全球知名的在線影片租賃公司Netflix推薦的電影和電視節(jié)目長清單，是個性化用戶體驗的絕佳例子。該公司稱，用戶觀看的所有內(nèi)容約有70%是個性化推薦的。

要做到這一點并不容易，改進(jìn)其推薦系統(tǒng)是一個持續(xù)的過程。Netflix花了十多年的時間來開發(fā)和完善其推薦系統(tǒng)。

2006年，它推出了Netflix Prize大賽來尋找機(jī)器學(xué)習(xí)方面的專家，希望改進(jìn)以前的算法。一支算法科學(xué)家團(tuán)隊將Netflix的推薦系統(tǒng)Cinematch提升了10%的準(zhǔn)確率——你可能會認(rèn)為這個比例很小，但是Netflix有足夠的信心期待未來有很大的改進(jìn)。這個團(tuán)隊的努力為他們贏得了100萬美元的獎金。

基于大數(shù)據(jù)分析，推薦引擎可以增加營銷人員和組織針對用戶過去在線活動或行為提出量身定制的建議的可能性。

本文探討了如何通過個性化建議富有成效地提高投資回報率。并把推薦引擎的潛在商業(yè)利益分為三類。

使用改進(jìn)（正反饋循環(huán)）

Netflix Prize獎的目標(biāo)是提高會員保留率，或者換句話說，從長遠(yuǎn)來看是讓服務(wù)更有“粘性”。但該公司并沒有尋求一次性改進(jìn)。

推薦引擎的承諾是建立一個自我完善的系統(tǒng)，在給定足夠的數(shù)據(jù)流的情況下，可以更好地滿足用戶的需求。正如Netflix的Carlos Gomez-Uribe和Neil Hunt在發(fā)表的論文（PDF）中解釋的那樣：

如果我們通過更好的個性化推薦來提供更有說服力的服務(wù)，我們會吸引那些保持沉默的會員，并提高他們的保留率。

通過向會員提供超級具體的分類清單，Netflix縮小了多種多樣的按需視頻流選項。通過收視率流失趨勢的衡量，公司每天都可以改進(jìn)這些結(jié)果。

為了保持公司收入增長，除了增加新成員之外，還必須能夠留住現(xiàn)有的用戶。換句話說，客戶流失越少，月收入就越高。

Netflix幾乎沒有時間說服用戶瀏覽應(yīng)用程序并選擇視頻。根據(jù)該公司的說法，用戶往往在看過了20個標(biāo)題后的60到90秒就失去了興趣。

Gomez-Uribe和Hunt表示，通過采用更復(fù)雜的推薦系統(tǒng)和個性化的用戶體驗，他們每年可以從取消的服務(wù)中節(jié)省10億美元。

從Netflix的收入數(shù)據(jù)來看，2017年第二季度，該公司收入同比增長32.3%，新增用戶520萬，上一季度用戶數(shù)是9900萬。

通過更多的數(shù)據(jù)來訓(xùn)練其算法，Netflix可以速度越來越快地為現(xiàn)有用戶改進(jìn)產(chǎn)品。根據(jù)人工智能投資者，Polaris Partners公司Gary Swart的觀點，這種“贏家通吃”的態(tài)勢是“改善使用”如此重要的原因之一。

除谷歌之外，有什么網(wǎng)站可以回答你的問題嗎？可能沒有。它擁有巨大的市場份額，而且相比那些使用更少數(shù)據(jù)的競爭者，它能更快地改進(jìn)。與亞馬遜相比，有任何能推薦更好產(chǎn)品的在線購物體驗嗎？可能沒有。

你明白了：所有利基市場（小眾市場）的推薦引擎都有可能產(chǎn)生同樣的極致效果。

提高購物車價值（利潤）

亞馬遜在第二季度的營收為379億美元，繼續(xù)在網(wǎng)上零售領(lǐng)域占據(jù)優(yōu)勢。其1998年推出的逐項協(xié)同過濾算法根據(jù)產(chǎn)品線和主題向客戶提供建議。系統(tǒng)會將客戶購買的和評級的物品與列表中的類似產(chǎn)品相匹配，然后選擇這些產(chǎn)品作為其建議的一部分。

而在某些網(wǎng)站上，推薦僅存在于客戶旅程的一個方面（例如，網(wǎng)站結(jié)算頁面上的“相關(guān)項目”列表），亞馬遜已經(jīng)將許多推薦“入口點”整合到其在線體驗中以最大化購物車價值。

例如，用戶可以點擊“推薦”鏈接以顯示包含可能感興趣的分類產(chǎn)品的頁面，或者它們可以引用包含與先前查看的產(chǎn)品類似項目的部分。

用戶還可以在“經(jīng)常購買”部分查看捆綁商品，當(dāng)一起購買時，這可以讓亞馬遜降低運送成本。如果不是網(wǎng)上零售商分析的數(shù)十億個數(shù)據(jù)點（從購買歷史到廢棄的購物車），這是不可能實現(xiàn)的。

麥肯錫估計，亞馬遜35%的消費者購買來自產(chǎn)品推薦，盡管這家電子商務(wù)巨頭從未透露過自己的評估。2016年，它提供了開源的人工智能（AI）框架DSSTNE（意為“命運”），以促進(jìn)人工智能應(yīng)用程序的開發(fā)。

另一個電子商務(wù)巨頭阿里巴巴集團(tuán)，繼續(xù)通過天貓和淘寶平臺在中國電子商務(wù)領(lǐng)域占據(jù)主導(dǎo)地位。向客戶提供的產(chǎn)品推薦不僅基于過去的交易，而且還基于瀏覽歷史，產(chǎn)品反饋，書簽，地理位置和其他在線行為數(shù)據(jù)。

該公司使用AI向沒有歷史交易數(shù)據(jù)的新用戶提供產(chǎn)品推薦。阿里巴巴商業(yè)服務(wù)業(yè)務(wù)部數(shù)據(jù)技術(shù)總監(jiān)Wei Hu在一份聲明中解釋說，其技術(shù)可以從用戶在其他地方購買的產(chǎn)品中獲得數(shù)據(jù)點，并用它來匹配物品池中的物品。

2016年雙11購物節(jié)是一個24小時的網(wǎng)上購物活動，阿里巴巴利用人工智能在購物者的個性化頁面上展示推薦的產(chǎn)品。參與的商家根據(jù)目標(biāo)客戶數(shù)據(jù)定制他們的店面。阿里巴巴告訴InsideRetail Asia，它產(chǎn)生了67億個個性化購物頁面，轉(zhuǎn)化率提高了20%。

改善參與和保持愉悅

自2015年以來，YouTube的推薦引擎一直由Google Brain提供支持，Google認(rèn)為它是迄今為止最先進(jìn)的推薦系統(tǒng)之一。

和Netflix一樣，YouTube在采用一種搜索不同類型的視頻內(nèi)容之間相似性算法之前，進(jìn)行了大量的實驗和重新設(shè)計。YouTube產(chǎn)品管理副總裁Johanna Wright說，該公司現(xiàn)在更加確信，他們推薦的視頻與觀眾有關(guān)。

它使用的一些數(shù)據(jù)點包括用戶的觀看歷史記錄，視頻的年代，搜索詞和位置，以決定下一個將播放的視頻。與Netflix不同的是，YouTube是免費的，完全依賴其內(nèi)容（以及廣告曝光）——而不是訂閱計費模式。

通過推薦，YouTube希望系統(tǒng)基于歷史數(shù)據(jù)匹配廣告的同時，讓觀眾保持在線參與。當(dāng)觀眾觀看超過30秒的廣告時，或者當(dāng)用戶點擊屏幕上的實體或頁面上的廣告時，YouTube就會獲得收入。

其母公司Alphabet將YouTube列為整個Google網(wǎng)站平臺的一部分，因此沒有列出單獨的收入數(shù)據(jù)（截至2017年6月30日Google廣告收入總計超過220億美元）。

另一方面，像Pandora（潘多拉）和瑞典Spotify這樣的音樂流媒體服務(wù)使用推薦引擎作為改善參與度和保留用戶的方式。這些互聯(lián)網(wǎng)廣播公司通過付費訂閱計劃和非訂戶廣告賺錢。

Spotify的深度個性化推薦服務(wù)Discover Weekly，基于用戶的體驗，聆聽習(xí)慣，最喜愛的藝術(shù)家，甚至他們使用的功能推薦歌曲。這是通過協(xié)作過濾和自然語言處理實現(xiàn)的。負(fù)責(zé)推薦功能的工程經(jīng)理Edward Newett向Wired解釋說：

通過試圖模仿我們所有用戶的行為，并將他們完美組合在一起，我們可以利用Spotify的20億播放列表，針對個人風(fēng)格提出播放列表，這是非常有趣的。

Pandora自己的推薦引擎是由所謂的“音樂基因組計劃”（Music Genome Project）提供支持的，該計劃擁有450種音樂屬性。該算法分析成千上萬藝術(shù)家的歌曲，并根據(jù)用戶的需求對其在線廣播電臺進(jìn)行編程。

憑借Spotify和Pandora的這些功能，聽眾可以聽到以前從未聽過但最有可能引起興趣的歌曲，尤其是那些由新興獨立藝術(shù)家發(fā)行的歌曲。這是保持現(xiàn)有用戶的一種方式，并允許非會員通過廣告收聽更多的音樂。

Spotify在其網(wǎng)站上表示，截至2017年7月，它擁有6000多萬訂閱用戶，而且遍布61個國家的1.4億活躍用戶可以從3000多萬首歌曲中進(jìn)行自由選擇。同時，Pandora第二季度的收入為3.768億美元。

推薦引擎的范圍不限于這些行業(yè)。食品業(yè)，運動業(yè)甚至?xí)r尚業(yè)的企業(yè)正在使用人工智能來識別客戶可能的選擇。越來越多的公司正試圖在營銷活動中使用這種技術(shù)來提高投資回報率。

（本文作者Daniel Faggella，電子郵件營銷和營銷自動化專家，專注于營銷和人工智能的交叉。）

zhoub