운영 장치: Smartisan T 1
공식 포지셔닝: See 는 사진 기반 여성 패션 소비 앱으로 더 많은 젊은이들에게' 아름다운' 품질과 효율성을 제공한다.
제 느낌: 주로 사진을 보내 상대방이 같은 상품을 찾도록 도와주는 것입니다. 실제로 정보를 해당 상가에 푸시하여 상가가 구매 링크를 적극적으로 제공하고 쇼핑 효율성을 높이도록 하는 것입니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 예술명언)
소비자: 사진을 찍어서 같은 모델을 찾거나 쇼핑을 추천하는 일반 사용자를 보세요.
미인' 으로 불리는 패션 바이어: 바이어는 전 세계에 분포되어 있고, 각 주요 브랜드의 옷에 익숙하며, 사용자가 제공한 사진에 따라 해당 공급원을 빠르게 찾을 수 있습니다.
상인: 구매자를 통해 소비자에게 직접 접촉합니다.
이 두 가지 추천 방법은 서로 보완한다. "예쁜 사람" 은 더 정확하게 추천할 수 있지만 속도가 느립니다. 이미지 인식 속도는 빠르지만 권장 정밀도가 흐릿할 수 있습니다. 사용자가 증가함에 따라 이미지 인식에 대한 의존도가 높아지고 있습니다. 하지만 사용자가 나이가 들수록 플랫폼 진입을 원하는 구매자도 늘어난다.
See 의 데이터를 보면 상품 정보를 제공할 수 있는 응답이 매우 빨라서 거의 모든 추천은 1 시간 내에 이루어집니다.
"소원" 을 게시하는 과정은 다음과 같습니다.
정보 정확도 우선 순위 (그림을 가정함) 를 감안하면 가장 중요한 것은 범주, 브랜드, 세부 사항, 스타일 등이다.
사용자가 사진 분류 업로드
스크린 샷, 모델 사진, 엔터테인먼트 뉴스, 쇼핑몰 사진, 네티즌 사진이 있습니다.
바이어에게 처음 세 가지 범주는 스크린 캡처, 모델 사진, 엔터테인먼트 뉴스로 가장 쉽게 식별할 수 있다. 이들 옷은 대부분 유명 제조사에서 선정돼 쉽게 식별할 수 있기 때문이다.
그림 인식 시스템의 경우 색상 편차가 작을 때 그림 간에 차이가 없습니다.
첫째, 전략적으로, 점면 결합 방식을 채택한다.
구매자의 추천 방식은 point 로 충분히 정확합니다. 시스템 추천은 표면적으로 모호하지만 잠재적 소비 가능성을 높일 수 있다.
현재 상황은 시스템 추천의 장점을 볼 수 없다는 것이다. 바이어가 어떤 브랜드의 옷인지 알 수 없을 때, 시스템도 비슷한 상품을 모호하게 추천하지 않는다. 논리적으로 볼 때, 구매자가 두 시간 이상 답장을 하지 않으면 좀비 바이어와 함께 여러 가지 스타일을 추천해야 합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 예술명언)
둘째, 범주의 정렬 논리를 개선하십시오.
See 가 정보 획득에서 가장 큰 하이라이트는 사용자가 사진을 업로드하여 유행할 수 있는 제품을 알려주는 것이다. 우리에게 많은 물건을 주고 사용자 피드백을 보는 대신. 그래서 추천과 순위 모두 이 하이라이트를 잡아야 한다.
See now 에서' 열수색류' 를 통해 여성복을 찾는 것은 다른 전자업체 앱과 마찬가지로, 심지어 적은 정보가 구매 결정에 도움이 된다는 것을 보여준다. (윌리엄 셰익스피어, 템플린, Northern Exposure (미국 TV 드라마), 스포츠명언) 그것의 배열에는 논리가 없기 때문에 기본적인 상품 정보를 제외하고는.
나의 건의는 사용자의' 공통 수요' 와 상품 정보를 결합하는 것이다. 예를 들어 상품의 정렬에서 우리는' 동동' 의 데이터를 이용하여' 절친이 가장 좋아하는 것',' 가장 잘하는 것' 등의 정렬 옵션을 기본 무정보 정렬 대신 제공할 수 있다.
셋째, 사용자의' 의지' 와 상품 정보 사이의 양방향 통로를 뚫는다.
See 의 또 다른 하이라이트는' 소원' 입니다. 이제' 소원' 에서 해당 상품 정보를 찾을 수 있지만, 상품 정보로는 반전된' 소원' 을 볼 수 없습니다.
왜 사용자들은 다른 사람의' 소원' 을 보는 것을 좋아하고, 심지어' 같은 요구' 를 누르는 것을 좋아합니까? 다른 사람의 평가는 우리의 의사 결정 효율을 높일 수 있다. 이러한 평가는 상품 이외의 이야기, 감정, 소망입니다. 예를 들면 다음과 같습니다.
이러한 의견은 종종 위시리스트 페이지에서 볼 수 있습니다. 상품 정보 페이지에서 상품과 관련된' 소원' 을 역소개한다면, 사용자가 더 나은 결정을 내리고 구매 욕구를 더욱 촉진시킬 수 있을까?
넷째, 추천점은 분명하지 않습니다.
페이지 레이아웃으로 볼 때, 주요 추천 방식은 크게 열 추천, 할인 혜택 추천, 원 마스터 추천, 위시리스트 추천의 네 가지 범주로 나눌 수 있습니다.
그러나 그것들의 배열은 거의 평행하며, 1 차 및 2 차 구분이 없다. 화면을 볼 때 어디에 집중해야 할지 모르겠다. 무엇이 유행하고 있는지, 무엇이 할인되고 있는지, 무엇이 가장 고귀한지, 원 입구가 어디에 있는지. 내가 여자가 아니니까 그런가 봐.
다시 한 번 고려해야 할 것은 See 의 장점이 어디에 있는지, 사용자의 문제점이 어디에 있는지, 어떻게 결합되는지.
다섯째, 위의 네 가지 점은 모두 추측입니까, 아니면 배경 데이터로 말해야 합니까?