Amazon.cn 為用戶呈現個性化首頁，大家怎麼看？

12-31

亞馬遜全球所有的網站首頁展示的都是根據用戶之前購買習慣而為他們推薦的產品。出發點是為用戶提供更具個性化的頁面。這樣的風格在中國是否符合消費者的習慣，希望多聽大家的意見！

這一模式在http://Amazon.com已經取得了巨大的成功，甚至可以說已經成為電子商務網站的模板，很難想像移植到http://Amazon.cn會帶來如此多的懷疑。

大概看了看，懷疑這一模式的理由主要有：

1. http://Amazon.cn的推薦效果不好，或者靠演算法做推薦本來就不靠譜；

2. 購物目標不明確時這種設置反而讓用戶迷惑，找不到閑逛的入口；

3. 對不常來購物的用戶很難說有多大用處。

我想主要從以下幾個方面找原因：

1. http://Amazon.com是其用戶最主要的購物入口，而http://Amazon.cn不是。這在用戶體驗上會帶來很大的差別。比如，在美國，即使不常購物的用戶，只要打算購物，就會去http://Amazon.com收集目標商品的相關信息，這個過程有時會延續好幾天，http://Amazon.com可以有效地利用較早的訪問記錄為後續的訪問做推薦。這種情況在http://Amazon.cn發生的可能性非常低，所以首頁推薦的意義也就大大降低了。

成為主要購物入口還有另一個優勢：一方面，用戶訪問購物入口的頻率本來就比較高，另一方面，其他網站大多也是照著購物入口的樣式做的，所以用戶對購物入口網站的目錄結構會非常熟悉，就不會有找不到閑逛入口的困惑。比如在http://Amazon.com，二級菜單有個best books目錄，很容易找到。但對於http://amazon.cn，即使提供了閑逛入口，如何讓用戶很容易地找到它也會是個問題（而且現在好像真的沒有這樣一個入口）。

2. 關於推薦效果，聽說http://amazon.cn現在採用http://Amazon.com的平台，不知道推薦演算法方面能在多大程度上受益。但需要注意，推薦效果不僅取決於演算法，還取決於用戶性息以及商品種類的豐富性。顯然，系統對用戶了解越多，收集到用戶的信息越多，推薦效果會越好，在這方面，http://amazon.cn顯然和作為購物入口的http://amazon.com不可同日而語。另一方面，即便系統對用戶非常了解，但是網站根本就沒有能滿足用戶需求的商品，系統也還是沒法給出令用戶滿意的推薦結果，巧婦難為無米之炊，這就體現了商品種類豐富性的重要性。在這方面，http://amazon.cn顯然也遠難望http://amazon.com項背。

3. 至於靠演算法做推薦是否靠譜的問題，http://Amazon.com已經給出了很好的答案，不知道為什麼還有這麼多人懷疑。對於電子商務網站，推薦主要滿足用戶兩方面的需要：

a) 相似商品搜索：這是一個即時需求，當用戶查看某個商品時，想和類似商品作比較，通過關鍵詞搜索顯然很難描述用戶的搜索目標，推薦演算法則相對較好地解決了這個問題。

b) 促銷：結合用戶的興趣愛好和當前場景，向用戶促銷他可能感興趣的商品。首頁推薦和電子郵件推薦就屬此類。這種應用的確會出現keso或者陳鎮波所說的一些問題，但既然是促銷，準確程度應該就不是那麼重要了吧？在SNS讓朋友推薦當然是不錯的方法，但朋友如果真能包打天下，就直接讓現實生後中的朋友推薦好了，還有SNS什麼事？

卓越亞馬遜的個性化推薦，對我還是比較有用的，但對一個購物次數不多的用戶，用處有多大，值得懷疑。

另外，由於推薦的準確度不是很高，經常需要用戶介入，也帶來一些困擾。比如我買過《哈利波特》，但並不是為自己買的，如果經常根據《哈利波特》來給我推薦其他書籍，就很繁瑣。而且，有多少用戶會經過多次點擊後，告訴卓越亞馬遜，以後不要依據此書做推薦？再比如，我買過一本有關美國股市歷史的書，就會經常被推薦一些股票操作的書，其實都不是我想要的。

我支持個性化首頁，不過也要根據情況而定，如果用戶極少購買個性化推薦的產品，那麼就應該調整。

謝謝金美女的邀請，已經有好多非常棒的回答了，我從中也學到了很多東西呢！

Amazon的數據化運營做得非常棒，這是個性化首頁的技術基礎。每個亞馬遜的消費者，在登錄網站首頁時，購物之旅就已經變得個性化——亞馬遜或許會給女性消費者推薦正在打折的雅斯蘭黛精華露，而給男性用戶推薦蘋果的iPhone4。根據每個消費行為數據，亞馬遜的後台會自動匹配其可能感興趣的商品，呈現不一樣的首頁。

在個性化首頁上以及消費者將商品裝入購物車後，亞馬遜還會給每個消費者推薦他/她可能感興趣的商品，這也是數據化運營的結果，這也讓亞馬遜賣出了更多的東西。

互聯網的消費將是個性化的消費，而互聯網正在以個人為中心向著去中心化發展。亞馬遜因為數據化運營，同時也是一家互聯網消費數據公司。

我覺得這個問題，使勁退到最後，就是個不停做實驗的事，不停優化下去。

在沒做出複雜的推薦策略之前，基於用戶數據，先對用戶以購買行為為基點進行有意義的多維度劃分，例如起碼劃分出不用推薦，就直接灌輸的一群，這部分就硬來了，呈現什麼就是你這個店的形象。然後為推薦無效的另一端，在例如圖書信息信息源性質的用戶，採集他們信息，賦予高權重。後者的甄別挺難的。這部分就是劃分出無效的推薦來。

常規用戶，這是推薦發揮效果的地方，這裡慢慢試驗吧，http://amazon.com他們做的好就在他們UGC做的好，這部分會自然粘住用戶，我其實極端質疑數據挖掘的有效性，或者說通過數據挖掘來白描購買群體心理，並影響購買決策的有效性。

在做出推薦策略之後，就更難了，不停的試驗找最優解吧，可惜啊，這個想都能想到，是不完全信息的混合策略的XX 均衡（？？？忘記是博弈論裡面哪個了，反正就是解不穩定，做實務的話，很容易滑落成不是求真，而是給領導個合理但無意義的答案），前兩天還跟一個朋友說，大家做數據挖掘，想演算法，其實不如去關注關注行為/試驗經濟學的一些有意思結論，肯定比低頭想方便。

另外一個解決的方法，就是上面第二段說到的，在信息源（這是最難的事）上逆向的推，這樣有點上帝的感覺，把各個程度的人的偏好大體估摸出來（這是可以做到的），然後在離他需求不遠的地方，放上購買理由。

這篇里其實也寫到了知乎的潛在的最根本的問題了，等我隨後全部想清楚了先，起碼現在看，知乎隨著進來人平均水平的穩步下滑，逆淘汰會越來越嚴重，最終還可能擠走真正的信息源。

————我重新開個問題，把這些轉走

首先有個前提：如果1個B2C網站的頁面內容長久內容不更新，是很難激發起用戶興趣的。

再者，個性化首頁推薦只是一種形式，是基於用戶的瀏覽行為和下單記錄等多維度計算出的「最佳匹配」。但是，再怎麼牛B的演算法，再多的用戶行為數據積累，也不能避免顧客的瞬時需求變更（比如中途看到一個BANNER促銷啊，或者新的想法啊），達到轉化率的提高。「我在選書本的時候突然看到一個衣服促銷廣告，恰好我喜歡那個衣服，就點進去了」，這個行為怎麼講？「啤酒+尿布」是一個經典的案例，但是這畢竟也是少數啊。

所以，用戶個性化首頁與商品自動推薦，其實核心的作用應該是拉近與顧客的距離，降低首頁跳出率，從而有繼續逛甚至下單的可能。真正要提升客戶體驗，還可以考慮加入商品運營的部分。亞馬遜N年前的郵件營銷管理，就是根據你採購的產品類別，以及這個產品的屬性與生命周期，推薦給你相關的升級產品或者相關產品，並輔以活動的形式，來提升轉化率與買家粘連度。比如：「我之前買了一本《初生嬰兒注意事項》，結果6個月以後，我的郵箱裡面收到亞馬遜的促銷廣告 --- 圖書特價7折《如何讓6個月嬰兒更聰明》，所以我就毫不猶豫去買了「基於亞馬遜強大的CRM系統，這個成為了提升2次購買率與忠誠度的利器。

另外，上述行動雖然有提升用戶體驗的作用，但是別忘了，一個網站的基礎建設是最重要的。對於新用戶，沒有數據積累，怎麼留住他們？新用戶來到網站以後，如果能很快知道：「這裡是賣什麼的，我該怎麼找，我能快速找到么？「那就需要良好的網站導航，清晰的類目架構，以及合理的關鍵詞匹配結果了。這點對於老用戶來說，也尤為重要。

所以，個人認為，用戶對網站的體驗可以分為：

1.良好的網站導航與類目結構 + 2.相對精準的商品推薦 + 3.CRM商品運營 + 4.各類型促銷形式的嵌入；如果只想強化某一點，就能提升網站的轉化率和訂單量，其實是不現實的。

精確投放廣告的營銷方式將來會漸漸成為主流，而它的背後需要巨大的數據沉澱和優秀的數據演算法來支持。

FACEBOOK是我看到的目前在這塊做得最好的一家公司之一，相信憑藉著他本身的用戶基數以及數據量，他很快就會把精準投放廣告的市場給做起來。畢竟不是每個男人都喜歡在看足球體育節目之前看一長串的歐萊雅美白潤膚露廣告……如果是梅西C羅代言的某款運動鞋廣告，會更好一些……

這是一件挺有價值的事情，但能不能做好還取決於數據挖掘能力。

當然，我現在看準確率一般，可能和我用amazon次數不夠多的緣故有關吧，呵呵。當然，我買書目前只用http://amazon.cn，還沒用過噹噹呢。

想法很好，但做得還不夠，雖然是業界頂尖的。

人能夠在瞬間接收非常龐大的信息，這些信息根據各種不同的維度進行處理並輸出一個結果，但計算機現在做不到。Amazon的演算法，大部分是加法：你看了什麼，買了什麼，就給你推薦類似的產品。但這是不夠的，能做到下面兩點，可能會好一些：

1、做減法，至少不要再推薦我已經買過的書，或者是哪些我多次登錄但毫不理會的書；

2、優化產品的分類方式，維度儘可能多一些（當然，這樣計算量就很大，而且會給演算法帶來很大的麻煩），我買一本書的原因可能有很多，可惜你很難知道到底是為什麼。

Amazon負責這事兒的人現在是我們公司的同事了。誰給他個邀請碼回答這個問題？dq2007@gmail.com

我記得10年前,互聯網剛興起的時候就有人研究如何通過機器演算法推送用戶信息的演算法，其方式和亞馬遜採用的一樣，無非是對用戶數據的深度挖掘（瀏覽行為、性別、年齡........)，然後匹配用戶感興趣的廣告，這就是所謂的精確廣告投放的概念。

Amazon的給用戶推薦商品的推薦演算法給用戶推薦其本質事實上和10年前試圖做的精確廣告投放本質是一樣，無論想給用戶推送的是商品也好，廣告也好，新聞內容也好，微博也好，其本質都是信息。

要解決的本質問題都是一致，如何將信息（商品、廣告、新聞、微博、圖片....)有效的傳播到需要的用戶那去？

這一切都看起來很美，但遺憾的是10年後這仍然未成功。

亞馬遜事實上在挑戰互聯網行業的最大課題：如何有效的將信息傳播到最需要的用戶處？

這裡有一個邏輯：

如果亞馬遜能夠推送商品成功，那他還可以用這個演算法給我們推送其他信息（合適的新聞，我們最想看到的朋友動態、令我們龍心大悅的匹配廣告。。。）只靠這個演算法，他也將是互聯網的王者。

但可惜這一切都不會成功。用戶的訴求和心理很微妙，很多時候你自己都不知道自己的訴求，前1分鐘你想吃肯德基，後1分鐘你可能放棄這個想法，如keso說的我買了本股票的書，不代表我就得接受機器推送的其他股票書籍。

近來隨著facebook和微博新產品的發展，讓我們慢慢看清楚這2個產品形態其本質並不只是一個「社交網路" 這麼簡單，fb和tw設計的產品形態通過加為好友和關注模式，為你建立了一個人肉過濾網，這個過濾網由於有你的熟人和你感興趣的人存在，他們的品味和喜歡，他們的分享和轉發行為，為你構建了一層有效的過濾網。這個過濾網讓你隔絕於於信息噪音外，得到的都是比較有效的信號。

我們會慢慢看到「人肉演算法」強於機器演算法。人肉過濾網勝過機器演算法給你的「精心」安排和推送。

目前看fb tw這種產品形態是最好的處理信號/噪音比的方式。

結論：讓我們忘記機器演算法，機器演算法必敗，如果前10年的探索還不夠，再花10年還是不會有成效，我們需要改變解決問題的思路用 fb和tw這種人肉演算法過濾信息中的噪音。

亞馬遜也得也必須考慮「人肉過濾網」而非geek於自己精心的機器演算法。這裡提醒一下豆瓣的同學也是如此，不要痴迷於自己的演算法了。

Amazon的數據挖掘團隊我想是業界一流的，他們肯定是從收益最大化的角度來處理這個問題的，收益最大化基本上就等於用戶滿意。

亞馬孫的搜索智力讓我難以想像，我已經購買過拖把了，還是給我推薦拖把，我已經購買過教材了，還是給我推薦拖把。很多東西都可以使用很長一段時間，為何要重複推薦呢？我買了會計的教材，可以推出我是商學院的學生，能否給我推薦一些商學的入門暢銷書呢，比如《人性的弱點》等等。或者給我推薦蚊帳，零食也可以接受呀。

感謝邀請。

我用 http://amazon.cn 不多，不過根據http://amazon.com的經驗，我對這種個性化首頁一直缺乏興趣。主要是常年買書形成了自己的一套判斷原則，對「推薦」這個形式沒有什麼期待，我連人的推薦都很少信任，更別說機器推薦了。

我認為如果這個頁面效果不好，他們會換掉。既然沒換掉，那肯定比千篇一律的首頁效果好。

這個可以有，前提是自身數據挖掘能力強大，能夠把握消費者的習慣和興趣點。我也希望知乎能了解我的興趣點，給我推薦我感興趣的問答！

這個需要是一個開方的定製界面，完全靠演算法，國內數據架構和底層就不夠~

系統對接需要選擇和本土化~

還有就是一個佈道的過程~

說說自己的感受，如果是沒有目的的購物，那麼這種通過我購買的東西推薦給我的方式，給我造成了部分困擾，因為都是我買過的同類型的東西，可是卓越上好像沒有隨便逛逛之類的頁面（我沒有找到，可能眼神不好）。由此想法源於我的一次退貨，因為是信用卡付款，所以卓越將退款打入了禮品卡中，這樣我就必須要2次消費（這點有點操蛋）。於是我就想開始尋找一些這些錢能夠買的一些東西，我要在每個大分類下面的小分類中尋找，來回的翻閱目錄很繁瑣。我就想如果有個按鈕能夠告訴我，這些錢能買到什麼？然後在推薦給我，那樣體驗肯定不錯。

推薦演算法最大的弊端就是會重複推薦用戶瀏覽過的書籍或者類似的書籍，可能這些書籍已經被用戶過濾，購買了相關書籍之後不會考慮類似的書籍，這些都是演算法上需要優化的。

但其實推薦演算法最大的優勢就是能夠幫用戶發現那些用戶原來不知道的，但確實是用戶感興趣的好書。比如對我來說，只要幾次的訪問下來能夠幫我發現這樣的一本書，那推薦演算法對我就是有價值的。

NO1、購買行為的確定

人們在購買一本書，會經過幾個思考階段？

若是瀏覽過的書，沒有定購，這個說明了什麼潛在的問題呢？

NO2、以用戶吸引用戶

為何不從小範圍開始，把會讀書的，懂書的人用戶，先激活起來

NO3、用戶最終的需求，是把圖書信息統一管理起來

當你家中，有，1個大書架，29口袋的書時，就迫切需要[是特指圖書管理系統]

私家需求，僅供參考

留名