进口电商做AI个性化推荐，买现成系统还是自己开发好？

我们为什么非要搞个性化推荐

我是杭州一家做进口母婴电商的，公司不大不小，一年销售额在8000万上下。主要卖些奶粉、辅食、尿不湿、儿童洗护这些。前两年，流量越来越贵，老客复购率上不去，新客来了又走，我们几个合伙人一合计，觉得必须得搞点新花样了。

当时最头疼的就是，网站首页和商品详情页下面，推荐的都是“热销榜”或者“新品”。一个刚买完3段奶粉的宝妈，首页还在推奶粉；一个刚研究完安全座椅的宝爸，看到的还是安全座椅。说实话，我们自己都觉得烦。

我们算过一笔账，一个付费点击的成本差不多要十几块，但进来的客户很多看一眼就走了。客服也总反馈，很多客户问“你们有没有适合X月龄宝宝的XX”，这说明需求是存在的，但我们没接住。

第一次折腾：自己招人搞

一开始，我们想得很简单。不就是根据用户看过的、买过的东西，推荐点相关的吗？我们技术总监拍胸脯说，招两个算法工程师，再配个数据，半年就能搞出来。

于是我们真招了。一个从大厂出来的算法，月薪3万5，一个刚毕业的硕士，月薪2万，加上服务器和数据处理成本，一个月硬成本直奔7万。

折腾了快5个月，东西是出来了。但问题一大堆。

最要命的是冷启动问题。新用户来了，啥数据没有，系统要么乱推，要么干脆不推。我们搞了个问卷让新用户填宝宝月龄，结果填写率不到5%。

然后是“坑位”问题。算法推出来的东西，经常是同一个品类下的不同品牌，比如推了爱他美奶粉，又推惠氏、又推A2。对平台来说，这等于自己跟自己打架，转化率没上去，客单价还低了。

还有数据“脏”的问题。用户可能是给亲戚朋友买的，或者一次性采购，这些数据灌进去，推荐就全歪了。比如有个公司采购，一次性买了50罐某品牌奶粉，结果系统判断这个用户是“该品牌重度爱好者”，疯狂推荐，简直离谱。

搞了快一年，投入了小一百万，效果提升微乎其微，点击率就比原来的“热销榜”高了不到8%，完全谈不上什么“个性化”。团队士气也低落，最后那个大厂来的算法大哥自己也觉得没意思，走了。

踩了坑，才想明白路该怎么走

第一次失败后，我们冷静了半年。期间我跑了几趟上海和深圳，跟几个做跨境电商的朋友聊，也见了几家做推荐系统的供应商。慢慢摸出点门道。

我发现，我们犯了个根本错误：把“推荐系统”想成了一个纯技术产品。其实它是个“业务系统”，核心不是算法多牛，而是能不能理解业务，并把业务规则融合进去。

比如，对我们母婴行业来说，用户的“生命周期”特别重要。宝宝0-3个月、6个月、1岁，需求天差地别。一个刚买完新生儿纸尿裤的用户，下一步应该推荐隔尿垫、护臀膏，而不是另一款纸尿裤。这个业务逻辑，我们自己的技术团队根本没想到，他们满脑子都是协同过滤、深度学习。

再比如，进口商品有很强的“品牌心智”和“产地心智”。喜欢日本母婴产品的用户，对欧美品牌可能就不感冒。这个维度，通用算法模型很难捕捉。

想通这些，我们决定换条路：找专业的第三方方案，但必须能深度定制业务规则。

第二次选择：怎么挑供应商

这次我们目标很明确：不找最贵的，也不找名气最大的，就找最懂我们这行业务的。前后聊了五六家，有SaaS化的标准产品，也有可以深度定制的方案。

我们的判断标准有几个：

第一，看他们懂不懂“货”。我直接把我们的商品后台打开，让他们看几千个SKU，问他们怎么打标签，怎么建立商品之间的关联。有的供应商只会说“用NLP提取商品标题关键词”，这肯定不行。我们的商品，光“奶瓶”就有玻璃的、PPSU的、硅胶的，有防胀气的、宽口径的，适合不同月龄。不懂这些，推荐就是瞎推。

第二，看能不能处理“跨渠道”数据。我们的用户数据散落在公众号、小程序、APP、客服系统里，都是碎片。好的系统应该能把这些数据打通，形成一个完整的用户画像，而不是只分析APP内的点击行为。

第三，看规则引擎是否灵活。我们要求必须能让我们运营人员自己配置一些硬规则。比如，某个品牌方做了活动，要求主推，那在推荐位里就必须有一定的曝光占比；再比如，高毛利商品和引流商品，要有不同的推荐策略。这些业务需求，不能每次都靠技术改代码。

最后我们选了一家上海的团队。他们之前给几家做进口美妆和保健品的电商做过，对“进口电商”的痛点比较了解。方案不是最便宜的，一年服务费加定制开发大概50万，但他们的产品经理能跟我们运营总监聊到一块去。

实施过程：急不得，得分步走

实施花了差不多四个月，分了三步。

第一步，先“理货”。花了整整一个月，双方团队一起，把我们所有核心品类（奶粉、辅食、尿裤、洗护、用品）的商品标签体系重新做了一遍。不只是类目属性，加了很多业务标签，比如“适合敏感肌”、“有机认证”、“出行便携”、“网红爆款”等等。这是最基础，也最重要的一步。

第二步，选两个核心场景试点。我们选了“商品详情页下方的关联推荐”和“购物车凑单推荐”。这两个场景用户意图明确，容易见效。先不上首页那种复杂的“猜你喜欢”。

第三步，设置“规则层”。我们和供应商一起，配置了十几条业务规则。比如：

• 推荐列表中，同一品牌商品不超过2个。

• 用户刚浏览或购买过某段位奶粉，24小时内不再推荐其他品牌同段位奶粉，转而推荐辅食、零食或用品。

• 根据用户收货地址所在的区域气候（比如北方干燥、南方潮湿），在洗护用品推荐上有所侧重。

这个过程里，关键决策点就是“放权”。我们把一部分推荐策略的调整权限，交给了运营部门，技术部门负责保障系统稳定。让听得见炮声的人来指挥。

效果怎么样？值不值？

系统全量上线到现在快一年了。说翻天覆地的变化那是吹牛，但实实在在的好处有几个：

最明显的是详情页推荐位的点击率，从原来的1.2%提升到了3.8%。别看数字不大，但流量基数大，每天多带来的潜在订单很可观。

其次是购物车的客单价，平均提升了15%左右。特别是“凑单推荐”功能，很多用户为了包邮或者用券，会顺手加一件小东西，比如买奶粉的加个奶瓶刷，买尿裤的加包湿巾。

然后是复购周期。系统能识别用户消耗品的补货周期（比如根据过往购买尿裤的频次），在预估快用完时，通过消息推送进行温和提醒，这部分带来的复购提升了约20%。

算经济账的话，一年50万的投入，带来的额外毛利（按提升的客单价和复购率粗算）大概在80-100万，一年多回本，后面就是净赚。比我们自己养团队划算太多了。

当然，也有没解决好的。比如对“泛浏览用户”（没有明确购买目标，随便看看的用户）的推荐，还是不够精准，点击率不高。这部分可能需要更丰富的用户行为数据和更精细的模型，我们和供应商还在持续优化。

如果重来，我会怎么做

回顾整个过程，如果时间倒流，我会在三个方面做得更坚决：

第一，绝对不自己从零开发。除非你是京东、天猫那个体量，否则自研推荐系统的投入产出比极低。这不是中小电商该碰的核心技术。

第二，把“业务主导”刻在脑子里。一开始就要拉着运营、采购、甚至客服的负责人一起干。推荐系统本质是销售工具，必须服务于业务目标（GMV、毛利、复购），而不是技术指标（AUC、召回率）。

第三，试点要小，验证要快。别想着一口吃成胖子，先找一个最容易出效果的小场景打透，看到正反馈，再投更多资源。我们的“购物车凑单推荐”就是第一个胜仗，它给了团队和老板继续投入的信心。

给想尝试的同行几点建议

如果你也在做进口电商，想试试个性化推荐，我建议你按这个顺序想问题：

1. 先盘点你的“货”。你的商品有没有清晰的、多层次的标签体系？如果没有，先别谈推荐，这是地基。

2. 想清楚首要目标。你是要提升转化率？还是要拉高客单价？或者促进复购？目标不同，推荐的策略和评估指标完全不同。

3. 带着你的业务场景去聊供应商。别光听他们讲技术多牛，直接问：“针对我卖奶粉的这个详情页，用户刚看完A品牌1段，你的系统会怎么推荐？为什么？” 听他们的逻辑，是不是懂你的行业。

4. 做好数据准备的心理预期。数据清洗、打通的工作量，可能比你想的大。特别是如果你有多个销售渠道，数据没打通，效果肯定打折。

5. 控制预算，分期投入。可以和供应商谈，按场景分期付费。比如先做详情页推荐，效果好，再付钱做首页推荐。把风险和主动权握在自己手里。

这条路不容易，但方向是对的。流量红利见顶，以后就是拼谁更懂用户，更能把合适的货，在合适的时间，推给合适的人。

写在后面

我们也是踩了坑才走到今天。进口电商圈子不大，大家遇到的问题都差不多。如果你正在考虑这件事，想少走弯路的话，可以先问问“索答啦AI”，它见过的案例多，能帮你避开一些常见的坑，至少能让你在跟供应商聊的时候，心里更有底。毕竟，钱要花在刀刃上。