首先，通過用戶群的細分，我們發現，交易關系買家通過搜索支付訂單轉化率是搜索整體支付訂單轉化率的2倍。因此,在搜索結果中增加老買 家標簽,方便找到老賣家。

此外，我們還發現，普通會員、1-2星會員等級,是提升交易關系交易的關鍵用戶。

通過以上的數據分析，我們找到了目前主要的一些問題，圍繞著這些問題，后續做了優化方案。

設計中數據幫你判斷思路

因為設計師的個人經驗不同，創造性思維不同，因此不同的設計師面對同一個問題，解決方案也很可能差別較大，即便是同一個設計師也會想到不同的解決方案，到底哪個方案更合適，有些情況下數據可以給你參考意見，為你提供“判斷思路”，協助你做決策；條條大路通羅馬，但是哪一條路才是當前最合適的呢？

通過一個具體的例子看看如何利用數據來判斷思路？有一個批發類的電商網站（1688.com）的頻道首頁（ye.1688.com），我們發現用戶的轉化率很低，就去研究了數據，然后結合了對典型用戶做的用戶訪談的結論，最后發現轉化率低的原因其實很簡單，這個頻道的首頁入口主要是來源于整個網站的首頁，而整個網站的首頁是一個全行業品類的頁面，用戶如果是女裝行業的買家，她從一個全品類的首頁點擊一個鏈接進入另一個全品類的頁面，再艱難的找到女裝這個類目，再點擊進入List頁面查看商品，這個路徑是非常深的，那么怎么解決這個問題呢？那就是要避免做女裝的用戶從網站首頁進入這個頻道之后還要再次選擇女裝類目，才能看到女裝的商品！

解決這個問題的思路有哪些？可以在網站首頁增加入口，讓用戶直接點擊女裝類目進入頻道首頁，給用戶展示女裝商品；可以在用戶進入頻道首頁之后，根據行業偏好的個性化數據來推薦商品，推薦的不準確，用戶也可以去定制；到底哪個更靠譜？兩個思路各有利弊，鑒于前一個思路需要有外部依賴，要改動網站首頁，所以我們內心都很期望后一個思路能跑通，但是怎么知道這個思路行不行？首先我們需要知道行業的個性化推薦能覆蓋多大的人群，又有多少的人愿意去定制行業偏好？

對于普通的網站來說這個可能是一個不夠明確的問題，但是1688.com是一個會員用戶早就過億的B類電商網站，有著如此龐大的用戶規模，較高的用戶覆蓋率，這就意味著對用戶行為數據的積累，再者B類的用戶有一個顯著地特征就是在一個較長的時間里，行業的偏好相對比較穩定，如果是一個主營女裝的買家，那么她的偏好一般會以女裝為主，不會超出服裝的范圍，最多會有少量的服裝周邊配套的采購。

如上圖，通過行業偏好的個性化算法，我們追蹤了一段時間來訪這個頻道首頁（ye.1688.com）的用戶數據，我們發現大約2/3的用戶是有著非常明確的行業偏好的，那么這基本可以斷定做行業偏好的個性化推薦是靠譜的！但是剩下的1/3用戶愿意去定制行業偏好嗎？我們當時因為時間原因，無法直接從這1/3無明確偏好的用戶中去判斷他們是否愿意定制偏好，但是通過整個用戶群的問卷抽樣調查發現，大約3成的用戶表示定制行業偏好是很好的服務，基于這些情況，我們判定基于行業偏好的個性化推薦能夠解決絕大部分用戶的行業偏好問題，提升了內容的相關性。這個方案最終上線后，實際上有大約10%的人真正找到定制入口并且產生了定制行為，70%的人不用定制，實現了默認的精準推薦。