我們的美國(guó)同行很早就發(fā)現(xiàn)，超市的尿片邊上放上啤酒，能提升銷量。因?yàn)樵诿绹?guó)，負(fù)責(zé)買尿片的是爸爸，他們被差遣到超市購(gòu)物時(shí)，都會(huì)順手捎回幾瓶啤酒。

那么在電商網(wǎng)站上，顧客買尿片時(shí)，你應(yīng)該推薦什么呢?

這就要靠個(gè)性化推薦技術(shù)。它的一個(gè)基本思想是：通過(guò)所有顧客在網(wǎng)站上的歷史數(shù)據(jù)，使用“群體的智慧”來(lái)推測(cè)顧客還喜歡什么產(chǎn)品。

目前有兩大思路：

1.基于用戶的推薦

這是基于顧客的相似性，就是某個(gè)顧客和哪群人更相似?把這群人買的推薦給他。

業(yè)內(nèi)現(xiàn)在最常使用的一個(gè)熱門技術(shù)，就是基于用戶的協(xié)同過(guò)濾。名字很高深，但是背后的道理非常簡(jiǎn)單：人以群分。經(jīng)常買同樣商品的人，也有相似的偏好。

比如，顧客甲買過(guò)《比爾·蓋茨傳》，乙買過(guò)《喬布斯傳》。通過(guò)數(shù)據(jù)看到，甲和乙都買過(guò)不少同樣的書，判斷他們的偏好比較相近，稱甲和乙這兩個(gè)顧客比較“相似”，可以把乙買的《喬布斯傳》推薦給甲。

基于用戶協(xié)同過(guò)濾的一個(gè)著名零售網(wǎng)站是CDNOW。這是一個(gè)音樂(lè)專輯的零售網(wǎng)站，網(wǎng)站有一個(gè)個(gè)性化推薦模塊：MyCDNOW。MyCDNOW其實(shí)是一個(gè)個(gè)性化的商店，每個(gè)人的MyCDNOW里面展示的都是他們喜歡的專輯。

這個(gè)個(gè)性化系統(tǒng)正體現(xiàn)了亞馬遜創(chuàng)始人杰夫 · 貝佐斯的話：“如果我有1百萬(wàn)給顧客，我就應(yīng)該有1百萬(wàn)個(gè)商店。”CDNOW根據(jù)消費(fèi)者評(píng)分的數(shù)據(jù)進(jìn)行推薦，網(wǎng)站知道用戶A買了什么專輯，以及對(duì)專輯的打分。根據(jù)這些數(shù)據(jù)，CDNOW用協(xié)同過(guò)濾去尋找用戶A的鄰居。然后，把鄰居喜歡的但是A還沒買的專輯展示在A的MyCDNOW頁(yè)面上。

而Baynote應(yīng)用協(xié)同過(guò)濾的技術(shù)，幫助網(wǎng)站解決問(wèn)題。Baynote開發(fā)了“群體智慧平臺(tái)”，幫助網(wǎng)站提高消費(fèi)者點(diǎn)擊率以及購(gòu)買轉(zhuǎn)換率。它的解決方案是：把顧客和與他們相似的人聯(lián)系起來(lái)，讓一個(gè)群體內(nèi)的成員來(lái)做“導(dǎo)購(gòu)”。

2.基于產(chǎn)品的推薦

這個(gè)思路主要是判斷哪些產(chǎn)品之間更加相關(guān)。如果在網(wǎng)站的記錄中，很多用戶都同時(shí)擁有iPhone和配件，那么這兩個(gè)商品就比較相關(guān)。

再如，很多顧客的購(gòu)買記錄里都有《比爾·蓋茨傳》和《喬布斯傳》這兩本書，可以推測(cè)這兩本書比較相關(guān)，有比較高的“關(guān)聯(lián)性”。如果發(fā)現(xiàn)新來(lái)的顧客丙買了其中一本，我們也可以向丙推薦另一本。

如果買了產(chǎn)品A的人從來(lái)不買產(chǎn)品B，買產(chǎn)品B的人也不會(huì)買產(chǎn)品A，那么這兩個(gè)商品距離很遠(yuǎn)，關(guān)聯(lián)度比較低。

這種關(guān)聯(lián)的好處在于，對(duì)于大型零售網(wǎng)站來(lái)說(shuō)，他們的用戶數(shù)量遠(yuǎn)遠(yuǎn)大于產(chǎn)品的數(shù)量，算用戶之間誰(shuí)更相似可能要算1000萬(wàn)次，但是算產(chǎn)品之間算10萬(wàn)次就可以了。

有趣的是，現(xiàn)在不少零售網(wǎng)站把基于產(chǎn)品的推薦方法和其他的技術(shù)混合應(yīng)用，取得了很好的效果。最熱門的混合應(yīng)用就是將推薦和社會(huì)網(wǎng)絡(luò)結(jié)合起來(lái)。移動(dòng)應(yīng)用服務(wù)公司Goodrec最近把社會(huì)網(wǎng)絡(luò)加入個(gè)性化推薦系統(tǒng)，主要是借助于顧客的朋友、家人的評(píng)分信息來(lái)進(jìn)行產(chǎn)品推薦。它讓顧客的朋友和家人做“導(dǎo)購(gòu)”，把他們買的產(chǎn)品推薦給顧客。比如你的朋友最近買了一本書，他對(duì)這本書的評(píng)價(jià)不錯(cuò)，Goodrec就把這本書推薦給你。Goodrec還可以幫助顧客選購(gòu)禮物，你最近經(jīng)?？匆恍㎝P3，你的朋友會(huì)收到推薦：“如果你想送禮物給他的話，送個(gè)MP3吧”。

個(gè)性化推薦技術(shù)能獲得顧客的忠誠(chéng)。零售網(wǎng)站為顧客提供了有價(jià)值的購(gòu)物體驗(yàn)，對(duì)于顧客來(lái)說(shuō)，他們購(gòu)物過(guò)程更有效率了，也不需要為看一些無(wú)關(guān)的商品煩心。隨著顧客訪問(wèn)網(wǎng)站次數(shù)的增加，我們對(duì)他的偏好也預(yù)測(cè)得越準(zhǔn)確，從而給顧客帶來(lái)更高的價(jià)值。

未來(lái)，個(gè)性化電子商務(wù)將會(huì)因?yàn)樯缃幻襟w和移動(dòng)互聯(lián)網(wǎng)而變得更加精準(zhǔn)。比如在SNS和微博上，你無(wú)需離開Facebook等社交網(wǎng)站的頁(yè)面就可以下單購(gòu)買商品。更重要的是，社交網(wǎng)站上的用戶網(wǎng)絡(luò)、訪問(wèn)歷史和購(gòu)物歷史為個(gè)性化商品推薦提供了更加豐富的數(shù)據(jù)。

未來(lái)的零售網(wǎng)站可能在你登錄的時(shí)候，開始與你對(duì)話：“今天你的心情好像不太好，你剛看了一篇‘如何減輕工作壓力’的文章，我們有一些相關(guān)的書，要不要看一下?”