职场中：4个有效的项目技巧，助您完成基础沟通，达成业务目标|163

消费者对个性化购物体验感兴趣已经不是什么秘密了，个性化体验的效果也得到了很好的证明，一份报告发现，接受调查的消费者中，49%的人表示，他们在收到个性化推荐后购买了原本不打算购买的产品，40%的人因为个性化购物体验而在购物上花了比计划更多的钱。

但这些数字并不能从任何产品推荐中得到保证，推荐的产品需要针对每个人进行个性化处理才能真正有效，拥有强大的产品推荐策略(由机器学习算法驱动)的零售商，将使自己处于赢得更多客户的地位，但是，最成功的产品推荐的品质是什么呢？这里有四个技巧，你可以用来把你的推荐策略从现状转变成有竞争力的。

1. 整合深入的行为数据

零售商收集了大量关于已知顾客和匿名顾客的数据，所有这些数据都可以组合在一起来表明客户的兴趣和偏好，这些可以用来提供建议，电子商务领导者应该分析数据背后的故事，以确定为什么购物者觉得这些产品有价值或有趣，例如，了解消费者花了多长时间浏览特定的产品、品牌、风格或类别，可以帮助你发现真正的兴趣和购买意图，这个意图驱动的分析层可以帮助创建更有效的产品推荐，允许它们完全个性化到每个人。

以无家公司为例，该公司是全球领先的在线艺术品、古董和收藏品市场，每一位宝贵的客户都有成熟和高度个性化的品味，有些人寻求建立一个跨越几个艺术家或运动的独特作品的亲密的收藏，而其他人则对非常特定的一类作品感兴趣，而且，由于拍品的拍卖速度很快，无价之宝必须在每件拍品售出之前，迅速将客户与相关拍品匹配起来。

要做到这一点，无价不仅关注收藏家对哪些特定物品感兴趣，还关注她对风格、类别、拍卖行、艺术家等的偏好，有了这种理解，它可以实时地选择个性化的推荐，例如，下图显示了对波普艺术表现出强烈兴趣的客户会看到的推荐，但对古董家具和花瓶感兴趣的客户会看到完全不同的体验。

2. 定义并测试您自己的推荐策略

并不是所有的产品推荐都是相同的，您需要从良好的、深入的数据开始，但您还需要正确的算法来选择最能与您的客户群产生强烈共鸣的产品。

一个好的推荐引擎将允许您(即人)对算法如何进行选择进行控制，当您创建自己的算法“配方”时，您首先选择一个告诉机器从哪里开始的基本算法，常见的基本算法包括趋势产品、最近添加的产品、一起购买或浏览的项目，以及一些机器学习算法，如协作过滤，您可以在这本电子书中了解更多，然后，您可以结合过滤器，根据您的业务目标和增强器，包含或排除特定的标准(例如特定类别或价格点)，以突出显示对颜色、品牌、价格点等的特定个人偏好。

将人工元素添加到推荐算法后，测试它们，你可能会发现，对于你的企业来说，购物者并不那么在意产品的颜色，但他们对品牌非常忠诚。在这种情况下，您应该确保您的算法优先考虑基于品牌亲和力的产品，而不是基于颜色亲和力，您可能会发现，热门产品在您的主页上工作得最好，但是联合浏览产品在您的购物车页面上工作得最好。定期测试和迭代是确定的唯一方法。

3.充分利用所有经验中的建议

您有许多不同的营销渠道，以及这些渠道中的许多接触点，您可以在这些接触点上提出建议，例如，您可以在您的主页、产品详细信息页面、类别页面、404页面、购物车等页面上提供产品推荐，更不用说您的网站、移动应用程序、电子邮件活动、付费广告，甚至亲自进行推荐，每一个领域都应该包含一致的建议，以表明对每个人的理解。每个领域的产品推荐都是基于对每个人的真实理解来选择的，以创建一致的体验，无论在哪里查看推荐。

4. 结合社会证明

一项又一项研究表明，消费者最信任朋友和家人的推荐；换句话说，他们重视社会证明。在模拟这些实际模式时，您的建议将更加有效，一旦你确定你为每个人推荐的产品都是最相关的，那就提高一个档次，用标记鼓励他们采取行动，例如，向购物者表明某些推荐的商品在过去一小时内被数百名其他购物者浏览过，可以表明其他人对此感兴趣。