艾瑞咨询发布的第二季度电子商务市场核心数据显示，我国网络购物市场规模2011年第二季度达到了1792亿，同比增长76.7%。加上此前第一季度的1700亿，上半年的总规模已经高达3492亿元，超过了2010年全年交易量4980亿的70%。保守估计，2015 年我国网购规模将超过1万亿。

可是，尽管有着急剧扩大的市场规模，电商企业的日子却不好过。“我国电子商务市场整体的交易量很大，但电子商务企业基本上都处于亏损状态。”艾瑞咨询集团分析师苏会燕说。即便是京东这样国内最大的自主经营式B2C商城，目前也还未实现盈利。究其原因，广告投资、网站建设和维护、客服和物流都给电商企业带来巨大的成本压力。

怎么扩大盈利水平，成为摆在B2C电商面前的难题。目前，通过扩大销售额增加厂商返点或佣金收入是B2C电商主要的收入来源。而相比于眼下“赔钱赚吆喝”的残酷价格战，通过完善个性化推荐机制为用户提供差异化的产品和服务才是电商们扩大销售规模的长远之计。

推荐之王

一本叫《触及巅峰》的都快绝版的冷门书，却在10年之后因另一本同题材书籍的热销而再度大卖——克里斯·安德森在其著作《长尾理论》一书中曾引用这样一个例子。《触及巅峰》能重新焕发青春首先要归功于亚马逊网上书店的关联推荐。事实上，数据显示，在亚马逊网站上有35%的销售额是来自个性化推荐，有60%的销售额是间接受到推荐的影响。

亚马逊一直以来采用的都是依赖于于协同过滤的第一代推荐引擎，专注于对用户过去行为的数据分析。这也被认为是其能获得巨大成功的关键一环。总的来看，其推荐方式包括基于个人和群体浏览记录、交易记录的关联推荐（主要是同类商品），以及基于用户评论评分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，把当前的热卖商品和促销活动与对用户的推荐商品相互穿插然后随机排序放在首页中，让用户能轻松获得各种自己想要的商品信息。

目前，依托其良好的推荐机制，亚马逊网上用户从访问到购买的转化率达到16.5%。不过，亚马逊的推荐模式还是存在不足的地方——毕竟，协同过滤太专注于用户过去的数据分析，而不足以说明用户当前的行为。比如，我昨天买了本小说，那今天我还有多大可能性再买小说呢？或者我昨天买了一把吉他，那我下次进来的时候是不是应该在图书目录里给我推荐关于音乐理论的教材呢？

其实，很多跨品类的商品之间会因为人的思维方式而存在某种内在联系，而其推荐效果往往会比在同一个品类间的推荐效果要好——毕竟用户很少下一次进来还买书或乐器。我们总会根据自己的需要和兴趣爱好形成特有的消费习惯和倾向，但这种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很明确知道他想要买什么。亚马逊的推荐机制对于有明确目的的浏览者有很强的效果，而要想充分挖掘于剩下的84%群体的购买潜力，可能就需要新的“实时的、智能的个性化推荐技术”了。

“百分点”的困惑

在国外，电子商务三大巨头亚马逊、Staples和Netflix都早已广泛应用个性化推荐技术，而淘宝商城、当当、京东和凡客等国内较大的B2C电商网站目前都还处于尝试阶段，尚未形成有效系统来针对不同用户生成个性化的推荐。笔者在浏览这些网站时发现，其概念上主要还是对各种热门产品的促销方式，即遵从所谓的二八定律，着重在对可能带来80%销量的20%产品进行推销，还并未形成真正属于个性化推荐的模式。

目前，国内的电商网站转化率也很低，一般仅为0.5个百分点左右，最高的是淘宝网能达到7.89个百分点，不过对比亚马逊的数据还是相形见绌。究其原因，国内的电子商务市场正处于迅速扩张的时期，各类电商网站五花八门，各种商品信息也越来越冗杂乱眼，在这种情况下，要想买家在网上轻松找到自己喜欢的东西并最终形成交易确实愈发困难。加大个性化推荐机制的投入和探索，已经成为电商优化用户体验、提升用户从点击到购买的转化率迫在眉睫的任务。

然而，对于中小电商企业而言，自己做个性化推荐引擎成本显然过高，应积极寻求与第三方技术公司的合作。目前，我国第一家比较成熟的致力于个性化推荐引擎研究的是百分点科技有限公司。百分点为电商企业提供一个从流量获取、流量转化到商业智能分析的整体精准营销平台，该平台通过挖掘计算多家电商网站的用户行为数据、网站数据、商品数据，实时地为顾客提供个性化的购物体验，提升转化率和交叉销售能力。目前，该公司拥有付费客户数20多家，包括麦包包、呼哈网、李宁商城等知名电商。

问题在于，个性化推荐的算法涉及的领域包括大规模数据挖掘、心理学、语言和网络分析、并行计算和人工智能等多个领域，而作为第三方技术公司，百分点从电商所能得到的用户关键数据毕竟还是太有限，目前也只能做一些较粗放的推荐。笔者在浏览果皮网时，发现百分点主要提供了两种推荐方式：一种是基于商品浏览记录的关联，一种是基于商品购买记录的关联——对于小型垂直类的电商网站这种推荐或许有较大的参考价值，但是对于淘宝、京东等大型综合类的B2C商城，完全以用户太过于碎片化的浏览交易数据为基础，肯定无法准确归类分析不同消费者的偏好，更不用说在消费者之间建立各种关联规则了。软件毕竟无法完全像人脑一样智能分析各种交易数据和现象背后的规律和意义，除非是直接处理与用户相关的更直观的个人数据，比如SNS里用户提供的个人资料、私人邮箱里常涉及的信息以及社区论坛的发言和活动等等。

所以，能否与电商和用户达成协议获取到更加隐秘关键的数据，能否把平台延伸到个人信息更多的SNS、社区论坛等电子商务之外的网站上，决定了百分点的推荐引擎在未来的发展前景。

涓涓细流 汇聚成河

除了对用户数据和个人信息的深挖，个性化推荐引擎要想真正得以大展身手，还需要电商企业能利用其大平台优势不断满足消费者对商品的差异化需求。比如，Netflix为用户提供了大量传统音像租赁店难以收集的非热门影片，并根据付费用户的口味偏好提供个性化推荐服务，一跃成为了世界上最大的在线影片租赁提供商。

克里斯·安德森在长尾理论中这样阐述到：需求不旺或销量不佳的产品共同占据的市场份额（长尾）可以和那些数量不多的热卖品所占据的市场份额（短头）相匹敌甚至更大。对于电商而言，个性化推荐引擎就是能让它们抓住这条“长尾”的手，它将为每一位用户在网上构建差异化的商品排列，灵活地推荐更符合用户偏好的商品并最大化挖掘其潜在需求，从而大大提高电子商务网站由点击浏览到购买的转化率，发挥真正的“导购”作用。 [来源：互联网周刊]