個性化推薦:電商B2C的高鐵

國內的電子商務市場正處于迅速發展擴張的時期，各類電商網站五花八門，各種商品信息也越來越冗雜亂眼，在這種情況下，要想買家在網上輕松找到自己喜歡的東西并最終形成交易確實愈發困難。而引入完善的個性化推薦機制，是電商企業優化用戶體驗、提升用戶從點擊到購買的轉化率的關鍵所在。

艾瑞咨詢發布的第二季度電子商務市場核心數據顯示，我國網絡購物市場規模2011年第二季度達到了1792億，同比增長76.7%。加上此前第一季度的1700億，上半年的總規模已經高達3492億元，超過了2010年全年交易量4980億的70%。保守估計，2015 年我國網購規模將超過1萬億。

可是，盡管有著急劇擴大的市場規模，電商企業的日子卻不好過。“我國電子商務市場整體的交易量很大，但電子商務企業基本上都處于虧損狀態。”艾瑞咨詢集團分析師蘇會燕說。即便是京東這樣國內最大的自主經營式B2C商城，目前也還未實現盈利。究其原因，廣告投資、網站建設和維護、客服和物流都給電商企業帶來巨大的成本壓力。

怎么擴大盈利水平，成為擺在B2C電商面前的難題。目前，通過擴大銷售額增加廠商返點或傭金收入是B2C電商主要的收入來源。而相比于眼下“賠錢賺吆喝”的殘酷價格戰，通過完善個性化推薦機制為用戶提供差異化的產品和服務才是電商們擴大銷售規模的長遠之計。

推薦之王

一本叫《觸及巔峰》的都快絕版的冷門書，卻在10年之后因另一本同題材書籍的熱銷而再度大賣——克里斯·安德森在其著作《長尾理論》一書中曾引用這樣一個例子。《觸及巔峰》能重新煥發青春首先要歸功于亞馬遜網上書店的關聯推薦。事實上，數據顯示，在亞馬遜網站上有35%的銷售額是來自個性化推薦，有60%的銷售額是間接受到推薦的影響。

亞馬遜一直以來采用的都是依賴于于協同過濾的第一代推薦引擎，專注于對用戶過去行為的數據分析。這也被認為是其能獲得巨大成功的關鍵一環。總的來看，其推薦方式包括基于個人和群體瀏覽記錄、交易記錄的關聯推薦（主要是同類商品），以及基于用戶評論評分和主觀要求等個人反饋數據的推薦。同時亞馬遜的主頁也是個性化的，把當前的熱賣商品和促銷活動與對用戶的推薦商品相互穿插然后隨機排序放在首頁中，讓用戶能輕松獲得各種自己想要的商品信息。

目前，依托其良好的推薦機制，亞馬遜網上用戶從訪問到購買的轉化率達到16.5%。不過，亞馬遜的推薦模式還是存在不足的地方——畢竟，協同過濾太專注于用戶過去的數據分析，而不足以說明用戶當前的行為。比如，我昨天買了本小說，那今天我還有多大可能性再買小說呢？或者我昨天買了一把吉他，那我下次進來的時候是不是應該在圖書目錄里給我推薦關于音樂理論的教材呢？

其實，很多跨品類的商品之間會因為人的思維方式而存在某種內在聯系，而其推薦效果往往會比在同一個品類間的推薦效果要好——畢竟用戶很少下一次進來還買書或樂器。我們總會根據自己的需要和興趣愛好形成特有的消費習慣和傾向，但這種習慣和傾向往往是潛意識的，數據顯示，只有16%的消費者在訪問亞馬遜時很明確知道他想要買什么。亞馬遜的推薦機制對于有明確目的的瀏覽者有很強的效果，而要想充分挖掘于剩下的84%群體的購買潛力，可能就需要新的“實時的、智能的個性化推薦技術”了。

“百分點”的困惑

在國外，電子商務三大巨頭亞馬遜、Staples和Netflix都早已廣泛應用個性化推薦技術，而淘寶商城、當當、京東和凡客等國內較大的B2C電商網站目前都還處于嘗試階段，尚未形成有效系統來針對不同用戶生成個性化的推薦。筆者在瀏覽這些網站時發現，其概念上主要還是對各種熱門產品的促銷方式，即遵從所謂的二八定律，著重在對可能帶來80%銷量的20%產品進行推銷，還并未形成真正屬于個性化推薦的模式。

目前，國內的電商網站轉化率也很低，一般僅為0.5個百分點左右，最高的是淘寶網能達到7.89個百分點，不過對比亞馬遜的數據還是相形見絀。究其原因，國內的電子商務市場正處于迅速擴張的時期，各類電商網站五花八門，各種商品信息也越來越冗雜亂眼，在這種情況下，要想買家在網上輕松找到自己喜歡的東西并最終形成交易確實愈發困難。加大個性化推薦機制的投入和探索，已經成為電商優化用戶體驗、提升用戶從點擊到購買的轉化率迫在眉睫的任務。

然而，對于中小電商企業而言，自己做個性化推薦引擎成本顯然過高，應積極尋求與第三方技術公司的合作。目前，我國第一家比較成熟的致力于個性化推薦引擎研究的是百分點科技有限公司。百分點為電商企業提供一個從流量獲取、流量轉化到商業智能分析的整體精準營銷平臺，該平臺通過挖掘計算多家電商網站的用戶行為數據、網站數據、商品數據，實時地為顧客提供個性化的購物體驗，提升轉化率和交叉銷售能力。目前，該公司擁有付費客戶數20多家，包括麥包包、呼哈網、李寧商城等知名電商。

問題在于，個性化推薦的算法涉及的領域包括大規模數據挖掘、心理學、語言和網絡分析、并行計算和人工智能等多個領域，而作為第三方技術公司，百分點從電商所能得到的用戶關鍵數據畢竟還是太有限，目前也只能做一些較粗放的推薦。筆者在瀏覽果皮網時，發現百分點主要提供了兩種推薦方式：一種是基于商品瀏覽記錄的關聯，一種是基于商品購買記錄的關聯——對于小型垂直類的電商網站這種推薦或許有較大的參考價值，但是對于淘寶、京東等大型綜合類的B2C商城，完全以用戶太過于碎片化的瀏覽交易數據為基礎，肯定無法準確歸類分析不同消費者的偏好，更不用說在消費者之間建立各種關聯規則了。軟件畢竟無法完全像人腦一樣智能分析各種交易數據和現象背后的規律和意義，除非是直接處理與用戶相關的更直觀的個人數據，比如SNS里用戶提供的個人資料、私人郵箱里常涉及的信息以及社區論壇的發言和活動等等。

所以，能否與電商和用戶達成協議獲取到更加隱秘關鍵的數據，能否把平臺延伸到個人信息更多的SNS、社區論壇等電子商務之外的網站上，決定了百分點的推薦引擎在未來的發展前景。

涓涓細流 匯聚成河

除了對用戶數據和個人信息的深挖，個性化推薦引擎要想真正得以大展身手，還需要電商企業能利用其大平臺優勢不斷滿足消費者對商品的差異化需求。比如，Netflix為用戶提供了大量傳統音像租賃店難以收集的非熱門影片，并根據付費用戶的口味偏好提供個性化推薦服務，一躍成為了世界上最大的在線影片租賃提供商。

克里斯·安德森在長尾理論中這樣闡述到：需求不旺或銷量不佳的產品共同占據的市場份額（長尾）可以和那些數量不多的熱賣品所占據的市場份額（短頭）相匹敵甚至更大。對于電商而言，個性化推薦引擎就是能讓它們抓住這條“長尾”的手，它將為每一位用戶在網上構建差異化的商品排列，靈活地推薦更符合用戶偏好的商品并最大化挖掘其潛在需求，從而大大提高電子商務網站由點擊瀏覽到購買的轉化率，發揮真正的“導購”作用。