推荐位布局设计：首页/详情页/购物车该怎么放

摘要：推荐位设计的三个决策是：放在哪个页面、推荐什么内容、占多少注意力。首页承接弱意图做探索，详情页辅助决策做同类与搭配，购物车做连带成交，搜索结果页要谨慎混排；每个推荐位都要有位级指标，并用蚕食度量确认它带来的是增量而不是流量搬家。

推荐系统的算法讨论很多，但决定实际收益的往往是更朴素的问题：推荐位放在哪里、展示什么、占多大地方。同一个算法，放在购物车页做连带推荐可能显著增量，放在搜索结果页首位混排则可能直接破坏相关性。本文按页面逐个拆解推荐位设计：每个位置的用户意图是什么、适合什么类型的推荐、数量上限在哪里、用什么指标验收，最后给出跨推荐位的流量配比与蚕食度量方法。

关键要点

推荐位的第一原则是匹配页面意图：用户带着什么目的来到这个页面，推荐就补什么信息。
首页推荐是弱意图探索场：品类推荐与人气商品为主，点击率天然偏低，不要用详情页的指标去考它。
详情页推荐做决策辅助：相似商品帮比价，搭配商品帮凑单，两类分开呈现，不混排。
购物车推荐是转化率最高的位置之一：低决策成本的连带商品 + 库存紧张提示，收益直接。
搜索结果页慎放推荐位：意图明确时混排伤害相关性信任；零结果与宽泛词才适合补位。
每个推荐位单独记账，并用"跨入口转化"确认增量——总转化上涨而跨入口转化不动，多半是流量搬家。

一、推荐位的三个决策

设计一个推荐位，先回答三个问题。

放在哪。 判断依据是页面意图与用户状态：这个页面上用户在想什么、卡在哪、缺什么信息。推荐位应该出现在"用户有需求但页面信息不足"的缝隙里。

推什么。 内容类型要跟随页面意图：探索型位置推品类与人气，决策型位置推同类与替代，成交型位置推连带与补货。类型放错，算法再好也救不回来。

占多少。 推荐位过大会挤掉主内容，过小又没有曝光。常用的约束是"推荐位不得把页面主任务的完成路径挤出首屏"，并给每个推荐位设数量上限，避免页面变成推荐拼盘。

三个决策共同的原则是：推荐位是对页面主任务的补充，不是竞争者。判断竞争与否要看数据：加入推荐位后，页面主转化指标是升是降。

二、首页：弱意图的探索场

首页用户目标模糊，推荐位的任务是激发兴趣，而不是精确命中。

推荐什么： 品类导航式推荐（按用户兴趣排序的品类入口）、人气与新品精选、基于历史行为的"继续浏览"。这里适合放"宽而稳"的内容——个性化品类排序比单品推荐更适合首页，因为单品命中概率低，品类入口即便不点也有导航价值。

放多大： 首屏给品牌与主行动，推荐模块放首屏下方或首屏右侧的次要区域。用详情页的点击率标准考核首页推荐是常见误判——意图越弱，推荐点击率越低，各位置应有自己的基线。

验收指标： 首页推荐模块点击率、从推荐进入后的深度（是否继续浏览到商品页）、首页跳出率变化。

三、详情页：决策辅助

详情页用户意图明确（正在评估这件商品），推荐位做的是辅助决策。

相似/同类推荐：帮助比价与比较，回应"还有没有别的选择"。放在详情页中下部。注意排序要考虑相似度的底线——把不相关的爆款混进相似位，短期点击好看，长期用户会学会忽略这个模块。

搭配推荐：回应"还缺什么"，连带购买的主战场（买手机壳推钢化膜）。搭配逻辑要符合真实使用场景，纯按毛利排搭配会很快被用户识破。

凑单与换购：面向已决策的用户推低决策成本的小件。这个位置对客单价的提升直接而稳定。

验收指标： 各模块点击率、加购率、连带成交率，以及详情页主转化率是否因推荐位而受损——推荐模块过多的详情页，常见症状是主商品加购率下降。

四、购物车与结算页：临门一脚

购物车页的用户已表达明确购买意向，是推荐转化率最高的位置。

推荐什么： 低决策成本的连带商品（耗材、配件、常与购物车内商品同购的品类）、凑单商品（针对满减门槛）、以及库存与优惠提示（"购物车内某商品库存紧张"）。推荐内容要与购物车内商品强相关——此处的相关性要求高于任何位置，用户对"购物车页推无关商品"的容忍度极低。

放多大： 一到两个模块，位于结算按钮下方或侧栏。绝不能把结算按钮挤到需要滚动寻找的位置——Baymard Institute 对结算流程的研究反复验证，结算路径上的每一点摩擦都会被放弃率放大。

验收指标： 推荐位加购率、连带成交率、购物车到支付的转化率变化（必须确认推荐位没有拖慢结算）。

五、搜索结果页：谨慎混排

搜索页是意图最强的页面，推荐位在这里要极其克制。

明确查询时：结果相关性就是一切，推荐位混排进结果列表会直接破坏"查什么出什么"的信任。要放也只放在结果列表下方或侧栏的独立区域，视觉上与主结果明确区隔。

零结果与宽泛词时：这是搜索页适合推荐补位的场景——查不到时给相关品类推荐、热销补位，把"白来一趟"变成"顺便看看"。零结果补位是搜索与推荐协同的典型接缝，站内此前的零结果优化专题给出了具体的补位策略。

验收指标： 补位模块的点击率与挽回成交率，以及主结果首位点击率是否受影响。

六、流量配比与蚕食度量

多个推荐位并存后，真正的问题是：它们带来的到底是增量，还是互相搬流量。

配比上，给每个推荐位设初始曝光权重，再按位级收益动态调整：点击率与转化贡献双高的位置加配额，双低的降配额或下线。Netflix 的推荐架构实践把在线计算的场景化决策作为核心能力，同一个思路落在运营侧就是：推荐内容的分配要根据实时场景动态调整，而不是静态铺满。

度量上，除了各推荐位的点击与转化，必须看跨入口指标：用户从 A 位进入、最终在 B 位或主路径成交的比例。判断增量的方法在站内搜索推荐协同专题中已展开：总转化上涨而跨入口转化不动，多数只是流量在入口间重新分配；跨入口转化上升，才说明各位置在互相导流。另一个实用信号是"人均浏览深度"——增量型推荐位会拉深浏览，蚕食型的只会改变点击的入口分布。

七、常见误区

页面推荐位越铺越多：每个位都有一点收益，叠加起来主路径转化持续下滑，总账反而亏损。设总量上限。
所有位置用同一套策略：算法统一输出、位置只是换皮，忽视页面意图差异，弱位置拖垮强位置。
只考核点击率：点击率高不等于贡献大，凑单位置的点击天然高、金额天然小，要按位设指标组合。
忽视蚕食：新增推荐位后总转化涨了就宣布成功，实际是把自然成交归了功。上蚕食度量。

常见问题

问：首页推荐位应该推单品还是推品类？

答：以品类与场景为主，单品为辅。首页用户意图弱，单品命中率低，品类入口即使用户不点击也承担导航价值；单品精选适合作为补充模块展示人气与新品。用详情页推荐位的点击率基线去要求首页推荐，是常见的误判来源。

问：详情页的相似商品和搭配商品可以混在一个模块里吗？

答：不建议。两类内容的用户任务不同——相似商品服务比价与替代决策，搭配商品服务连带购买，混排会让"想比价"的用户被搭配品干扰。分开两个模块、分开命名（"看了又看""搭配购买"），各自的点击与转化也才能分开归因。

问：购物车页放推荐位会不会影响结算转化？

答：取决于位置与内容。推荐模块放在结算主按钮下方或侧栏、内容强相关、模块数量控制在一到两个时，通常带来连带成交且不伤结算；把结算按钮挤出首屏、或推无关商品引流出购物车，就会直接拖累支付转化。上线前后盯"购物车到支付转化率"这个主指标。

问：搜索结果页里的推荐位怎么放才不伤体验？

答：明确查询时不混排进结果列表，只放在列表下方或侧栏的独立区域；零结果与宽泛查询时开放补位，给相关品类与热销推荐。判断标准是主结果的相关性信任不受损——首位点击率与改词率回升，就说明补位策略需要收紧。

问：推荐位数量有没有经验上限？

答：按页面主任务的重要性反向设置：详情页主任务是评估主商品，推荐模块以两到三个为宜；购物车页一到两个；首页可以多一些，但单屏不超过一个主推荐模块。经验法则：新增一个推荐位前，先确认现有位级的收益曲线没有掉头向下。

问：怎么判断新增的推荐位是真增量还是抢了别处的流量？

答：看三组数据：位级指标（点击、加购、成交）、页面主任务指标（主转化是否受损）、跨入口指标（推荐位与主路径之间的互相导流比例）。总转化上涨但跨入口转化持平，多数是流量搬家；跨入口转化上升且主任务指标不降，才是可归因的增量。

关于通智云

通智搜索面向本文描述的推荐与搜索场景，提供分场景的召回与排序能力，支持零结果补位、购物车连带与跨入口行为回流，推荐位策略可按位置分别配置与验收。通智云（TENGENCE）是 AI 时代的企业增长引擎，专注公域引流获客与私域转化成交；核心产品为通智 GEO（GEO + SEO 双引擎）与通智搜索。

数据来源

Netflix TechBlog《System Architectures for Personalization and Recommendation》：离线、近线与在线三层架构的划分，在线层支持按场景实时调整推荐分配。
Baymard Institute《Checkout Usability》研究专题：结算路径摩擦与放弃率的系统性研究，支撑购物车推荐位的位置约束。
Nielsen Norman Group《Conversion Rates: How to Measure and Improve》：转化效果须按细分位置与行为路径分别解读的方法论依据。

立即行动

免费试用通智云 | 免费预约专家咨询和诊断 | 了解通智搜索