在通過大數(shù)據(jù)促進(jìn)銷售額提升的過程中，商品推薦功能成了強(qiáng)有力的引擎。亞馬遜貨代采用的商品推薦算法被稱為“協(xié)同過濾技術(shù)”，該技術(shù)可以針對(duì)每一位顧客的購買行為進(jìn)行預(yù)測(cè)。這樣描述或許有些難以理解，不如舉個(gè)例子進(jìn)行說明。購買過這件商品的顧客也會(huì)購買那件商品，凡是在亞馬遜網(wǎng)站上買過東西的人，都不會(huì)對(duì)這項(xiàng)服務(wù)感到陌生，這項(xiàng)服務(wù)就是通過協(xié)同過濾技術(shù)實(shí)現(xiàn)的。

下面，我們一起來詳細(xì)了解一下這個(gè)幫助亞馬遜貨代大幅提升銷售額的利器。作為亞馬遜商品推薦算法的協(xié)同過濾技術(shù)在營銷領(lǐng)域被稱為“細(xì)分”，在統(tǒng)計(jì)學(xué)中被稱為“分類”?？傊?，其實(shí)質(zhì)都是將相似的東西集結(jié)成組并進(jìn)行歸類，也就是詳細(xì)地劃分類別。亞馬遜使用的協(xié)同過濾技術(shù)分為兩類，一類是對(duì)顧客進(jìn)行細(xì)分，另一類是對(duì)商品進(jìn)行細(xì)分。

其關(guān)鍵在于把某一位顧客的搜索、購買數(shù)據(jù)與其他用戶的搜索、購買數(shù)據(jù)進(jìn)行對(duì)比，分析其購買模式、用戶屬性的相似程度及所購買商品的共性，再結(jié)合各個(gè)顧客的購買歷史，從而得出“購買這件商品的顧客也會(huì)購買那件商品”這樣的購買建議。這個(gè)過程實(shí)際上就是通過分析每一位顧客的行為記錄、檢索記錄等大數(shù)據(jù)，向顧客推薦商品的過程。在此基礎(chǔ)上進(jìn)一步精益求精的話，就會(huì)演變?yōu)楸緯啻翁岬降摹?.1人細(xì)分單位”。

實(shí)現(xiàn)這些功能的前提是一個(gè)假設(shè)：顧客甲對(duì)某款商品的評(píng)價(jià)與其他和顧客甲情況相似的顧客對(duì)同款商品的評(píng)價(jià)相似。由此，可以進(jìn)一步推出另外一個(gè)假設(shè)：雖然顧客甲現(xiàn)在并沒有購買該商品，但情況相似的其他顧客都購買了該商品，所以顧客甲一定也希望購買該商品。亞馬遜貨代推薦商品的基本方針就是在無數(shù)的顧客之中找到與當(dāng)前顧客相類似的顧客，將這些類似顧客已經(jīng)購買而當(dāng)前顧客未購買的商品作為推薦商品，呈現(xiàn)給當(dāng)前顧客。實(shí)際上，顧客并不知道其中的內(nèi)情，以為出現(xiàn)在網(wǎng)頁上的推薦商品恰好符合自己的心意而已。

當(dāng)然，推薦商品也有利于提高網(wǎng)站的轉(zhuǎn)化率。亞馬遜收集顧客的行為記錄及其推薦的商品、服務(wù)和內(nèi)容等大數(shù)據(jù)，其范圍之廣、數(shù)量之大實(shí)在是令人驚訝，這也促進(jìn)了亞馬遜貨代推薦準(zhǔn)確度的快速提升。