B2C電子商務系統研發——對交叉銷售和向上銷售業務的產品關聯推薦分析和設計

一、業務概述

# 交叉銷售 Cross Sell

• 定義

　　商家根據客戶已經選擇的產品推薦其它產品。例如在客戶瀏覽蘋果iPad時（或者加入購物車后），推薦適合iPad配套

的"ESK ipad2鱷魚紋皮套"。

• 原則

　　交叉銷售的原則是基於客戶在購買當前產品的前提下購買更多產品。這些產品有可能是相關的（如附件類產品/配套產品），

也有可能是基於統計或者從眾的購買建議（如Also Bought，即購買了該產品的顧客也購買了...。We guess you would like...

我們猜你可能會喜歡...）

 　　交叉不會推薦同類和相似的產品，而是推薦一些完全不同的產品和服務（如周邊產品）。

• 常見類型

1. 1. Also Bought：購買了當前產品的顧客也購買了...。通過分析訂單信息獲得。
   2. Also View：瀏覽過當前產品的顧客也瀏覽了。
   3. View and Bought：瀏覽了該產品最終購買了。通過分析瀏覽數據和訂單數據獲得的數據，並顯示百分比。（見京東）
   4. 配件型產品：如在單反相機下面顯示電池/三腳架/鏡頭等。
   5. 互補型產品：如在外套產品下顯示褲子/鞋子等湊成合適的一套（需要較高的搭配水平）
   6. 經常一起購買的/最佳拍檔：關系很緊密的兩個或者多個產品，通過分析訂單獲得。並非產品包，只是一種推薦。（見卓越/當當）
   7. 和你興趣相似的顧客還關注了：當當的一種類型。我覺得倒不如改成關注了當前產品的顧客還還關注了。

# 向上銷售 Up Sell

• 定義

　　商家基於客戶選定的產品推薦更好的產品（對客戶或者對商家自己）。例如客戶瀏覽某款平板電視時，推薦更高型號/進口

品牌的產品給顧客。

• 原則

　　向上銷售的原則是替換式，即建議購買我們推薦的，而不是當前瀏覽的。向上銷售如果不是基於足夠的統計數據，一般不好

處理。只有在熟悉當前客戶的各種消費喜好的前提下，這樣的推薦才比較精准和不會引起客戶的不快。

　　向上推薦會推薦同產品分類下的或相似的產品，但更貴的或者對商家更有價值（推廣/利潤高）的產品。

•  常見類型

1. 1. 同品牌的更高檔產品：由於是同品牌的推薦，兼顧了顧客的品牌忠誠的可能性。
   2. 不同品牌的更高檔產品：一般是推薦更好的品牌，但如何界定“更好”需要考慮。
   3. 價格相似：這里不一定是向上了，但由於滿足替換原則，所以也歸入向上銷售類。
   4. 替換推薦：當當前產品缺貨時，推薦其它有貨的相似產品。（減少因為缺貨導致顧客流失）

 

      實現交叉銷售和向上銷售（或其它一些擴展的業務類型）的關聯推薦常見有三種模式，下面分別做闡述：

二、人工維護模式

      這是最為基礎的模式，也是其它模式都必然會支持的功能。即使是一些看上去可以通過算法獲得真實的數據（如Also Buy）的

交叉銷售，在實際運營中也有人工維護數據的需要。一般而言，人工維護的數據總是在最上面/最前面的，后面才是自動搜索/統計獲得

的數據。當然，如果結果集是定時搜索出並將關聯持久化的，那也可以再維護兩類數據（人工維護+自動生成）的數據位置。

      人工維護的表設計最為簡單，如果關聯推薦類型也是固化的，甚至只需要一張“產品關聯推薦表”即可。

      如果希望推薦類型可以靈活定義，那么可以增加一張表“產品關聯類型”表，用於方便維護推薦類型。

注：只設計了核心和常規的字段，讀者可自行擴展。

三、人工維護+固化的自動搜索

      如果只提供人工維護的方式，對於產品數據量大的網站，這類數據維護的工作量也會很大，而且在人工未維護到的情況下，

在前台的產品詳細頁面的這些關聯推薦欄目下將沒有顯示（或者數量不足）推薦的產品，這必然導致用戶體驗的不佳和營銷的失當了。

對於這種情況，則有必要引入自動搜索作為補充。

      比如某個欄目下顯示4個產品（頁面模板設計決定的），如果沒有人工維護，那么會根據該推薦類型對應的算法搜索出4個產品來

顯示。如果人工關聯了2個產品，則剩余的2個產品由自動的來補充。

      從前面第一節的舉例來看，讀者也應該看出，產品關聯推薦的不同類設計的數據來源比較復雜，搜索算法也各有不同。比如Also Buy

是根據訂單+訂單子項+當前產品關聯查詢得出，而Also View卻根據產品瀏覽統計數據。所以固化常見的若干條算法成了一種不錯的選擇，

而且也能夠滿足大部分的業務。

      基於前面第二節的表設計，在產品關聯推薦類型表增加一個字段：是否支持自動。

 當該字段=1時，表示該推薦類型支持自動算法。只有系統預設的推薦類型該字段才可能是1（系統預設的不一定支持自動）

四、前面的方式 + 基於規則推薦（Base Rule）

      基於規則來進行推薦，這個規則是自定義的，而不是硬編碼。

      至於自定義的靈活度能夠支持到程度，則看系統的各類業務支持和規則數據的設計了。

      目前實現了這種模式的我只看到Magento有，筆者用過，但感覺並不是十分的好，反而覺得是過分復雜了。

分為三部分：

• Rule Information：基礎信息。包括名稱/優先級/狀態/適用於/有效期/最高限制推薦數量
  • Apply to：關聯到系統預設的三大類推薦上（Relate Product/Up Sells/Cross Sells）
• Products to Match：即當前產品匹配條件。符合這些條件的產品，在它的詳細頁面中，這個推薦規則才會有效。
• Products to Display：在匹配的“當前產品”詳細頁面的該類推薦下會顯示這些產品（也是通過規則來設置）

       舉例：比如在Apply to中選擇了Up sells類型，那么在Products to Display中就可以設置為“大於匹配產品價格110%的產品”，如圖：

       誠然，的確比較靈活，但筆者更喜歡直接在產品詳細頁面的“關聯推薦”Tab頁中設置各推薦類型的關聯產品，這樣更加直觀，

可以清楚的知道每個產品究竟會推薦那些產品。而不是如這樣，通過規則推薦，對於運營也不知道系統究竟會推薦那些產品給匹配的產品。

       對於這種模式，magento並沒有通過直接表來管理（估計是通過它的EAV結構來實現的），筆者尚未分析出。而且筆者對這種模式

也還沒有一種很好的設計方案，所以暫時就不提供了。

       有興趣的讀者可以研究一下Magento的Demo和它的文檔：

       http://www.magentocommerce.com/wiki/modules_reference/english/enterprise_targetrule_adminhtml/targetrule/index

B2C電子商務系統研發——對交叉銷售和向上銷售的產品關聯推薦分析和設計

       這份是它的官方提供的數據庫結構圖，讀者也可以參考一下：Magento V1.3.2.4數據庫結構圖 (右鍵點擊下載)