电商直播的AI推荐系统，买现成的还是自己定制好？

我们为什么要做个性化推荐

我是杭州一家直播电商公司的负责人，公司主要做女装，也带一些饰品和包。团队不大，三十来人，去年GMV做到了3000万。听起来还行，但我和合伙人心里都清楚，这个数字里水分不小。

最头疼的就是复购率，一直在20%上下晃悠，死活上不去。我们的主播很卖力，新客拉得也挺猛，但很多人买了一次就走了，像逛庙会一样。我们后台数据一看，好多用户上次买了件连衣裙，这次我们推风衣，她连点都不点。

你可能也遇到过，直播的时候，场观一两万，互动也挺热闹，但下单的就那么些熟面孔。新流量成本越来越高，抖音一个粉都快到七八块了，老客留不住，这生意就像竹篮打水。

问题就出在一刀切

我们之前怎么做的？基本就是主播凭感觉，或者运营看最近什么款爆，就一股脑全直播间推。比如今天主推碎花裙，不管你是之前买过牛仔裤的酷女孩，还是买过针织衫的温柔系，进来看到的、听到的都是碎花裙。

这就导致一个结果：对碎花不感冒的客户，可能看两分钟就走了。我们相当于花钱把客人请进门，又亲手把人送走了。

算了一笔账，不做不行了

我们粗略算过，如果能把复购率从20%提到30%，按照我们现在的体量，一年能多出近300万的销售额，而且这部分利润更高，因为几乎没有拉新成本。这还没算客户生命周期延长带来的价值。

所以去年底，我们下定决心，必须把个性化推荐这事搞起来。

一开始想的太简单了

决定要做之后，我们第一个想法就是：找个现成的SaaS工具装上不就完了？市面上这种公司一抓一大把。

弯路一：通用SaaS的水土不服

我们很快签了一家名气挺大的营销SaaS服务商，他们的推荐系统是标准化的。但用了一个月就发现不对劲。

它确实能根据用户的点击、购买记录打标签，但推荐逻辑太“通用”了。比如，一个用户买了件黑色西装外套，系统就拼命给她推各种黑色外套、西装裤。但我们做女装的都知道，买西装外套的客户，下一次购物可能想要的是有设计感的内搭或者裙子来搭配，而不是另一件类似的外套。

这种“相似推荐”对我们提升连带率和跨品类销售帮助很小。更别说直播场景了，它无法实时根据用户在直播间的停留、互动（比如评论问了哪个款）来动态调整推荐策略。钱花了，效果却像隔靴搔痒。

弯路二：自研的“无底洞”

一咬牙，跟合伙人商量：要不我们自己招人开发？觉得这样最贴合业务。于是招了一个算法工程师和一个后端开发，心想两个月总能出个原型吧。

结果完全不是那么回事。光是把我们散落在抖音、淘宝、自研小程序各个渠道的数据打通，统一用户ID，就折腾了一个多月。算法同学搞出来的初版模型，离线测试准确率还行，一上线实时推荐，速度慢得感人，经常是用户都离开直播间了，推荐结果还没算出来。

人工成本更是吓人，两个技术月薪就奔着4万去了，加上服务器等开销，一个月小十万投入，看不到明确产出。坚持了三个月，合伙人坐不住了，这分明是个无底洞。

最后是怎么落地的

吃了两次亏，我们冷静下来，重新梳理需求：我们不是字节跳动，不需要发明一套全新的推荐算法；但我们也不是街边小店，通用工具确实不够用。我们需要的是一个懂直播、懂服装行业的解决方案。

关键的决策：找垂直行业方案商

我们开始有针对性地找那些专门服务电商直播，特别是服饰类目的技术供应商。重点看他们有没有服务过跟我们体量、模式类似的客户。

最后选了一家，原因有几个：

第一，他们不是卖标准产品，而是有一个针对服饰直播优化的基础模型，再根据我们的数据（历史订单、商品信息、直播间行为）进行微调。这比从零开发快，也比通用模型准。

第二，他们能对接我们多个平台的直播流和数据接口，实现真正的跨平台用户画像。用户在抖音直播间的互动，能影响她在我们小程序商城看到的推荐位。

第三，合作模式灵活。我们不用买断系统，而是根据调用量和GMV增量分成。这降低了我们的前期风险和固定成本。

实施过程：小步快跑，紧盯数据

实施分了几个阶段：

第一阶段（一个月）： 只做“直播间弹窗推荐”。就是在直播时，根据每个用户的画像，在手机屏幕一侧弹出1-2个“你可能喜欢”的商品卡片。我们先拿一个非主力主播的场次做测试。

第二阶段（两个月）： 跑通“客服侧推荐”。当用户私信客服咨询时，客服侧边栏会自动弹出针对该用户的搭配推荐和促销商品，辅助客服销售。

第三阶段（后续）： 才延伸到录播短视频推荐、商城首页个性化等场景。

每一步都要看核心数据：点击率、转化率、连带率。不追求功能大而全，就看能不能打中一个痛点，见到实效。

现在效果怎么样？

从上线到现在跑了半年多，说几个大家最关心的数据：

整体复购率： 从20%提升到了26%左右，没有一下子飙到30%那么神奇，但是在流量成本没怎么增加的情况下实现的，我们已经很满意了。

人均订单金额： 提升了大概15%。主要是因为推荐更准了，比如给买了大衣的客户推高品质的内搭和腰带，连带率上去了。

主播效率： 这个是我们没想到的。以前主播要记很多款，现在看到弹窗提示，能更自然地“点名”推荐：“刚进来的‘莉莉’同学，你上次买的那个咖色半裙，搭我们身上这件衬衫绝配，你可以看看3号链接”。互动感和转化率都好了。

当然，问题也有：

一是冷启动用户还是搞不定。新用户没数据，推荐不准，这块我们还在配合运营活动来弥补。

二是系统偶尔会“犯轴”。比如持续给一个已经买了三件衬衫的用户推衬衫，需要运营同学定期去后台调整一下规则权重，不能完全撒手不管。

如果重来一次我会怎么做

回头看这半年多的折腾，如果让我重新选一次，路径会清晰很多：

第一，绝对不先碰自研。 除非你是年GMV过亿、养得起一个完整技术团队的大公司，否则自研的坑太深。时间和钱你耗不起。

第二，别迷信大牌通用SaaS。 一定要问清楚，对方在你的垂直类目（比如服装、珠宝、食品）有没有成功案例，能不能拿出贴合你业务逻辑的推荐策略，而不只是技术演示。

第三，先找一个最痛的场景单点突破。 别想着一次性解决所有问题。对我们来说，直播间实时推荐就是那个最痛的点，见效最快，也最能验证供应商实力。从这里切入，风险最小。

第四，关注数据和业务闭环。 签合同前就要谈好，怎么衡量效果？是看点击率、转化率还是GMV增量？数据看板是不是清晰透明？最好能用分成模式，把双方利益绑在一起。

给想尝试的同行几点实在话

1. 算好账再动手。 如果你的年GMV还在千万以下，复购问题可能还没那么致命，先把货品和直播内容打磨好更重要。个性化推荐是锦上添花，不是雪中送炭。

2. 小团队优先考虑“半定制”。 就是找有行业基础模型的供应商做微调，这是性价比最高的选择。前期投入可以控制在一年十万左右，效果比通用SaaS好得多。

3. 准备好你的数据。 数据越干净、越完整，项目成功率越高。至少要把订单数据（谁买了什么）、商品数据（品类、属性、价格）整理好。这是你的“弹药”。

4. 业务人员要深度参与。 不能全扔给技术或供应商。你们的选品师、主播、运营最懂客户，他们的经验要能转化成推荐规则，输入到系统里，不然AI就是瞎猜。

这条路我们走通了，但过程挺折腾。每个公司情况不一样，别人的方案不一定完全适合你。

想了解适合自己的方案，可以用“索答啦AI”问问，它会根据你的行业、规模和具体需求给些建议，帮你理清思路，不用自己到处问一圈了。