专业成就职业

大家好，我是策略产品夏师傅。

最近，很多读者朋友在咨询训练营的时候会问一个问题：诸如搜索，推荐，大多数的场景下都是面向C端的流量分发，那么B端能不能做搜索推荐策略呢?我之前是做B端产品经理能不能转去做搜索推荐策略产品经理呢?

其实，理解这个问题的核心在于如何理解C和B。

我们都知道搜索，推荐这种策略型产品的核心本质在于提高“匹配效率”，所以无论什么场景下只要涉及到这种目标的场景都可以用搜，推策略来进行满足。

也就是虽然看起来你是做B端的，很多人做的也是工具类的产品，但是实际上有很多地方在做的事情其实就是提高你们产品目标用户的效率。

今天我给大家讲一个美团的案例来说明这个问题。

在很多O2O平台，经常会有一些面向商家端的工具平台。比如我们之前做的一个面向小B的选品系统，其实就是一个面向商家门店的进货工具。

虽然是面向小B的场景，但是，很明显这里的每一个小B就是一个C。

为什么?

我们先看传统门店商家进货的方式是什么?

大多数的门店商家根据自己的经验，门店销售情况估计，和对后续市场的猜测等来记录下接下来要进的货品，然后到了进货平台一个一个的去搜。

很明显，这么做有几个缺点。

1. 主观判断的不准确性，尤其对于一些”年轻“店铺，无论是对于行情的预测，还是对于用户需求的判断。

2. 经验的时间窗受限，也就是我们最多也就只能记住上个月，或者近几个月的一部分品类的销售情况，但是再久的话完全凭印象了。

显然基于这些的推测结果，最终这些商家门店拟定的进货商品大部分也是“凭感觉”，那么，一定会导致进货效率低。这里的效率既包含了准确找到进货商品的效率，也包括了每一次进货的商业效率。

那么我们该如何去优化这个问题?

我前面说明既然涉及到了效率的优化，那我们就可以用搜，推的思路，很明显这里比较适合用“个性化推荐”的方式去做。

所以，我们后来就在这个场景下做了一个“你的进货单”的场景。

怎么做的?商家在做进货决策的依据实际上包括三类数据

1. 进销存数据。包括不同时间窗口的进货，销售数据和库存情况，包括全平台门店

2. 环境数据。季节，节气，时间等因素，是影响门店销售的一个非常关键的因素。比如520，鲜花品类会热销

3. 用户因素。门店周边，活跃用户数据，画像等，绝大部分情况下会决定一个门店的销售情况

所以，基于上面的数据，最终我们给这些小B做了针对性的进货商品的推荐。

商家的进货效率，库存周转率，销售额都有明显的提升。

虽然，这个工具是一个面向B端的产品，因为当前场景下有提高效率的目标，所以仍然可以用推荐的思路去提升关键指标。

以上，希望能给你带来一些启发。