在生活不能沒有網路的時代，我們經常有這樣的經驗，在 Google 搜尋關鍵字之後，過沒多久相關的產品廣告，開始出現在個人 Facebook 頁面；又或是在 Netflix 看完影集之後，下個月email 就收到 Netflix 推薦清單，標題寫著「我們覺得您會喜歡這些新片，快來看看吧！」
起初大家一定感到非常驚訝，這些網路平台怎麼會這麼懂我，Amazon 知道我最近想找什麼商品，網頁下方馬上出現一排類似的品項；或是 Booking.com、Agoda 等訂房平台總是能排列出我最有興趣的主題房型。隨著科技不斷進步，大家逐漸明白原來背後關鍵，來自於「個性化推薦系統」，至於推薦系統背後的機制是怎麼運作的？
三大類推薦系統模式，運用 AI 技術提升「猜你喜歡」精準度
推薦系統的出現根據MBA智庫解釋，主要趨勢來自網路購物需求增加，電商交易規模在全球快速成長，促使越來越多品牌跨足電商生意，並且希望在短時間內，快速掌握潛在消費者的需求，以及避免消費者因瀏覽大量與自身無關的頁面而跳出。針對此狀況，網站的推薦系統便應運而生。
至於目前市面主流的推薦機制，可分為三大種模式，分別是：熱門商品推薦、相關物件推薦、個性化推薦，以下逐一說明其推薦機制特色。
-
熱門商品推薦
主要根據當時旗下商品的銷售熱門度，將商品進行排序提供給消費者。至於為什麼消費者經常對「銷售排名」、「消費者評分」、「評價數」這些指標特別有感？
《排名詭計：了解社會遊戲的潛規則，讓你隨心所欲取得想要的排名！》這本書就揭露，其實現代人的購物決策非常受到排名順序影響，例如看世界大學排名選擇學校、搜尋資料優先參考相關度最高的網頁、根據 TripAdvisor 或 Google 餐廳評分數決定要不要前往。這項推薦機制，最主要特色就是立基於「信任」，我們相信網站的推薦是從客觀數據篩選而出，因此選擇相關產品相對比較不會有「踩雷」風險。
-
相關物件推薦
至於相關物件推薦機制，則是透過 Cookie、會員資料的資訊基礎，針對消費者曾經在網路輸入過哪些關鍵字、點擊過哪些品項、在哪些頁面停留特別久等資料，經過演算法計算之後，進而推算出「猜你會喜歡」的商品。
例如某件商品顧客瀏覽許久卻遲遲沒下單，網站就能根據他的行為，推薦一系列相似的商品；或是消費者曾經買過上衣，網站後續就能進一步推薦褲子、帽子、配件等其他選項，藉此提升購買品項數或平均客單價。
-
個人化推薦
至於個人化推薦，則是發揮「精準行銷」精神，先針對龐大的客戶群做貼標分類，再搭配 AI 演算動態計算每位顧客的潛在喜好，進而在網站欄位持續因應不同消費者，推薦不同內容，也就是不同 ID 身分的顧客拜訪同一個網站，他們獲得推薦的內容將有大幅度落差。藉由個人化推薦的自動化服務，更能滿足顧客的專屬需求，讓每一段購物旅程更加完善。
目前能做到個人化推薦的系統工具，就屬 Awoo Marketing Platform 解決方案，透過 AI 及 NLP 分析商品標籤關聯技術，能幫助品牌在消費者輸入特定關鍵字、點擊標籤的同時，即時洞察站內消費者的購物意圖。接著搭配 awoo 擅長的 SEO 自動化技術，幫助網站做搜尋優化、以及產品細緻化分類標籤，根據顧客的行為特徵，再進一步給予動態商品推薦，提供個人化精準推播。
（「動態關聯推薦」能根據 使用者搜尋意圖，同時交互連結數以千計的關聯商品，推敲出顧客心中最想要購買的商品。）
借重個人化推薦系統，成功為網站帶來三大效益
個人化推薦幫助品牌官網在做電商生意的時候，能帶來哪些實際的幫助？
最重要的效益涵蓋三個面向，其一是成功把瀏覽者轉變成購買者，因為推薦他們最感興趣的商品，進而提高下單的機率。其二是提升網站的交叉銷售成績，像是 Awoo Marketing Platform 解決方案能提供顧客有幫助、有價值的商品推薦，因此消費者在逛網站的時候，就能在推薦列表中挖掘自己確實需要，但可能沒有意識到的商品。
第三項效益則是強化會員顧客對品牌的忠誠度，消費者首次拜訪購物網站，導致極高跳出率的原因，就是電商網站讓消費者找不到與他最切身有關的商品。因此當推薦系統精準度越高，給消費者的選項越符合需求，在經歷過愉快的購物體驗之後，他們對這套推薦系統就會產生依賴，因而願意持續回頭購物，進而與品牌培養長期互動，顧客忠誠度也就隨之提升。
若想進一步瞭解 Awoo Marketing Platform 解決方案，歡迎立即諮詢，將有 awoo 專業顧問為您服務。
