个性化推荐：电商B2C的高铁

本篇文章2727字，读完约7分钟

国内电子商务市场正处于快速发展和扩张时期，各种电子商务网站和各种商品信息越来越庞杂。在这种情况下，买家确实越来越难在网上轻松找到自己喜欢的东西，最终形成交易。引入完善的个性化推荐机制是电子商务企业优化用户体验、提高点击率和购买转化率的关键。 艾瑞咨询发布的第二季度电子商务市场核心数据显示，2011年第二季度中国网购市场规模达到1792亿，同比增长76.7%。加上前一季度的1700亿元，上半年总规模达到3492亿元，超过2010年4980亿元交易总量的70%。据保守估计，2015年中国的网上购物规模将超过1万亿。 然而，尽管市场规模迅速扩大，电子商务公司却举步维艰。“中国电子商务市场的整体交易量非常大，但电子商务公司基本上处于亏损状态。”艾瑞咨询集团分析师苏表示。就连中国最大的自营b2c商城京东也没有盈利。原因是广告投入、网站建设和维护、客户服务和物流都给电子商务企业带来巨大的成本压力。如何扩大利润水平已经成为b2c电子商务的一个难题。目前，b2c电子商务的主要收入来源是通过扩大销售来增加制造商的回扣或佣金收入。与“赔钱赚钱”的残酷价格战相比，通过改进个性化推荐机制来扩大销售规模，为用户提供差异化的产品和服务，是电子商务公司的长期解决方案。 推荐之王 一本名为《登峰造极》的不受欢迎的书几乎绝版，十年后又因同一主题的另一本书的畅销而再次畅销——克里斯·安德森曾在他的《长尾理论》一书中引用过这样一个例子。由于亚马逊网上书店的推荐，《到达顶峰》可以焕发青春。事实上，数据显示，Amazon.com 35%的销售额来自个性化推荐，60%的销售额间接受到推荐的影响。 亚马逊一直采用第一代基于协同过滤的推荐引擎，专注于用户过去行为的数据分析。这也被认为是其巨大成功的关键。一般来说，其推荐方法包括基于个人和群体浏览记录和交易记录(主要是类似产品)的相关推荐，以及基于用户评论分数和主观要求等个人反馈数据的推荐。同时，亚马逊的主页也是个性化的。当前的畅销产品和促销活动都穿插着为用户推荐的产品，然后在主页上随机排序，这样用户就可以很容易地得到他们想要的各种产品信息。 目前，凭借其良好的推荐机制，亚马逊在线用户从访问到购买的转化率达到16.5%。然而，亚马逊的推荐模式仍然存在一些不足——毕竟，协同过滤过于注重对用户过去数据的分析，不足以解释用户当前的行为。例如，我昨天买了一本小说，那么我今天再买一本的可能性有多大呢？或者，如果我昨天买了一把吉他，下次我来的时候，我应该在目录中向我推荐关于音乐理论的教材吗？ 事实上，由于人们的思维方式，很多跨类别的产品都有一定的内在联系，它们的推荐效果往往比同类产品更好——毕竟，用户下次来的时候很少会买书或乐器。我们总是根据自己的需求和爱好形成独特的消费习惯和倾向，但这些习惯和倾向往往是潜意识的。数据显示，只有16%的消费者在访问亚马逊时确切知道他们想买什么。亚马逊的推荐机制对目标明确的访问者有很强的效果，如果你想充分挖掘剩余84%人口的购买潜力，你可能需要一种新的“实时、智能的个性化推荐技术”。 百分点的困惑[h/]在国外，电子商务三巨头亚马逊、斯台普斯和网飞已经广泛应用个性化推荐技术，而国内大型b2c电子商务网站淘宝商城、当当网、JD.com和柯凡等仍处于试点阶段，尚未形成一个有效的系统为不同用户生成个性化推荐。在浏览这些网站时，笔者发现这一概念主要是为了推广各种受欢迎的产品，即遵守所谓的28年法则，专注于推广20%的产品，可能带来80%的销售额，而尚未形成真正的个性化推荐模式。 目前，国内电子商务网站的转换率也很低，一般只有0.5个百分点左右，最高的是淘宝，可以达到7.89个百分点，但与亚马逊的数据相比还是小巫见大巫。原因是国内电子商务市场正处于快速扩张时期，各种电子商务网站和各种商品信息越来越庞杂。在这种情况下，买家真的越来越难在网上找到自己喜欢的东西，最终形成交易。加大个性化推荐机制的投入和探索，已成为电子商务优化用户体验、提高点击率和购买转化率的迫切任务。 然而，对于中小型电子商务企业来说，制作自己的个性化推荐引擎的成本显然太高，因此他们应该积极寻求与第三方技术公司的合作。目前，中国第一家致力于个性化推荐引擎的成熟研究公司是百分科技有限公司..百分点为电子商务企业提供了从流量获取和流量转换到商业智能分析的全面准确的营销平台。该平台通过挖掘和计算多家电网站的用户行为数据、网站数据和商品数据，为客户提供实时的个性化购物体验，提高转化率和交叉销售能力。目前，公司拥有20多个付费客户，包括知名的电子商务公司如麦宝宝、Huha.com和李宁商城。 问题是个性化推荐算法涉及到很多领域，如大规模数据挖掘、心理学、语言和网络分析、并行计算和人工智能等。作为一家第三方科技公司，从电子商务中可以获得的用户关键数据仍然非常有限，目前只能提出一些广泛的建议。在浏览水果皮网络时，笔者发现百分点主要提供两种推荐方法:一种是基于商品浏览记录的关联，另一种是基于商品购买记录的关联。对于小型垂直电子商务网站来说，这种推荐可能有很大的参考价值，但对于淘宝、京东等大型综合性b2c商城来说，这种推荐完全是基于用户过于零散的浏览交易数据，当然不能准确地对不同消费者的偏好进行分类和分析，更不用说在消费者之间建立各种关联规则了。毕竟，该软件不能像人脑一样智能地分析各种交易数据和现象背后的规律和意义，除非它直接处理与用户相关的更直观的个人数据，如sns中用户提供的个人数据、私人邮箱中经常涉及的信息、社区论坛中的演讲和活动等。 因此，我们能否与电子商务和用户达成协议，获取更多的秘密和关键数据，能否将平台扩展到除电子商务以外的网站，如sns、社区论坛等，获得更多的个人信息，这些都以百分点来决定推荐引擎的未来发展前景。 涓涓细流汇成一条河 个性化推荐引擎除了深入挖掘用户数据和个人信息外，如果真的能发挥其才能，还需要电子商务企业利用其大平台优势，不断满足消费者对商品的差异化需求。例如，网飞向用户提供大量传统音像出租店难以收集的非流行视频，并根据付费用户的口味偏好提供个性化推荐服务，成为全球最大的在线视频租赁提供商。 Chris Anderson在长尾理论中指出，需求疲软或销量不佳的产品的市场份额(长尾)可以与少数热销产品的市场份额(短头)相比，甚至更大。对于电子商务来说，个性化推荐引擎可以让他们抓住“长尾”的手。它将为互联网上的每个用户建立差异化的产品安排，灵活推荐更符合用户偏好的产品，最大限度地发挥其潜在需求，从而大大提高电子商务网站从点击浏览到购买的转化率，发挥真正的“导购”作用。