推荐引擎是亚马逊、Netflix 等公司的强大工具。专栏作家丹尼尔·法格拉深入探讨了推荐引擎的优势，并解释了营销人员为何应该关注它。
Netflix 丰富的电影和电视剧推荐列表是打造个性化用户体验的绝佳范例。事实上，据该公司称，用户观看的内容中约有 70% 是个性化推荐。
走到今天这一步并不容易，改进推荐系统也是一个持续的过程。Netflix 已经花费了十多年时间来开发和完善其推荐系统。
2006年，Netflix设立了“Netflix Prize”奖项，旨在寻找能够改进其原有算法的机器学习专家。一个算法科学家团队的算法性能比公司原有算法提升了10%——你或许会觉得这个百分比微不足道，但这足以让公司相信未来会有巨大的改进。该团队的努力为他们赢得了1万美元的奖金。
推荐引擎可以利用基于大数据分析的深入知识，帮助营销人员和组织提高根据用户过去的在线活动或行为量身定制推荐的可能性。
在本文中，我将探讨企业如何通过有效利用个性化和推荐功能来提高投资回报率。基于我们公司对数十个推荐引擎应用案例的分析，我将推荐引擎的潜在商业效益归纳为三大类。
使用后不断改进（正反馈循环）
Netflix Prize 的目标是提高会员留存率——换句话说，就是让其服务在长期内更具“粘性”。但该公司并非寻求一次性的改进。
推荐引擎的愿景是构建一个自我改进的系统，在拥有足够多的数据流后，该系统能够随着时间的推移更好地满足用户需求。正如 Netflix 的 Carlos Gomez-Uribe 和 Neil Hunt 在一篇已发表的论文（PDF）中所解释的那样：
如果我们通过提供更好的个性化推荐来创造更具吸引力的服务，就能促使那些还在犹豫不决的会员留下来更长时间，从而提高会员留存率。
通过提供一份可能吸引会员的内容列表，Netflix 进行了极其细致的分类，从而缩小了点播视频流媒体选项的范围。而通过衡量观看量和用户流失率的趋势，该公司能够每天不断优化这些结果。
除了增加新用户外，公司要想维持收入增长，还必须留住现有用户。换句话说，用户流失率越低，月收入就越高。
Netflix 给用户留下的时间非常有限，他们只有很短的时间浏览应用程序并选择视频；据该公司称，用户在浏览大约 20 个影片后 60 到 90 秒就会失去兴趣。
Gomez-Uribe 和 Hunt 表示，通过应用更先进的推荐系统和个性化的用户体验，他们每年可以节省 1 亿美元的服务取消费用。
从 Netflix 的收入数据可以看出，2017 年第二季度，该公司同比增长 32.3%，这主要得益于上一季度新增 5.2 万订阅用户，使其现有用户数达到 99 万。
随着用于训练算法的数据越来越多（即：每天与 Netflix 平台互动的活跃用户越来越多），Netflix 拥有了更快地改进现有用户服务的优势。人工智能投资人、北极星合伙公司 (Polaris Partners) 的加里·斯沃特 (Gary Swart) 认为，这种“赢家通吃”的动态正是“边用边改进”如此重要的原因之一。
有哪个网站能像谷歌一样解答你的疑问？恐怕没有。谷歌拥有庞大的市场份额，而且很可能在数据量更少的情况下，比任何竞争对手都更快地改进。有哪个在线购物平台能比亚马逊推荐更相关的产品？恐怕也没有。
你应该明白我的意思了：所有细分领域的推荐引擎都有可能创造同样极端的差异化。
提高购物车价值（利润）
亚马逊第二季度营收高达37.9亿美元，继续保持其在在线零售领域的统治地位。其于1998年推出的商品协同过滤算法，能够根据产品线和主题领域为顾客提供推荐。该系统会将顾客已购买和评价的商品与其列表中类似的商品进行匹配，并将匹配的商品纳入推荐列表。
虽然有些网站只在客户旅程的某个环节提供推荐（例如，网站结账页面上的“相关商品”列表），但亚马逊已将许多推荐“入口点”整合到其在线体验中，以最大限度地提高购物车价值。
例如，用户可以点击“您的推荐”链接，显示一个包含可能感兴趣的分类产品的页面；或者，他们可以参考包含与之前浏览过的产品类似的商品的部分。
用户还可以在“经常一起购买”专区查看捆绑商品，亚马逊可以通过这种方式降低一起购买商品的运费。如果没有这家在线零售商分析的数十亿个数据点（从购买历史记录到购物车遗弃记录），这一切都无法实现。
麦肯锡估计，亚马逊上35%的消费者购买行为源于产品推荐，但这家电商巨头从未公布过自己的相关数据。2016年，亚马逊免费提供了名为DSSTNE（发音为“destiny”）的开源人工智能（AI）框架，以鼓励人工智能应用程序的开发。
另一家电商巨头阿里巴巴集团通过其天猫和淘宝平台继续主导着中国的电商市场。商家不仅根据顾客过去的交易记录，还会根据他们的浏览历史、产品反馈、收藏夹、地理位置和其他线上行为数据，向他们推荐产品。
该公司利用人工智能技术向没有交易记录的新用户提供产品推荐。阿里巴巴商户服务事业部数据技术总监胡伟在一份声明中解释说，该技术可以接收用户在其他地方的购买记录数据，并利用这些数据来匹配用户商品库中的商品。
在2016年中国“双十一”购物节期间，阿里巴巴利用人工智能技术，在消费者的个性化页面上展示产品推荐。参与活动的商家根据目标客户的数据定制了店铺页面。阿里巴巴告诉《亚洲零售内幕》，此次活动共生成了6.7亿个个性化购物页面，转化率提升了20%。
提升用户参与度和满意度（留存率）
自 2015 年以来，YouTube 的推荐引擎一直由 Google Brain 提供支持，谷歌认为它是迄今为止最先进的推荐系统之一。
和 Netflix 一样，YouTube 在采用能够搜索不同类型视频内容相似性的算法之前，也进行了大量的实验和重新设计。YouTube 产品管理副总裁 Johanna Wright 告诉 Wired 杂志，公司现在更有信心，他们推荐的视频与观众的观看体验是相关的。
你也可以选择 新加坡产品管理认证 以获得正确的见解。
YouTube 使用的一些数据点包括用户的观看历史、视频上传时间、搜索词和地理位置，以此来决定接下来播放哪个视频。与 Netflix 不同，YouTube 是免费的，完全依靠用户与其内容的互动（以及广告曝光）来盈利，而不是采用订阅付费模式。
YouTube 希望通过推荐来提高用户在网站上的参与度，同时系统会根据历史数据匹配广告。当用户观看广告超过 30 秒，或者点击屏幕上的实体或页面上的广告时，YouTube 就能获得收益。
其母公司 Alphabet 将 YouTube 列为整个 Google 网站平台的一部分，因此没有单独列出收入数据（截至 2017 年 6 月 30 日，Google 的广告总收入超过 220 亿美元）。
另一方面，像 Pandora 和总部位于瑞典的 Spotify 这样的音乐流媒体服务则利用推荐引擎来提升用户参与度和留住用户。这些网络电台公司通过付费订阅计划和非订阅用户的广告来盈利。
Spotify 的“每周发现”功能会根据用户的喜好、收听习惯、喜欢的歌手，甚至是他们使用的功能来推荐歌曲。这得益于协同过滤和自然语言处理技术。参与推荐功能开发的工程经理 Edward Newett 向 Wired 解释道：
通过模仿所有用户在尝试组合自己理想音乐时的行为，我们可以利用 Spotify 的 2 亿个播放列表，针对个人口味，打造出有趣的播放列表。
Pandora的推荐引擎由其所谓的“音乐基因组计划”驱动，该计划包含450个音乐属性。该算法分析数千位艺术家的歌曲，并根据用户的喜好为其在线电台节目进行编程。
借助 Spotify 和 Pandora 的这些功能，听众可以听到他们从未听过但极有可能引起他们兴趣的歌曲，尤其是那些新兴独立音乐人的作品。这既是留住现有订阅用户的一种方式，也让非会员能够通过广告收听更多音乐。
Spotify在其网站上表示，截至2017年7月，其在全球61个国家拥有超过6000万订阅用户和1.4亿活跃用户，用户可从超过3000万首歌曲中进行选择。与此同时，Pandora第二季度的收入为376.8亿美元。
推荐引擎的应用范围并不局限于这些行业。食品、体育甚至时尚行业的企业都在利用人工智能为顾客寻找合适的选择。越来越多的公司正尝试在营销活动中运用这项技术来提高投资回报率。
___
by 丹尼尔·法格拉
来源： 今日营销技术
