你走到一个牛肉泡面的货架前，拿起一包泡面仔细地端详起来，可能这个口味不喜欢，那么你可能从旁边的货架上找到其他口味;可能”康帅傅“的字样终于被你发现不对了，你可以在旁边货架试图找到真的”康师傅“。前者是基于口味，后者基于品牌。
还有很多线索，比如特价、比如套装。
线上的展示会更加丰富，因为线索是可配置的，可切片的，不像线下的货架难以移动。
商品和基于用户行为
纵观目前各大电商网站的相关推荐，无非“基于商品”和“基于用户行为”两种相关商品推荐。
基于品类，主要有两种方式“相关搭配”和“销售排行榜”。相关搭配，往往是基于互补的商品和品类，比方说卖个手机吧，搭个手机壳、充电器;卖件衬衫吧，搭个西裤加袜子。套餐购买省10块哦，亲。“销售排行榜”，这个必须加上其他的标签进行细化，比如“同品类”、“同品牌”、“同价格段”，这是京东的商详展现的内容。
基于用户行为，就是通过用户个人或者群体表现出来的特征进行推荐。这种方式，亚马逊用得可谓淋漓尽致。像“猜你喜欢”之类，基于用户的个人属信特征，比如年龄、性别、购物偏好、收入水平等，这个没有丰富储量的数据，普通的B2C根本玩不转。但其实还有一些更简单的方式。最简单的莫过于”最近浏览的商品“模块，唤醒用户记忆，简简单单，好不好用，要看数据。还有“浏览该商品的用户还浏览了”、“浏览该商品的用户最终购买了”，这是基于群体的浏览行为;“购买该商品的用户同时还购买了”，这是基于群体的购买行为。纯粹这么玩，是玩不转的，推荐的商品未必靠谱。无论是浏览、购买行为还是拉取相关品类、品牌之类的标签信息进行聚合。
至于具体算法，别问我，我也不知道。
到处都是其他推荐，很烦啊有木有?
以上的这些相关推荐模块全加上，真是全屏商品，看似丰富，可别忘了商详页的首要目标：让用户把商品买下来。选择太多，很烦的，在页面间跳来跳去。
因此，不要过度推荐。
区分推荐商品类型：同类商品、补充商品和友好商品
一件衬衣的商品详情页，你推荐了别一件衬衣，那是同类商品;推荐了一条皮带，那是补充商品;你算法算出来，买了衬衣的用户通常还买了TT，好吧，这是友好商品。
一般来说，“同类商品排行榜”、“浏览该商品的用户还浏览了”、“浏览该商品的用户最终购买了”，推荐的往往是同类商品。“相关搭配”、“购买该商品的用户同时还购买了”，推荐的是补充商品;“猜你喜欢”之类的推荐的是“友好商品”。
B2C网站推荐商品的设计技巧
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?相关商品推荐的作用就是让用户继续逛下去，直到让他找到喜欢的商品。好的商品推荐，是让用户不能停住脚步。
相关商品推荐的关键在于“相关”
相关商品销售的关键在于“相关”，这就意味着必须从某个角度、或者维度对商品进行切分，然后聚类，推荐给用户。这跟线下的商品陈列是很类似的，比如你走到一个牛肉泡面的货架前，拿起一包泡面仔细地端详起来，可能这个口味不喜欢，那么你可能从旁边的货架上找到其他口味;可能”康帅傅“的字样终于被你发现不对了，你可以在旁边货架试图找到真的”康师傅“。前者是基于口味，后者基于品牌。
还有很多线索，比如特价、比如套装。
线上的展示会更加丰富，因为线索是可配置的，可切片的，不像线下的货架难以移动。
商品和基于用户行为
纵观目前各大电商网站的相关推荐，无非“基于商品”和“基于用户行为”两种相关商品推荐。
基于品类，主要有两种方式“相关搭配”和“销售排行榜”。相关搭配，往往是基于互补的商品和品类，比方说卖个手机吧，搭个手机壳、充电器;卖件衬衫吧，搭个西裤加袜子。套餐购买省10块哦，亲。“销售排行榜”，这个必须加上其他的标签进行细化，比如“同品类”、“同品牌”、“同价格段”，这是京东的商详展现的内容。
基于用户行为，就是通过用户个人或者群体表现出来的特征进行推荐。这种方式，亚马逊用得可谓淋漓尽致。像“猜你喜欢”之类，基于用户的个人属信特征，比如年龄、性别、购物偏好、收入水平等，这个没有丰富储量的数据，普通的B2C根本玩不转。但其实还有一些更简单的方式。最简单的莫过于”最近浏览的商品“模块，唤醒用户记忆，简简单单，好不好用，要看数据。还有“浏览该商品的用户还浏览了”、“浏览该商品的用户最终购买了”，这是基于群体的浏览行为;“购买该商品的用户同时还购买了”，这是基于群体的购买行为。纯粹这么玩，是玩不转的，推荐的商品未必靠谱。无论是浏览、购买行为还是拉取相关品类、品牌之类的标签信息进行聚合。
至于具体算法，别问我，我也不知道。
到处都是其他推荐，很烦啊有木有?
以上的这些相关推荐模块全加上，真是全屏商品，看似丰富，可别忘了商详页的首要目标：让用户把商品买下来。选择太多，很烦的，在页面间跳来跳去。
因此，不要过度推荐。
区分推荐商品类型：同类商品、补充商品和友好商品
一件衬衣的商品详情页，你推荐了别一件衬衣，那是同类商品;推荐了一条皮带，那是补充商品;你算法算出来，买了衬衣的用户通常还买了TT，好吧，这是友好商品。
一般来说，“同类商品排行榜”、“浏览该商品的用户还浏览了”、“浏览该商品的用户最终购买了”，推荐的往往是同类商品。“相关搭配”、“购买该商品的用户同时还购买了”，推荐的是补充商品;“猜你喜欢”之类的推荐的是“友好商品”。