LifeMBA：[網路行銷]許多說XXX讚的人也喜歡這—推薦系統

不知道大家有沒有發現在Facebook首頁右上角的粉絲專頁推薦，多出了新的型態，除了原始一般的粉絲頁推薦之外(如上圖中批踢踢粉絲團的推薦)，新的型態是除了推薦粉絲頁之外，還告訴你”許多說XXX讚的也喜歡這”，事實上這兩種都是屬於推薦系統(Recommender)，推薦系統的邏輯很簡單，就是「既然你喜歡XXX，那麼你應該也會喜歡OOO吧」，因此就把OOO推薦給你




運用推薦系統最有名的案例，就是Amazon，當你在Amazon買了一本「暮光之城」的時候，系統可能會同時推薦你買「暮光之城：蝕 電影配樂」，並且告訴你有53%的人也同時買了這張電影配樂，另外有27%的人同時也買了「迷霧之子」，藉此吸引你買下更多的產品。今天我們已經可以在很多購物網站看到類似的系統，無非是希望你在買下一個產品的同時，告訴你「嘿! 再多帶一個這個吧!我想你也會喜歡的」


為什麼推薦系統會知道我會對哪些產品也有興趣?事實上推薦系統主要由兩大主體構成，一個是龐大的資料庫，另一個則是複雜的演算法。建立資料庫是第一個步驟，Amazon紀錄每個會員的購買行為、偏好、人口變數、經濟能力等等，並且將這些紀錄予以量化，接著透過演算法，來找出「很類似的消費者群」或者是「關聯度很高的產品」，舉例來說，有某一群消費者很喜歡Lady Gaga也愛喝某個牌子的啤酒，當系統發現你買了Lady Gaga的專輯之後，便會順帶推銷你某個牌子的啤酒；或者是系統發現「第一次簡報就上手」這本書跟某幾款襯衫常常一起被銷售出去，那麼當你買了「第一次簡報就上手」這本書時，系統也會問你要不要順便帶走襯衫?


一般來講，對於推薦系統普遍存在幾種不同的看法，有些人認為推薦系統可以促成產品銷售的多樣性，讓原本不會被消費者注意到的商品藉由推薦系統被銷售出去，但也有些人認為推薦系統只會使那些原本賣得很好的商品賣得更好，冷門的東西則變得更加冷門，雖然我們現在沒有資料可以顯示推薦系統的成效，但可以確定的是，社群網路勢必可以幫助推薦系統更加進化，消費者個人的行為與習慣可以經由分析朋友的資訊而勾勒得更加完整，也更能夠精確的預測，而這正是Facebook在做的事


下次你在網路上購物的時候，不妨多注意不同網站的推薦系統，留意自己會不會因為推薦系統的推薦而多買了其他商品或是多看它一眼呢?