从盒马App的使用体验中，我们可以看到阿里巴巴的线上产品策略

从上面的描述我们可以知道，盒马的“猜你喜欢”至少包含了基于用户浏览行为的推荐（是否包含基于购买行为的推荐，尚未测试）。 不过，正如我们在之前有关个性化推荐的文章中分析过的那样，既然BAT等可以为推荐算法提供标准化服务，那么数据的质量将成为影响推荐结果准确性的首要因素。

我们之前对当地的蛋制品进行了无效的浏览。 此类用户行为数据应在建模前的预处理和清理中剔除。 显然盒马这里并没有对“脏数据”做任何处理，这会影响个性化推荐的效果。

（2）单品页面推荐未部署个性化算法

在盒马App中，我们在“大米”类别下选择了两种大米。 分别查看其TOP4 SKU的单品页推荐状态，如下图所示。

图6 “稻花香”（大米）品类TOP4单品推荐结果

图7 “泰国大米”品类TOP4单品推荐结果

从上面两张图可以看出，盒马App各个单品页面的商品推荐非常相似。 没有部署针对单品“再看”或“再买”的推荐算法。 造成这种情况的原因是阿里巴巴的产品运营策略是只推广热门产品。 要么盒马用户的消费频率和深度都比较浅，即回头客较少，每次购买的产品也较少。 从而无法形成足够有效的产品关联规则。

如果用有限的推荐位来推广类似的产品，其结果必然是大多数其他产品得不到足够的曝光，为产品的马太效应埋下伏笔。

2、卖更多产品（二）：盒马生鲜产品关键词搜索

作为解决“信息过载”的另一个有力工具，搜索引擎在基于内容的App中一直占据着重要地位（就像个性化推荐一样，它们在App的功能中是一等公民）。 因为搜索是用户自发寻找信息的行为，是用户主动暴露内心偏好的表现，这样的数据具有很高的价值。 然而，盒马的搜索引擎似乎对用户发自内心的产品偏好并不感兴趣。 整个搜索界面主要围绕热门产品搜索进行引导，如下图所示。

图8 盒马关键字搜索界面

为了对比搜索的重要性，我们特意截取了一张今日头条的搜索界面图，如下图所示。

图9 今日头条关键词搜索界面

观察以上两个关键词搜索界面，虽然不属于同一行业，但一个是电商（新零售），一个是信息阅读。 不过，应该说，这两个行业其实并不喜欢商品（或信息）的马太效应。 因此，从这个角度来看，除非盒马的产品运营策略是有意为之（我只推热门产品，我就是喜欢让其他产品睡在仓库里），否则，就是犯了一个比较低级的错误。 。

3、盒马线上产品马太效应优化建议

一是注重数据清洗，提高用户数据质量。

其实对于阿里巴巴来说，建模前的数据清理应该不用多说。 阿里巴巴在大数据技术应用方面有很多专家（淘宝在双11就使用了个性化推荐）。 但盒马App目前在数据清理方面的低级失误，或许恰恰表明，阿里巴巴在新领域拓展业务时，内部各部门之间的协同支撑需要进一步加强。

其次，App搜索界面加强了对用户个性化产品偏好的引导。

在盒马App中，不乏展示热门产品的机会。 在搜索界面，如果所有产品继续向热销产品倾斜，那么最终产品的马太效应是毋庸置疑的。

根据用户的搜索关键词，生成与关键词相关的推荐。 这种个性化推荐的思路在“信息过载”最严重的信息阅读领域被证明是可行的（例如今日头条的成功）。 用这种方法来解决电商领域SKU相对较多的“信息过载”，势必会很好地解决问题。

三、加强产品供应链管理

通过个性化推荐解决产品的马太效应。 在这个过程中，推荐的效果当然取决于发现用户行为的真实相关性。 但产品质量的保证是先天条件。 盒马销售的众多海鲜产品中，对产品标准化的把控其实是比较薄弱的。 例如，产品的大小和新鲜度是用户最常见的抱怨。

如今，不少生鲜电商可以直接从蔬菜种植基地采购蔬菜。 然而，说到海鲜，电商能否尽快出海，从海上作业的渔船上采购海鲜产品呢？ 而不是从二手经销商处购买。

十几年前，福建的鱼贩就可以直接开船出海，从海上的渔船上收购海鲜，然后要么直接冷冻在船舱里（经济价值不高或者不易养殖） ，或在小屋内养殖（经济价值高且易于饲养）。 然后当天运到岸上，进入各大市场和酒店出售。

上述过程中，一是直接向仍在海上的渔船进货。 二是当天返回岸上。 即使是容易养殖的海鲜（比如螃蟹、花蟹等），在船舱里多养一天，味道也会不一样（如果是在船舱里养，海鲜还是生活在海水里的） （但舱内海水里没有其他生物，海鲜完全靠消耗自己体内的营养，营养流失太多，味道自然就会下降）。

结尾。

原创文章来自中国统计网。 转载文章需获得授权。