大数据时代案例：亚马逊推荐系统机制

案例：亚马逊推荐系统机制

推荐机制作为成熟的技术用到网站的各个方面，譬如内容网站推荐机制可以为用户作个性化的网页内容定制，电商网站可以为用户作商品推荐，客户中心、柜面可以利用推荐机制为用户提供个性化服务。电商网站被大家提得最多的商品推荐要属Amazon。

一个好的推荐系统，对于电子商务网站来说：1、提高用户体验，好的个性化推荐，更好的向顾客展示商品以提高转换率。2、发现顾客的潜在需求，提高客单价。电商商务的先驱－亚马逊号称推荐系统提高了其30%的销售。

但一个好的推荐系统地建立不是一挥而就的，就像一个好的“导购员”，需要不断的进行经验积累、需要参加多种培训，以提高销售技能一样。需要不断的迭代、优化，不仅需要从算法上、计算效率上提高，现在更多加入了许多数据分析师日常工作中发现的规律，（例如：通过顾客的人口统计学对顾客进行了细分，在细分好的基础上，再利用推荐系统的相关算法，可有效的提高系统的准确性。）建立一个类似于专家库，把这些知识结合进入推荐系统中。

推荐形式包括三种：1）针对用户的浏览、搜索等行为所做的相关推荐；2）根据购物车或物品收藏所做的相似物品推荐；3）根据历史会员购买行为记录，利用推荐机制做EDM或会员营销。前面2种表现形式是大家可以在网站上看到，而第3种表现形式只有体验后才能知晓，一封邮件，一条短信，一条站内消息都是它的表现方式。

对于非登录用户，亚马逊中国在网站首页和类目栏，会根据各个类目畅销品的情况做相应的推荐，其主要表现形式为排行榜。搜索浏览页面以及具体的产品页面的推荐形式的有关联推荐（“经常一起购买的商品”）和基于人群偏好的相似性推荐（“购买此物品的顾客也购买了”、“看过此商品的顾客购买的其他商品”）。对于登录用户，亚马逊中国则给出了完全不同的推荐方式，网站会根据用户的历史浏览记录在登入界面首屏展现出一个今日推荐的栏目，紧接着是最近一次浏览商品的记录和根据该物品所给的产品推荐（“根据浏览推荐给我的商品”、“浏览XX产品的用户会买XX的概率”），值得注意的是，每个页面最下方网站都会根据用户的浏览行为做响应推荐，如果没有浏览记录则会推荐“系统畅销品”。

亚马逊总裁杰夫·贝佐斯曾说过这样一句话：“如果我的网站有一百万个顾客，我就应该有一百万个商店”。这或许就是推荐的极致，而这样一个系统必定是以用户为中心的，有记忆、进化功能的。个性化是一个永无止境的进程，它的效用可以被无穷放大。对于电商网站而言，如果推荐的页面上全是用户喜欢的物品，连Size、颜色、付款方式、物流等细节都给处理好了，或许就是对用户最好的“个性化”。作者張文升介绍：

上海蓝草企业管理咨询有限公司首席研究员

北京维沃联合品牌设计顾问有限公司总经理

多家知名企业特聘高级管理顾问

国内著名实战型营销专家，品牌建设专家

中国“百名培训师评选”特邀讲师

天津财经大学客座教授

《企业观察家》《世界文化》等杂志特约专栏作者

营销新理论“迎销理论”创立者

专著《迎销－大数据时代的营销出路》南开大学出版社

1991年南开大学硕士毕业，1985年—1993年，在南开大学任教，后进入企业界长期服务于国际国内著名企业集团和上市公司如可口可乐有限公司、华润集团、上海罗莱家用纺织品有限公司（中国家纺领军企业，上市公司）担任高级管理职务。

进入培训教育行业，作为资深培训讲师，在企业内训课、公开课、CEO总裁班等百余家企业和大学课堂讲授战略管理、营销管理、品牌管理等领域专业课程，结合自身的企业实践和理论研究，开发的具有知识产权的一系列新营销课程收到企业和广大学员的欢迎和热烈反馈。

采用情景式教学法，运用相关的角色模拟和案例分析诠释授课内容，理论与实战并举，侧重实战，结合视听教材，帮助学员在理论基础与实践应用方面全面提升。广大的学员认为授课风格为：幽默风趣、条理清晰、实战、理论联系实际。