1. 首頁
  2. 金融/投資/銀行/保險/財會

火爆投資電商網站的投資專案新方向

火爆投資電商網站的熱門投資專案新方向

目前有兩大思路:

1.基於使用者的推薦

這是基於顧客的相似性,就是某個顧客和哪群人更相似?把這群人買的推薦給他。

業內現在最常使用的一個熱門技術,就是基於使用者的協同過濾。名字很高深,但是背後的道理非常簡單:人以群分。經常買同樣商品的人,也有相似的偏好。

比如,顧客甲買過《比爾·蓋茨傳》,乙買過《喬布斯傳》。透過資料看到,甲和乙都買過不少同樣的書,判斷他們的偏好比較相近,稱甲和乙這兩個顧客比較“相似”,可以把乙買的《喬布斯傳》推薦給甲。

基於使用者協同過濾的一個著名零售網站是CDNOW。這是一個音樂專輯的零售網站,網站有一個個性化推薦模組:MyCDNOW。MyCDNOW其實是一個個性化的商店,每個人的MyCDNOW裡面展示的都是他們喜歡的專輯。

這個個性化系統正體現了亞馬遜創始人傑夫 · 貝佐斯的話:“如果我有1百萬給顧客,我就應該有1百萬個商店。”CDNOW根據消費者評分的資料進行推薦,網站知道使用者A買了什麼專輯,以及對專輯的打分。根據這些資料,CDNOW用協同過濾去尋找使用者A的鄰居。然後,把鄰居喜歡的但是A還沒買的專輯展示在A的MyCDNOW頁面上。

而Baynote應用協同過濾的技術,幫助網站解決問題。Baynote開發了“群體智慧平臺”,幫助網站提高消費者點選率以及購買轉換率。它的解決方案是:把顧客和與他們相似的人聯絡起來,讓一個群體內的成員來做“導購”。

2.基於產品的推薦

這個思路主要是判斷哪些產品之間更加相關。如果在網站的記錄中,很多使用者都同時擁有iPhone和配件,那麼這兩個商品就比較相關。

再如,很多顧客的購買記錄裡都有《比爾·蓋茨傳》和《喬布斯傳》這兩本書,可以推測這兩本書比較相關,有比較高的“關聯性”。如果發現新來的顧客丙買了其中一本,我們也可以向丙推薦另一本。

如果買了產品A的人從來不買產品B,買產品B的人也不會買產品A,那麼這兩個商品距離很遠,關聯度比較低。

這種關聯的好處在於,對於大型零售網站來說,他們的使用者數量遠遠大於產品的數量,算使用者之間誰更相似可能要算1000萬次,但是算產品之間算10萬次就可以了。

有趣的是,現在不少零售網站把基於產品的推薦方法和其他的技術混合應用,取得了很好的效果。最熱門的混合應用就是將推薦和社會網路結合起來。移動應用服務公司Goodrec最近把社會網路加入個性化推薦系統,主要是藉助於顧客的朋友、家人的評分資訊來進行產品推薦。它讓顧客的朋友和家人做“導購”,把他們買的產品推薦給顧客。比如你的朋友最近買了一本書,他對這本書的`評價不錯,Goodrec就把這本書推薦給你。Goodrec還可以幫助顧客選購禮物,你最近經常看一些MP3,你的朋友會收到推薦:“如果你想送禮物給他的話,送個MP3吧”。

個性化推薦技術能獲得顧客的忠誠。零售網站為顧客提供了有價值的購物體驗,對於顧客來說,他們購物過程更有效率了,也不需要為看一些無關的商品煩心。隨著顧客訪問網站次數的增加,我們對他的偏好也預測得越準確,從而給顧客帶來更高的價值。

未來,個性化電子商務將會因為社交媒體和移動網際網路而變得更加精準。比如在SNS和微博上,你無需離開Facebook等社交網站的頁面就可以下單購買商品。更重要的是,社交網站上的使用者網路、訪問歷史和購物歷史為個性化商品推薦提供了更加豐富的資料。

未來的零售網站可能在你登入的時候,開始與你對話:“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,我們有一些相關的書,要不要看一下?”