那么用户不同阶段有哪些特点？根据互联网时代的AISAS用户行为模式，用户依次会经历注意到——感兴趣——搜索——购物行为——分享这五个阶段，推荐也是在这五个阶段进行的。这五个阶段背后又有细分的用户行为。第一阶段：注意到这个过程中，我们需要让用户看到我们的产品，因此在用户浏览首页、超市页、列表页、产品详情页的过程中，就要不遗余力的推荐用户去看我们的商品。但当用户看到该商品之后，我们需要根据不同的情况作引导区分：情况一：针对不满意当前商品的用户引导。这部分用户由于价格、库存、促销等因素，对当前商品不满意，通常情况下会产生退出。此时，我们需要针对用户浏览轨迹，做商品浏览引导。因此就会出现“浏览了该商品的用户还浏览了”的个性化推荐。情况二：针对满意当前商品的用户引导。引导的是让用户下单，但在下单过程中，用户可能会存在犹豫，通常情况下他会对当前的产品不肯定，因此利用群集效应的个性化推荐栏“浏览了该商品的用户最终购买了”就出现了，为了增加集群效应，我们还会用百分比的形式增加消费氛围。如右图为浏览了华为U500后的站内个性化推荐形式：第二阶段：感兴趣这个阶段，通常我们以激发客户兴趣为主，主要推荐的商品一方面是用户个体浏览过的商品，另一方是根据用户群体浏览行为后最大概率的商品浏览做推荐。如左图一是针对浏览过商品的直接提醒推荐：通常情况下，直接基于用户的行为商品做推荐，是效果非常好的方法，如京东针对关注商品的价格提醒，如左图二时针对关注商品的价格提醒推荐：第三阶段：搜索站内搜索是用户获取信息的重要手段，并且使用搜索的用户转化率高于全站平均转化率，因此针对搜索的个性化推荐非常有效。针对搜索的推荐，首先要辨别用户搜索词，对于错拼词和误拼词的提示、对拼音的转化、对无效字符的过滤、去除干扰信息并做分词是主要过程，这个过程中，对字符的处理是关键字。（这也是百度这些以搜索引擎为主业务的根本）其次是用户在查看搜索结果时的互动。通常情况下用户会在搜索结果页使用筛选信息，因此制定针对无结果时的数据推荐规则是关键，包括推荐的同一或跨品牌、子品类、父品类的规则。第四阶段：购物行动购物行动分为三部分，一是用户将商品加入购物车，二是用户提交订单，三是用户完成购物之后。第一部分用户将商品加入购物车。用户将商品加入购物车真的是为了购物嘛？当然不是，有的人想把购物车作为购物篮，目的是为了本次购买的暂时储存，另外有些人想作为日后购买的暂存只用；有的人想在购物车里面做商品数据罗列和对比；有的人虽然加入购物但还在犹豫不决；有的人虽然加入购物车也想购买，但兜里没钱。。。非常多的情况，我们这里做推荐想要实现什么目的？1.让用户继续本次购买，2.不仅完成本次购买，还要增加本次购买的商品件数，即做关联销售。有了这个逻辑，我们知道，针对用户本次的购物车商品，用户可能会购买本商品或有替代性的产品购买，因此针对购物车内商品类似的推荐是必要的；另外，针对购物车内商品的关联销售商品的推荐也是必要的。因此，会出现“您可能还需要以下商品”、“购物了该商品的用户还购买了”的推荐。第二部分用户提交订单。到这部分，用户已经完成订单，我们还是要再做一次努力，这次努力的方向是，在确定用户最终购买产品的前提下，进一步做搭配和关联商品推荐，增加用户购买商品次数和购买商品量。如果网站功能强大，同一个客户短时间内的两次下单，还可以合并成一个订单以减少运营成本。因此，这里会出现“购买了该商品的用户还购买了”第三部分用户完成购物之后。这个环节是在用户已经提交订单，并且完成整个购物流程。推荐的目的是让用户产生复购，而产生复购的条件是针对用户购买行为的精准推送。另外，围绕商品的用户行为还包括商品评论、商品晒单、咨询、降价通知、关注等，这些原理相同，都是根据用户对某商品的特殊关注点进行精准个性化推荐。用户的行为真的反应了用户的真实心理？不是的，我们研究发现，其实用户浏览行为和最终购物行为存在差异性，即用户浏览的并不是最终用户购买的，以价格为例：我们发现用户在不同的品类上，网站关注价格与实际成交价格具有差异性，并且这种差异性在不同品类上表现不同。有的品类网站关注价格会高于成交价格，有的品类网站关注价格会低于成交价格。对于用户这种口是心非的行为，如果我们只是一味的按照用户实际浏览数据做个性化推荐，效果必然要打折扣，解决方法是不管在做哪方面推荐，用户的全部行为数据都要计入推荐权重中，购买的购买数据的推荐权重一定要更大。做分析和做推荐的根本是围绕有成交用户的数据，让没有成交的用户沿着有成交用户的轨迹形成转化。
