哪些烧脑数据决定了你今天看到的京东首页？_大数据资讯

一.京东面临哪些“面子问题”?

京东在首页改版之前，通过大量的用户调查与反馈，对目前京东所呈现的调性及问题进行了分析。通过调查发现，在消费者的感知层面上，3C卖场依旧是对京东的固有观念。然而随着京东的上市，以及业务规模的扩大，全品类的购物体验是京东想要传达的方向。而在业务层面，如何更好的呈现商品，以达到良好的引流效果;如何设计才能提升用户体验，都是这一次京东改版所面临的问题。

带着这些问题，京东于2014年8月1日启动了『全平台购物体验升级项目』

二.京东都做了怎样的市场调查?

调研是改版的第一步，京东此次调研可以说是从里到外，不仅要对用户的需求进行分析，同时还对内部的采销部门收集反馈意见。从而使首页改版，成为整个生态系统优化的一个入口。

通过互联网，京东发放了1万多份调查问卷来收集信息，同时针对北京、上海、深圳的100多名消费者，进行了深度的访谈，对京东的定位，购物体验，以及未来的趋势进行了交流。

通过调研，京东对自身的品牌调性收集到了明确的反馈，专业、亲切、成熟稳重、安全感，是消费者普遍认可的几点属性。同时也发现，时尚、年轻、活力等元素的体现较弱。而这也正是京东此次改版所想要突出的品牌调性之一。

细颗粒度的调查，能够进一步解构用户具体的消费需求，从而在首页改版上得以体现。用户体验如何改进?用好这些数据十分关键。

通过对用户数据的分析发现，用户在上图所显示的几个品类特性，例如品质功效、风格辛苦、换季品牌等等上是驱动购买的主要动力，同时用户更倾向于明确目的的购买。所以针对目标不明确的用户，唤醒其他品类购买欲望成为了改版的目标之一。

三.新首页是如何出炉的?

首页改版经历了几轮的筛选和讨论评估，最终在11份视觉方案稿里，挑选了3个改版方案。在这三个方案里，京东进行了一系列眼动跟踪试验，通过摄像头，采集用户注视页面的时长，以及注视点。试验结果，2号方案胜出。

在完成眼动跟踪试验之后，京东UED团队也对30位用户进行了深度调查，从满意度、各模块的关注度，以及偏好等方面了解了用户对4个版本的喜好和原因。同样，2号的得分也是高的。

四.六大方向完成华丽转身

特别要指出的是，竞争机制的引入，由于京东内部对首页位置的诉求很高，如何更为合理地进行更替，需要有一个良好的替换机制。竞争机制的引入，让数据说话，点击率的高低，跳出率的多少来决定业务的入口是否该被替换，从而形成一种良性的循环。

品牌调性：为了营造亲切、成熟的品牌调性，首页在主色调和整体配色上，进行了细致的调整，首屏的配色较旧版颜色更深，楼层内的配色也采用了淡雅清新的浅色系，在观感上使消费者产生亲切感。

网站架构：在网站架构上，京东进行了不小的改造升级，在逻辑结构上采用了首屏、二屏、楼层、页面底部的排列，在底部位置，为了能够更好的回流，将天天低价与热门晒单等内容放在了最后。而每个楼层之间的显示方式也进行了差异化的排列，在视觉上让用户不疲劳，产生阅读感。

流量分发：与老版更多单品的呈现相比，新版首页减少了单品的坑位，取而代之的是更多的专题活动，并增加场景感的引入，用户在不同的场景中能够激发起更加强烈的购买欲望。

千人千面：本次改版另一个重要的功能，就是千人千面的个性化购物体验，在二屏中的“今日推荐”和“猜你喜欢”是这项功能的主要角色，利用多种召回模型来精确的分析用户的行为习惯，提高用户的决策质量。

“逛的感觉”：在上面这些改动当中，新版想让用户体会到“逛”的感觉。利用广告BI对无目浏览的用户提供猜你喜欢、特色购、特价回访功能，针对用户提供更多活动及频道入口，减少单品的首页露出，加强频道场景化建设和活动页面之间串联。根据品类，进行差异化的楼层设计，这些细致周全的调整，请消费者做好剁手的准备。

五.对症下药效果显著新版首页有“面儿”

经过60多天的灰度测试，京东首页的改版还是效果显著的。日均点击率提升了30%，各项指标也均有所提升。

京东的改版还只是整个生态系统优化的开始，频道页、结算页、购物车等内容都将在未来进行优化。请掏出你的钱包，准备买买买吧。

你知道吗?

1、京东首页，对页面进行了拆分，每个楼层采取异步加载当前楼层数据，同时利用localStorage把数据存储到浏览器本地，在用户回访时，优先从本地取数据，有更新时再次请求后台接口。

2、采用JDC自主研发的前端集成解决方案：JDF;提高开发效率，减少后期产品迭代中的维护成本。

3、应用了大量CSS3动画;对iPad端进行了特殊优化和处理，提升移动端体验。

六.技术控福利：京东是如何实现基于大数据的个性化推荐的?

“千人千面”个性化的体验不只局限在PC端，在移动端上也有很好的体现，而这种多屏交互所产生的数据，京东也将其运用到召回模型中。为了能够让用户感受到这项功能的智能化，京东在多个维度上建立了召回模型

当用户购买了某件商品之后，通过数据挖掘技术，会为用户推荐与之相关的产品或是相似的商品。例如，购买书的用户会推荐同类的书籍，购买手机等电子产品会推荐保护壳等。

基于用户偏好的建模，能够通过用户画像分析出用户的兴趣爱好、性别、职业、购买能力等信息，依据这些信息来进行相应的推荐。

正如之前所提到的多屏捕捉，不管是移动APP，还是微信，多屏所带来的是更加场景化的数据，例如在休息或者碎片时间中往往会通过移动终端进行购买，对这种场景化的数据收集能够进一步的丰富用户模型，使个性化推荐更加准确。

在地域上，同样能够获得许多有用的数据。在京东的数据建模中，将北京划分为多个网格，这样能够很好的知道，像三里屯的用户感兴趣的商品更多为酒类，学校周边更多集中在生活用品上。

除了上述的3种模型，京东还有多种根据数据所构建的模型，而这些模型也并不是各自为战的。基于分析技术，将多个模型融合在一起，才能使总体流量的价值大化。显然，对于效果的优化，没有好只有更好。在多种模型组合的基础上京东还加入了新的推荐排序，在原有的排序学习算法上，将排序问题转化为分类问题，这种调整使得分析结果又够得到了20%的提升。