“ 增长是现在业务的硬指标，大环境下设计师也免不了要背这样的KPI。”

像这种常见的信息流，也叫Feed，起初由Facebook在社交行业重新定义为News Feed，现在被大量用在电商、社交、资讯类等领域。信息流突出卡片的信息，用户可以无限制地下拉刷新，偏重于“沉浸式”的体验，用户可以在里面“逛”起来。 

那么问题来了，在处于这样闲散的“逛”的状态下，怎样提高用户的转化率，让用户在Feeds中产生点击行为？有如下几点可以进行尝试，抛出来相互探讨。

一、“千人千面”机制的尝试

什么是“千人千面”？字面意思上说就是一千个人看到一千个面，每个人所看到的内容都不一样，实现“个性化”定制。

举一个场景，作为一个软妹子，你的某宝Feeds呈现成这样的，嗯，美妆、衣服和家居产品更多。

设想一下这样的画面，如果在你的Feeds列表里面推荐的是一些机械键盘和游戏装备，那作为用户，会心想“晕，这些东西又不能让我变瘦变美，跟我啥关系？往下翻翻再看看有没有什么可买的东西”。

如果再滑个2~3屏还是这类似于“今年流行的POLO衫”等跟你没关系的内容，那可能就没耐心看下去，sorry，直接退出了。

而“千人千面”机制能解决这个问题，它要达到的目的就是，对每个用户而言，都是各自喜欢的内容。

那么怎么做到千人千面？

1. 千人千面的影响基于用户人群的标签。标签分得越细，流量就会被分割得越厉害，推荐也会更精准。针对具有标签思维的同学来说，展现价值以及访客价值利用率更高了。

举个栗子，如果最近你要搬家，在某宝看行李打包带，那么你可能被平台分类为“搬家”这个标签。如果再细一点，“打包带”也可能为一个标签。

那么在你的Feeds中就有可能呈现出既有打包带，也有纸箱、胶带、打包绳等这样搬家常用的物品进行推荐，是不是很人性化？可能就在这些推荐内容中发现一些自己也没想到但能好用的东西。

像这样根据消费者的浏览记录和购买习惯来制定个性化服务，通过对这些信息进行分析来给消费人群贴上标签，从而达到实现把产品精准推荐给消费者的目标。精简的信息能够及时满足消费群体的需求，帮助消费者快速找到感兴趣的内容，由此带来了极好的用户体验。 

2.千人千面的机制是推荐式的：一种基于C端消费者行为轨迹（比如用户在页面的浏览和点击行为）和途径反映的购物意图进行匹配推荐，如上面所举的“看行李打包带”的栗子；

第二种：基于B端店铺（即商家），进行在后台设置的店铺人群画像（即在后台设置一些选项，告诉平台他的目标用户是谁），平台进行智能匹配推荐的。C端和B端的信息相互依存才构成了现在完整的Feeds“千人千面”推荐机制。

这个时候，交互设计师能够做些什么事？

1.将信息流的卡片进行结构化和组件化。卡片信息即用来表达用户的标签信息的。定义好最整体的框架，以及各种信息缺失情况下的展示方式。稍安勿躁，如下图，往下翻，在本文下一节进行详细讲解。 

2.将用户人群进行分层，然后和卡片信息进行匹配。用户人群分层，有多种维度。最常用的是将用户分为新客和老客，偶尔会有准新客、僵尸用户、流失用户3个层级的添加。但作为不同的产品、店铺，甚至是在不同的地点，对新老客的定义都不一样。

比方说在杭州某小区旁边的奶茶店，老客可以定义为“方圆3公里以内一个月内在本店下过单的人”，新客可以定义为“方圆3公里以内从未在本店下单的用户”。

如果这家店在各大外卖平台上提供外卖功能，那么对老客人群标签为“3公里以内”“下过单”，那么对老用户可以采用折扣的形式，比方说老用户下单88折等优惠信息进行吸引；新客的标签为“3公里以内”、“未下过单”，那么对新用户可以采用尝鲜的方式，比方“新客1元尝鲜价”等方式进行吸引。

这样对用户人群的分层决定了我们的信息是否准确以及有效。如果将新客定义为“方圆1公里以内从未在本店下单的用户”，可能因距离太近而失去对稍远一点顾客的覆盖。

在工作中，这样的人群定义一般是和产品经理、运营一起商议进行决定的。

二、利益点的透出

利益点，即能够影响C端用户做决策的因素，这些因素对用户来说都是有利的。这些利益点主要包括如下两个方面。

1. 商品信息：满减信息（比方说满200减20、88VIP9.5折），促销信息（比方说61狂欢）、订单量、用户评价、排行榜等。如下图中各种标签 

2. 商户信息：品牌标签（比方说品牌、优质商家等）。商户信息的透出，对追求品牌的用户来说是个有利的促进因素。如下图中商户的“品牌”标签。 

光有这样的利益点也还不够，设计师需要做的就是将这些信息进行表达，怎样表达？设计方案将卡片进行结构化和组件化。什么是结构化和组件化？如之前的图（某平台的商品卡片结构） 

同一个卡片，保持相同的位置出现的内容性质相同，即结构化。如上图商品媒体展示区，展示商品的信息，可以是图片、视频、直播等等多媒体的展示。

组件化是指，卡片信息可以不必全部完整，可以只支持其中的某些信息进行展示即可，没有的可以进行隐藏。比方说满减信息，如果商品暂时不打折，那这一块就没有信息，可以进行隐藏。如下图

三、兴趣点的试探

当用户一直在浏览迟迟不行动时，原因可能是没看到自己感兴趣的内容，那么策略可以再转换一下。范围由小到大可以分为如下三个层次。

1. 尝试推荐同类商品的不同品牌。用品牌尝试效果，如下图。

在同类商品中还可以尝试榜单或者清单的方式进行进一步的促进。两者都代表着品质和认可。

2.尝试推荐不同类别的商品。

为保持用户在信息流中所看到的信息更丰富，可尝试在信息流中除了推荐商户标签词的内容，还会穿插一些其他内容的信息。

比方说你是个爱美达人，但同时也可能是个音乐爱好者，那么当在化妆品的信息流中，推荐一些当季新款耳机是不是很有吸引力。

再或者你是个钢铁直男，喜欢体育，同时也喜欢玩游戏，那在你的feed中同时出现这两样商品是不是一件很开心的事情？

3.相似内容的推荐。在浏览过程中，可根据用户的浏览行为进行相似词的推荐，如下图。相似词的推荐又分为2种，一种是直接推词，另一种是根据用户的点击行为进行推荐内容，都能起到扩展内容的作用。如下图。

总结来说，要提高Feeds的转化率，逻辑如下。

1.做好信息的展示和匹配。将卡片结构化和组件化，并做好用户分层进行利益点的匹配。

2.根据用户的行为进行实时内容推荐的变化。

往期精彩文章

《设计师怎么着手需求分析》

《既然已经有了iOS、Android规范了，为什么我们还是要整理规范》

《交互设计知识体系》
《To B设计怎样提高设计师的价值》

Sophia的玲珑阁，大厂体验设计师，人人都是产品经理专栏作家、简书互联网优秀作者，分享实用的互联网设计技巧和职场经验。

Powered by Froala Editor