• 自动秒收录
  • 软件:1973
  • 资讯:57950|
  • 收录网站:279743|

IT精英团

如何掌握推荐的流量密码?

如何掌握推荐的流量密码?

浏览次数:
评论次数:
编辑: 喵星人
信息来源: 增长研究社
更新日期: 2022-09-23 10:04:50
摘要

推荐对于非技术同学而言更像是一个黑盒,越来越多产品都引入了推荐,而推荐又和流量紧紧挂钩。我对推荐好奇,可以通过这个文档了解什么?

  • 正文开始
  • 相关阅读
  • 推荐作品

对于非技术生来说,推荐更像是一个黑匣子。越来越多的产品被推荐,推荐与流量紧密挂钩。

希望能系统简单的给业务和运营的同学讲解一下推荐的运营逻辑,推荐能做什么,以及如何掌握推荐的流量密码。

这篇文章比较长,7000字左右。把目录放在最前面,这样可以先看有意思的部分,再决定要不要往下看。

很好奇推荐。我能从这份文件中学到什么?

简单理解推荐

1.什么是个性化推荐?-直观感受,产品参考,初步的推荐思路。

2.推荐系统解决什么问题?-知道推荐这个的价值是什么。

3.推荐的时候怎么知道我对什么感兴趣?——推荐原则,对推荐有更深的理解。

4.怎么才能让它正确推送?——推荐原则,对推荐有更深的理解。

5.推荐有目标吗?-我们对建议的期望是什么。

6.推荐能做什么?-推荐你擅长解决的问题。

7.有哪些推荐做不到的?——推荐解决不了什么问题。

深刻理解推荐。

8.推荐是如何起作用的?

9.推荐在我们的业务中是如何工作的?

10.为什么要有回忆,粗排,细排?

1.推荐模型是如何优化的?

12.推荐的型号多久测试一次?

13.为什么新策略没有奏效?

14.为什么要做实验?不能定向全款?

15.如果没有营收策略,一定不能上线吗?

我是一名运营商,希望能掌握一些流量密码。

16.没有流量,是什么原因?

17.为什么点击率高,曝光率低?

18.这个内容很差。为什么曝光率这么高?

19.如何推荐新用户?

20.怎样才能获得更多的曝光机会?

还有,最后,你可能关心的问题是怎么求推荐?

01

我对推荐好奇

1. 什么是个性化推荐?

当你打开今日头条和Tik Tok,你会首先看到一个页面。一般这个页面会被命名为“推荐”。当然,不能因为叫推荐就把它当成推荐。还有淘宝,叫“猜你喜欢”。你会发现,你越看什么,就越容易刷到什么

,这就是个性化推荐在起作用。

个性化推荐系统解决的是用户和商品/内容中间的关联关系,它是二者之间的桥梁。可能你会好奇,我有需求会用搜索,不会用推荐啊。你用过搜索,应该能感受到推荐和搜索的区别:搜索是人去找商品、推荐则是商品找人。推荐系统会根据你的兴趣偏好,把你可能会感兴趣的商品或内容推到你面前、提升。

哪里有海量信息,哪里就有推荐系统,我们每天最常用的APP都涉及到推荐功能:

资讯类:今日头条、腾讯新闻等

电商类:淘宝、京东、拼多多、亚马逊等

娱乐类:抖音、快手、爱奇艺等

活服务类:美团、大众点评、携程等

社交类:微信、陌陌、脉脉等

2. 推荐系统解决什么问题?

于用户而言,推荐既要解决互联网信息过载、用户筛选信息乏力的问题,又要关注用户没有目标但想“随便看看”的场景。

于平台而言,推荐还需要减少马太效应和长尾效应的影响,使商品/内容的利用率更高,盈利增长。简单来说,推荐是为了不占用用户太多时间的基础上把商品卖给他/让他消费内容。

推荐系统20世纪90年代就被提出来了,但真正进入大众视野以及在各大互联网公司中流行起来,还是最近几年的事情。

随着移动互联网的发展,越来越多的信息开始在互联网上传播,产生了严重的信息过载。因此,如何从众多信息中找到用户感兴趣的信息,这个便是推荐系统的价值。精准推荐解决了用户痛点,提升了用户体验,最终便能留住用户。

推荐系统本质上就是一个信息过滤系统,通常分为:召回、排序、重排序这3个环节,每个环节逐层过滤,最终从海量的物料库中筛选出几十个用户可能感兴趣的物品推荐给用户。


3. 推荐怎么知道我对什么感兴趣?

推荐系统会收集你的历史行为数据,可能会有这些:

  • 你买过的商品,推荐系统会获取到价格、类目、风格/类型、机构/商家,并推荐相关的商品给你。
  • 你浏览的商品,你点击了、或没有点击,推荐会把点击过的都标记为你感兴趣,滑过去的暂时不感兴趣。
  • 你搜索的关键词,推荐系统会认为与这个关键词相关的商品你都可能会感兴趣。
  • 还有一些其他的行为,比如收藏、分享、评价……

4. 推的不准,我怎样让它推准点?

感觉推的不准可能有两方面原因:一是推荐模型还不完善,二是你喂给推荐的数据不够多。如果你想让推荐推得更准,可以尝试进行以下两个操作:

  • 主动表达兴趣:点击、收藏你喜欢的商品/内容;搜索你你感兴趣的关键词;设置你的兴趣偏好。
  • 主动反馈问题:通过 dislike 告诉推荐你不喜欢的商品/内容、类型,推荐就会少推这些。

注意,dislike 只能尽量过滤掉你不喜欢的内容,无法帮你找到喜欢的内容,所以如果想训练你的推荐模型,尽量进行操作一 [主动表达兴趣] 。

5. 推荐有目标吗?

我们平台推荐的目标是提升付费率,希望推得更准,用户愿意点、愿意买。付费率是核心目标,拆解下来也会看点击率、人均点击数、人均浏览数等等,这些中间指标也能衡量推荐推的准不准。

为什么要拆中间指标?点击率 = 你推给用户他是否愿意点,更能代表推的是否准;人均点击数 = 点得越多,越能证明推荐猜你喜好猜得准。用户进入商品详情页后面的事情推荐管不到,所以用付费率不能完全代表推的是否准。

6. 什么是推荐能做的?

用更多的 [特征] 来训练模型,让模型猜得更准。特征值得是这个用户的信息标签,比如你的浏览信息、搜索信息、购买信息、分享信息、评价信息……这些都是特征,是区别给你推什么、给我推什么的关键信息。

除此之外,还可以通过一些 [策略] 来满足业务其他诉求,如通过 boost 规则给指定商品/内容曝光。(关于如何使用 boost 规则见本文第20条)

7. 什么是推荐做不来的?

如果你在逛推荐时遇到一些问题,需要注意以下几类问题不能依赖推荐解决:

  • 画风不好:画风是一个主观感知,用户 A 觉得这个画风不好(标题、文案、封面、音乐等使人不适),可能用户 B 会觉得不错,即便用户 A 反馈了画风不好的问题,也不意味着用户 B 就不喜欢。推荐不解决主观感受,只解决“这个商品/内容本身你是否会感兴趣,而不是这个画风你是否会喜欢”。画风问题依赖审核和推荐审核,同时我们也会通过 dislike 收集关于封面体验不好的问题,并交给供给侧去优化。
  • 标题不好:不要试图希望推荐推一些标题更好的商品/内容,因为它不知道什么是好标题。如果一个商品/内容的标题很差、但点击、付费率很高,它在推荐里就会很容易被推出。审核和推荐审核是非常重要的。
  • 质量不好:解决不了有一些盗版内容、分销课程(在多个机构上传)、换多个标题都是同一门课/内容的问题。从推荐来看,如果本身点击率很高,推荐通过用户历史行为、预估这些课程都是用户可能会感兴趣的,都会展现,但对于用户而言同一个商品/内容看到好多遍,体验必然不好。这个还是需要审核去解决。

02

深入理解推荐

8. 推荐是如何运作的?

用户打开App,刷新首页(下拉刷新 or 重启app刷新),客户端会请求服务端(数据),服务端会请求推荐(模型),这个时候推荐会返回几条数据给服务端,服务端传给客户端,最终在用户的手机上展示。

那么,推荐是如何选择内容的呢?为什么用户最后看到的是这些?选择-呈现过程是这样的:

  • 召回:运营从所有商品/内容里挑选出 {用户可能感兴趣} 且{质量符合平台标准}的商品/内容放至{推荐池}。
  • 粗排:用一个简单的模型预测用户有可能感兴趣的内容、模拟每个商品/内容的得分,从高到低排序。
  • 精排:在粗排的结果上,预估用户的点击率、付费率等,得出预估分,从高到低排序。
  • 规则:考虑到用户体验 or 运营诉求,在精排的基础上会应用一些规则,如打散、强插、boost 等。
  • 收集反馈:把课程推给用户后,基于用户的点击、购买、dislike 行为,会收集起来用于优化模型。

9. 推荐在咱们业务是怎么作业的?

这个部分是我原来业务的推荐运转流程,保留这个部分是为了还原一个推荐应用场景,帮助大家理解后面的东西。

召回:运营同学建立《推荐课程审核标准》,从所有课程中按照推荐标准,将符合标准的课程审核召回至推荐池。即:在售课程池(全量)➝ 推荐课程池(部分),能被推荐的只有推荐课程池的课程。

粗排:推荐取了所有召回课程的历史点击率、转化率、销量数据,尽可能的模拟精排模型的打分,在所有召回的课程中选出得分靠前的几百个视频送给精排。粗排是大数据结果,也就是根据所有用户产生的数据做了一个预估,最终呈现给其他用户的也是大数据的结果。

比如ABCD都买A课,那么XYZ来了我优先推A课、他的付费概率更高。粗排召回更适用于新用户,因为新用户没有任何行为,推荐模型没办法预估他可能喜欢什么类型的课程,这个时候就用大数据的预估(大家都买什么、点什么)来推给用户。一句话解释:你可以理解为粗排相当于一个热销榜。

精排:对于已经有消费行为的用户(付费、点击、收藏等),我们会把他的这些行为特征收集起来,去预估他可能还会对什么课程感兴趣。精排是在粗排的基础上做的,粗排的作用是把得分靠前的课程递给精排。一句话解释:如果你有行为,最终推给你的课就跟推给我的不一样。

规则:在精排的基础上应用几个规则,比如

  • 5 分钟 send 消重:5 分钟内服务端下发过的数据不会下发第二次
  • 3 天 show 消重:客户端展示过的课程3天内不会再展示
  • 打散策略:每一次请求数据,20~30个课程,同三级类目最多出 2 个

把这些规则应用完之后,会把排在前面的课程展现给用户。

打散策略是为了避免相同类型的课程扎堆,容易引发用户不好的体验:刷来刷去都是讲学习音标的,平台的内容会不会太少了些。

而 send 消重和 show 消重的区别是:

  • send 消重是服务端下发了,只是用户还没刷到(服务端一次下发 20-30 条数据,用户每屏只能看到5-6个课程)。下发了、用户没看到,5分钟后依然可以推。
  • show 消重是用户在手机屏幕上看到了这个课,滑过去了没有点击,那么代表用户不感兴趣,一段时间内不再推。

收集反馈:你点击了短视频剪辑课程,推荐认为你对短视频课程更感兴趣,则后面短视频剪辑的课程得分就更高,更容易优先展示给你。也就是你越用,推荐模型就可能预估得越精准,推给你的内容你越感兴趣。

10. 为什么要有召回、粗排、精排?不能直接用精排吗?

性能因素。直接用一个复杂的模型从大量数据中找几十条内容速度会非常慢。所以先召回几千条,再用粗排找到几百条,再从几百条里找到几十个推给用户。

11. 推荐模型是如何优化的?

推荐模型的优化由两部分驱动:模型本身训练、调优需求,业务侧新需求。

模型训练调优主要是指性能优化、新增用户特征让模型猜的更准,如模型结构的改进、增加更多用户/商品特征、扩大候选集(召回)、提高数据反馈时效(模型更及时的得到数据反馈);业务侧也会有控制价格出现比例、给精选课程增加 boost 等优化体验需求和运营需求。

但,无论是模型调优需求还是业务需求,每一次修改(称作一个策略)都需要遵循下述流程:

  • 明确目标:这个动作的目标是什么?想要得到什么结果?
  • 制定策略:根据目标,提出解决方案,一般会有多个策略可以达成目标,需要业务&推荐一起评估实验成本、效果,最终排出优先级进行开发。
  • 设计实验:明确实验开启方式、观测的核心指标和预期收益。
  • 检查实验结果:如果符合预期,判断是否全量上线;如果不符合预期,需要判断放大流量继续观察或分析实验,根据分析结果判断是放弃该策略、还是优化该策略。
  • 上线/关闭:如果符合预期,上线。继续下一个策略。

12. 推荐模型多久开一次实验?

推荐实验是非常高频的。并不是一个实验/策略有了结果才可以开启新实验,可以多个实验并行、同时验证多个策略,最终选择效果更好的策略全量上线。比如 我们两个月就开了 30 多组实验。

13. 为什么上了新策略没有效果?

推荐是一个长周期的事情,不是一朝一夕就训练好的。推荐相信的是长期有收益,且模型的养成是需要数据喂养的,喂的越多就推的越准。所以一个新的推荐策略上线,肯定不会马上有效果。就像我们要增肥,不是今天吃一顿明天就能胖了,身体需要吸收、持续吸收。

14. 为什么要做实验不能直接全量?

经验上,预期的效果和实际的效果可能会有非常大的差异。不做AB实验直接上线,可能会带来严重的影响。不是每一个策略都是正向的,推荐模型只是预估用户更可能喜欢什么,这不意味着用户真的喜欢。所以新的策略上线后,有一定概率是负向的,也就是用户觉得推得更不准了。一般,实验需要观测 1-2 周来看数据是否稳定。如果有正向收益or损失不大,但相信长期有收益,即可上线。

15. 没有收益的策略,一定不能上线吗?

AB 实验没有显著正向或略负向也可以上线。必须满足以下大前提:

  • 判断需要长期迭代,必须在此基础上叠加其他策略,可以接受短期无收益。
  • 推荐需要逐步积累用户数据,此策略才能发挥作用,数据越多,训练周期越短。

03

我希望了解流量密码

16. 课程没有流量,是什么原因?

没有流量的原因有很多。一般来说会有以下几种可能,不仅仅是推荐的原因:

  • 商品/内容已经上架,但未审入推荐池。
  • 相似、同质的商品/内容比较多,大家数据都很好的情况下,展现的概率就更低。
  • 商品历史销量、点击、转化率都不高,在推荐候选中的排序本身就比较靠后。
  • dislike 较多反馈了标题、封面差等问题。

为什么有些商品/内容一开始曝光数很高,后面就没有了?

推荐会把商品/内容推荐给可能对它感兴趣的用户。一开始推的多,是因为预估可能感兴趣的用户多,在推了1万次之后,大家都不点击,推荐就会认为这部分用户对这个商品/内容不感兴趣、该商品/内容的得分就会越来越低(推荐排序就会靠后),那么越往后就越推不出来了。

17. 为什么课程点击率很高,曝光数不高?

点击率高是因为推得比较准,推过去后用户更爱点。曝光数不高的可能性有很多:

  • 喜欢这个商品/内容的用户是有限的。
  • 相似、同质的商品/内容比较多,推荐时不一定能胜出。
  • dislike 较多反馈了标题、封面差等问题。

18. 这个内容很差,为什么曝光这么高?

判断比较主观,推荐看的不是一个人的主观判断,而是用户的行为选择。

19. 推荐怎么给新用户做推荐?

冷启动包括新用户冷启动和商品冷启动。新用户冷启动是当一个用户没有任何行为数据和辅助信息的情况下,如何给他做好推荐?商品的冷启动即长尾问题——如何将新的物品快速推荐给可能对它感兴趣的用户?

  • 一个新内容,推荐无法判断谁可能会喜欢它。推荐会根据跟它相似的课程可能会被用户喜欢来做尝试。如果想要推得更准,就需要给内容增加更多特征、让推荐可以猜测得更准一些。
  • 一个新用户,推荐无法判断他可能会喜欢什么。会尝试把“大家认为的好内容”推给用户,如果想要推的更准就需要借助用户主动选择兴趣、加快用户动作反馈等方法来提高推荐对新用户的作用效率。

新用户是没有历史行为数据的,那个性化推荐模型就无法对其产生作用,我们如何做推荐呢?

一种方法是新用户主动选择兴趣偏好,让用户自己去选自己对什么感兴趣;另一种是先按照统计模型(Thompson 汤普森采样 - 可以理解为按照一个标准)去推。也就是如果从第一天开始,所有新用户看到的都是一样的,但同时我加快动作的反馈,也就是当用户一旦有了点击、收藏、付费等行为,那么下一次请求数据的时候,推荐就可以起作用了。

20. 怎么给老师多一些曝光机会?

这个问题需要先理解另外两个问题:为什么推荐不多给老师一些曝光机会?如何理解boost?

为什么不多给老师一些曝光机会?

推荐的目标是让用户满意(买课的人),一般不会考虑老师的满意度。当然,从平台生态的角度来考虑,只有让老师满意,老师才会传更多的课到平台,平台才有更多的课提供给用户(推荐去推)。

所以,在让用户满意的基础上(推得更准),也会加一些规则去保证老师的利益。比如课程冷启动规则(给一些新课固定的曝光资源)、运营精选boost(给一些优质课加权重)、已购老师boost(购买过的老师的课程加权重)。当然,后续可能也会有一些其他新策略,既让推荐推的更准,也能给到老师一些资源保证。

如何理解 boost ?

从推荐视角来看,是反对 boost 的,因为任何 boost 都是人的主观意愿:我认为用户对这个更感兴趣、我希望用户能看到这个内容。实际上,boost 并不能让推荐推得更准,过多的 boost 干扰还可能影响推荐的策略。

那为什么我们还会加一些 boost 的策略呢?

  • 适当、合理的 boost 可能会提高推荐准确度,注意,只是可能。比如我们从数据发现,一半的用户都第二次下单都是买的原来老师的课程,那我们就加了相同老师(已购老师)的 boost ,让这个用户购买过的老师的课更容易展现给你。
  • 对于老师而言,适当的 boost 是为了平台的老师生态,包括新课 boost 和精选 boost 。

如果运营侧有给老师曝光的诉求、想用流量作为运营老师的激励点,或者为了让一些尾部但优质的课程有售出机会,需要在推荐模型的基础上加干预规则,那么可以把你的诉求提给产品,产品和推荐同学会在不伤害用户体验、推荐仍然有作用空间、且能实现运营目标的基础上共同制定策略。

04

我怎么给推荐提需求

可以以这样的姿势给推荐同学提需求:需求目的是什么?想要解决什么问题?预期效果是什么?对用户会有什么影响?你要相信,推荐同学了解的推荐策略会比你多很多,把你的问题交给他,他们会选出更能帮你实现目标的策略。

❌ 错误的方式:我想在推荐强插某老师课程。

✅ 正确的方式:我们想要给优质课程更多的曝光机会,一方面是这些课程质量很好应该不会对用户体验造成损伤,另一方面也可以作为老师运营的抓手,能激励老师产生更多优质课程。

❌ 错误的方式:我想在模型里加个特征。

✅ 正确的方式:我发现最近给我推的课程价格都偏高,调研了几个用户也是如此。如果我们持续推高于用户消费水平的课程,付费率可能会越来越低。我们看下是通过推荐价格占比、还是引入用户历史/最近一次消费金额,来减少大量推高单价的情况。

❌ 错误的方式:能不能给新课加 boost。

✅ 正确的方式:老师拉新团队最近拉了很多新老师入驻,但是这些老师的课程都没有曝光量,这影响了老师传课的积极性,长期来看我们会做大量的老师拉新工作、如果新老师的新课没有流量会影响整个平台的老师生态。有没有什么方法,可以给这些老师/课程一些曝光的机会?

05

我为什么要写这个

不能说把推荐讲的非常透彻、但也尽力从业务视角把一个技术逻辑讲的更易懂。

我们是个平台产品,既有C端用户也有B端用户。负责B端拓展的同学就希望流量有倾斜,运营同学对各项指标负责又希望基于他的目标做策略调整,产品考虑用户体验也会有体验向的需求,不同角色的需求经常会相悖。而推荐本身也有自己的运转逻辑,一定会有不能满足、或者满足的不好的地方。

想要取得好的沟通效果、达成目标,就要先了解对方的逻辑(推荐),以及如何利用资源(推荐机制),这篇文章是写给我合作的运营同学,借此也献给所有会关注推荐和流量的运营伙伴。

作者 | 烧包鹿 字节跳动平台运营专家,分享产品观察。

百度搜索页面质量标准和首页基本信息设置标准
« 上一篇 2022-09-22
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表
  • 你如何写“TDK”?哪个标签更重要?
    1阅读 0条评论 个赞
    wordpress本身是不带keywords标签和description标签的,所以需要安装插件来实现,建议安装“All in One SEO”这款插件。安装完成后,即可在后台看到插件设置选项。……
  • 没有品效合一 只有品效分离
    3阅读 0条评论 个赞
    品效合一之所以这个词这么流行,说得不留情面一点,很大一部分是因为充当了【不达预期】或者【担心不达预期】的挡箭牌:1、做效果投放,如果ROI不高,……
  • 什么是黑白帽SEO?为什么我提倡做白帽SEO
    0阅读 0条评论 个赞
    什么是黑帽SEO,什么是白帽SEO,黑帽SEO的危害有哪些,为什么我提倡做白帽SEO,而不是黑帽SEO,下面我将带你全面了解黑帽SEO与白帽SEO的区别。……
  • 从SEO的角度看网站结构优化有什么好处?
    0阅读 0条评论 个赞
    网站优化分为两部分,一部分是网站结构的优化,另一部分是页面上关键词的优化,网站主页的布局对网站优化起着至关重要的作用。只有网站结构布局结构好,才……
  • 企业品牌整合营销的主要做法有哪些?
    0阅读 0条评论 个赞
    通过最权威的品牌整合营销,可以对企业自身品牌进行升级、建设和推广,让我们来看看品牌整合营销的主要做法有哪些。……
  • “庞大千河-伴星计划2.0”启动招募 助力服务商长期运营新突破
    0阅读 0条评论 个赞
    服务商作为电商交易中非常重要的一环,连接了平台-品牌方-消费者三方,在抖音电商体系下具有十分重要的地位,现阶段服务商在日常经营中往往存在以下问题……
  • 网站结构设计如何帮助SEO优化?
    0阅读 0条评论 个赞
    SEO不仅需要我们做好网站优化,还要站在用户的角度上面想问题,比如说我们如何让网站的设计让用户更加满意,停留时间更长,帮助我们网站能够被蜘蛛喜欢,被用户喜欢,这就涉及到了web前端开发的事情了……
  • 网站权重详解:百度快递排列的原理是什么?
    10阅读 0条评论 个赞
    今天聊一聊网站权重那些事儿,详细解读一下什么是网站权重。首先、抛出一个问题:你觉得网站权重存在吗?网站权重“高”或“低”是从哪里得出的数据? 这些数据值得信赖吗?……
  • 来自《隐入尘烟》的启发:刷屏有方法
    2阅读 0条评论 个赞
    让我们先来看两个关于分享行为的实验,哈佛大学两位神经科学家简森米歇尔和黛安娜塔米,想研究和了解分享行为给人们带来的正向反馈,曾做了下面两个实验:……
  • 用户体验对于SEO网站有什么作用?
    0阅读 0条评论 个赞
    用户体验主要集中在确保访问者进入您的网站后,对他们找到的内容以及在您的内容中浏览的便捷性感到满意。出色的用户体验始终是您的最终目标,因为它将决定您是否保留访客以及他们是否会购买您的产品或服务。……
  • 在Tik Tok 921好物节的招商热中 这些核心招商资源需要重点关注
    0阅读 0条评论 个赞
    “金九银十”消费旺季将至,对于各行业商家来说,这不仅是冲刺“大生意”销量的重要节点,也是抓住下半年生意增长机会的重要时段。为了承接消费者的需求,……
  • 2022 Tik Tok创作者大会强势来袭 嘉宾名单在此
    6阅读 0条评论 个赞
    来了来了它终于来了!2022抖音创作者大会将于9月20日14:00在北京盛大开幕,并在抖音、今日头条、西瓜视频、鲜时光TV、抖音火山版、抖音极速……
  • 小红书三个月涨17w 实现10w 你做对了什么?
    0阅读 0条评论 个赞
    目前线上流量的最大聚集地,除了微信外,其一是抖音,其二是小红书,且小红书目前尚存红利,不少品牌和个人最近也在频繁进入,也利用小红书这个平台和个人……
  • 如何提高在线品牌推广公司的营销能力
    4阅读 0条评论 个赞
    随着互联网的发展,企业可以在互联网上寻求更多的发展机会,企业可以通过营销网站逐步实现企业宣传和产品销售。企业云营出成功的营销网站,需要提高网站的……
  • 网站内容是SEO优化的核心
    0阅读 0条评论 个赞
    网站建立的目的是为了流量.为了转换,用户浏览网站,除了需要排名,可以被用户看到,但也做好网站内容优化工作,使用户转换效果更好,网站排名更高。可以……
  • 互联网时代 网络营销是企业的推广工具
    7阅读 0条评论 个赞
    目前,市场竞争越来越激烈,电子商务平台的繁荣和信息的快速传播,使企业在宣传推广方面发生了根本性的变化,今天,将与您讨论企业在当前市场竞争下的推广……
  • 如何做人群精细化运营?工厂的数据建模和预测带来三大妙招:广、精、实
    1阅读 0条评论 个赞
    需要拉取什么样的新客,才能更好地实现营销目标?核心客群如何准确定位,才能精准撬动转化增量?已购老客怎样稳固维系,才能保持长久持续的生意增长活力?……
  • Tik Tok电子商务如何从0到1成长
    1阅读 0条评论 个赞
    大家好,我们今天分享的这个主题其实是我之前就是完全从 0 到 1 经历的两个项目,一个是字节瓜龙,一个是抖音电商,然后也是想从这两个项目里边给大……
  • 给自己制定一个SEO标准:做好本地SEO优化
    23阅读 0条评论 个赞
    人的一些操作常常会随着“心情”与“当前认知”的变化而变化。比如我、心情好的时候写文章会认真一些,心情不好的时候写文章会敷衍一些。有时间的时候就疯狂更新 ,没有时间的时候就不更新。……
  • 如何写出高点击高质量的创意标题?
    0阅读 0条评论 个赞
    大家有没有觉得,无论是百度,还是其他的搜索引擎,放眼望去,同一产品或服务的广告创意都是大同小异。比较困扰广大SEMer的是,不是不想出彩,而且绞尽脑汁也想不出来一条让人眼前一亮的创意来。最终还是沦为看同行都怎么写我就怎么写,这样的创意很难让人产生点击的欲望。……
最近发布资讯
更多