1樓：孟煜翔
其實，對有目的性購買的人群來說，推薦沒有太大的意義；反之對於隨便逛逛的人來說，推薦對促成購買，意義很大；至於演算法，實際上，沒有完全完美的東西，只能接近完美，如果說推薦的東西80%覺得可以，那就已經是成功了；總有20%的人屬於另乙個世界。
2樓：鄧金香
亞馬遜給我推薦的東西從來不是我想要的，
個人認為他目前做的推薦只是最表面的推薦，只是給產品打了標籤，還沒給使用者打標籤。
當我在那裡只有過一兩個很淺的足跡時，或許可以做這麼淺的推薦。
但是當我已經在上面留下很深的，甚至很多的足跡時，是不是可以以此來分析我真正需要的會是什麼？
而不是我剛買過這個產品你馬上又來給我推薦同類產品。
3樓：景雁
我覺得這個問題，使勁退到最後，就是個不停做實驗的事，不停優化下去。
在沒做出複雜的推薦策略之前，基於使用者資料，先對使用者以購買行為為基點進行有意義的多維度劃分，例如起碼劃分出不用推薦，就直接灌輸的一群，這部分就硬來了，呈現什麼就是你這個店的形象。然後為推薦無效的另一端，在例如圖書資訊資訊源性質的使用者，採集他們資訊，賦予高權重。後者的甄別挺難的。
這部分就是劃分出無效的推薦來。
常規使用者，這是推薦發揮效果的地方，這裡慢慢試驗吧，http://
amazon.com
他們做的好就在他們UGC做的好，這部分會自然粘住使用者，我其實極端質疑資料探勘的有效性，或者說通過資料探勘來白描購買群體心理，並影響購買決策的有效性。
在做出推薦策略之後，就更難了，不停的試驗找最優解吧，可惜啊，這個想都能想到，是不完全資訊的混合策略的XX 均衡（？？？忘記是博弈論裡面哪個了，反正就是解不穩定，做實務的話，很容易滑落成不是求真，而是給領導個合理但無意義的答案），前兩天還跟乙個朋友說，大家做資料探勘，想演算法，其實不如去關注關注行為/試驗經濟學的一些有意思結論，肯定比低頭想方便。
另外乙個解決的方法，就是上面第二段說到的，在資訊源（這是最難的事）上逆向的推，這樣有點上帝的感覺，把各個程度的人的偏好大體估摸出來（這是可以做到的），然後在離他需求不遠的地方，放上購買理由。
這篇裡其實也寫到了知乎的潛在的最根本的問題了，等我隨後全部想清楚了先，起碼現在看，知乎隨著進來人平均水平的穩步下滑，逆淘汰會越來越嚴重，最終還可能擠走真正的資訊源。
————我重新開個問題，把這些轉走
4樓：
目前亞馬遜為我推薦的書籍還沒有我想要的（應該主要是演算法問題，推薦的書籍和已經購買的重合度太大，沒有再買一本的必要）。但是這種精確投遞資訊的方式將會是今後的主流。其實很多時候在網上購物都是朋友推薦的產品，如果在推薦系統中更多的加入一些SNS朋友購物的相關資訊（要有差異化，不同種類的產品），可能會有不錯的效果。
5樓：劉燕翔
想法很好，但做得還不夠，雖然是業界頂尖的。
人能夠在瞬間接收非常龐大的資訊，這些資訊根據各種不同的維度進行處理並輸出乙個結果，但計算機現在做不到。Amazon的演算法，大部分是加法：你看了什麼，買了什麼，就給你推薦類似的產品。
但這是不夠的，能做到下面兩點，可能會好一些：
1、做減法，至少不要再推薦我已經買過的書，或者是哪些我多次登入但毫不理會的書；
2、優化產品的分類方式，維度盡可能多一些（當然，這樣計算量就很大，而且會給演算法帶來很大的麻煩），我買一本書的原因可能有很多，可惜你很難知道到底是為什麼。
6樓：Han
從使用者角度來講，如此大篇幅的類似商品推介是不合理的。我是深有體會的。有的時候買了乙個東西，要過很久才再買。
可以每次登陸上去就是以前買過的東西個人覺得沒有價值。多一點人氣商品推介的話，有可能會買。即使不會買，當有一天需要的時候也會想起來卓越可以買！
不過也許買母嬰用品，化妝品的使用者可能會比較喜歡這樣，因為她們常常都需要！推薦新商品和推薦已經買過的東西要因不同的使用者而異！
7樓：
個性化首頁推薦的產品有的是已經買過的同樣的產品（基本不會重複買了），有的是同類產品（基本也不大再會買）。而且不能在首頁看到比較全的優惠資訊了，只能點進相應的類別中檢視，有點麻煩。
另，http://
amazon.cn
好像取消了收藏的功能，以心願單的方式代替。用起來比較不方便，希望可以由使用者自己選擇商品是新增到收藏還是心願單。
8樓：joegh
推薦演算法最大的弊端就是會重複推薦使用者瀏覽過的書籍或者類似的書籍，可能這些書籍已經被使用者過濾，購買了相關書籍之後不會考慮類似的書籍，這些都是演算法上需要優化的。
但其實推薦演算法最大的優勢就是能夠幫使用者發現那些使用者原來不知道的，但確實是使用者感興趣的好書。比如對我來說，只要幾次的訪問下來能夠幫我發現這樣的一本書，那推薦演算法對我就是有價值的。
9樓：Roopher
個人覺得設計是與營銷合作在一起的。對於消費性引導個人覺得還是比較準確的。色彩和版式的布局也是很具其產品進行定位的。不過大部分跟http://
Amazon.com
一致。也是體現了全球站點的統一性。這點有點類似於雅虎。
10樓：
亞馬孫的搜尋智力讓我難以想象，我已經購買過拖把了，還是給我推薦拖把，我已經購買過教材了，還是給我推薦拖把。很多東西都可以使用很長一段時間，為何要重複推薦呢？我買了會計的教材，可以推出我是商學院的學生，能否給我推薦一些商學的入門暢銷書呢，比如《人性的弱點》等等。
或者給我推薦蚊帳，零食也可以接受呀。
11樓：
在卓越買過三本書，乙個手錶。給我感覺就是頁面設計不太適合中中國人的習慣，有時候感覺非常的凌亂，使用者購買一樣東西以後根本就不會太關注了，所以這樣是不行滴。或者可以從瀏覽過，搜尋過的詞來定位推薦。
12樓：周勇
京東也在做這種嘗試，但是還非常地不友好。根據購買記錄來做推薦經常遇到不靠譜的事情就是，假如我買了一台海爾空調1P，下次登陸還給我推薦海爾空調或者其他品牌空調，完全就是直接在類目中隨機推送，沒有絲毫意義。
13樓：王堅
Amazon的資料探勘團隊我想是業界一流的，他們肯定是從收益最大化的角度來處理這個問題的，收益最大化基本上就等於使用者滿意。
14樓：
amazon.cn
不多，不過根據http://
amazon.com
的經驗，我對這種個性化首頁一直缺乏興趣。主要是常年買書形成了自己的一套判斷原則，對「推薦」這個形式沒有什麼期待，我連人的推薦都很少信任，更別說機器推薦了。
15樓：天順
精確投放廣告的營銷方式將來會漸漸成為主流，而它的背後需要巨大的資料沉澱和優秀的資料演算法來支援。
FACEBOOK是我看到的目前在這塊做得最好的一家公司之一，相信憑藉著他本身的使用者基數以及資料量，他很快就會把精準投放廣告的市場給做起來。畢竟不是每個男人都喜歡在看足球體育節目之前看一長串的歐萊雅美白潤膚露廣告……如果是梅西C羅代言的某款運動鞋廣告，會更好一些……
16樓：潘欣
這是一件挺有價值的事情，但能不能做好還取決於資料探勘能力。
當然，我現在看準確率一般，可能和我用amazon次數不夠多的緣故有關吧，呵呵。當然，我買書目前只用http://
amazon.cn
，還沒用過噹噹呢。
17樓：Ray
個人觀點，喜歡，省錢。都是已購買的產品，如果展示其他的新品一衝動就會浪費。
但是每次訪問都是看過的東西或相關的產品，毫無新鮮感。
很多反饋都是讓使用者失去了「逛街」的感覺，太機械化。amazon這種個性化的頁面應該不符合國內消費者的習慣。此觀點目前沒有資料支援。
amazon中國的員工，拽英文，沒勁。京東噹噹新蛋的員工也會點呀，但沒amazon的那麼討厭、還香港腔。呵呵~此回答有攻擊之嫌。
18樓：周江嶺
NO1、購買行為的確定人們在購買一本書，會經過幾個思考階段？
若是瀏覽過的書，沒有定購，這個說明了什麼潛在的問題呢？
NO2、以使用者吸引使用者為何不從小範圍開始，把會讀書的，懂書的人使用者，先啟用起來NO3、使用者最終的需求，是把圖書資訊統一管理起來
當你家中，有，1個大書架，29口袋的書時，就迫切需要[是特指圖書管理系統]
私家需求，僅供參考
19樓：袁sir
這個可以有，前提是自身資料探勘能力強大，能夠把握消費者的習慣和興趣點。我也希望知乎能了解我的興趣點，給我推薦我感興趣的問答！
乙個APP可以因為使用者年齡不同所呈現的介面不同嗎
設計有最最基礎的2個評判標準，即 價值 與 可行性 使用者定位應是設計的 Start point清晰的使用者定位 細分和畫像是設計最基本的入手點，設計師必須先從WHO入手，才能理解需求，進而得到解決方案。同理，如果兩類使用者其中的某一類不值得為其開發乙個單獨的產品，那麼這類使用者也不是這款產品的核心...
真的是使用者為王嗎？
馮常瑞 首先在比較規模的公司的話，分工很明確的。針對專門的使用者研究，是有專門的用研團隊來做的，互動也有專門的互動在做。而對於產品則需要和每乙個環節溝通好，最終產品上線！因此大多數的時間其實是在溝通中的，但是在做產品的時候真的不考慮使用者嗎？那是不可能的。比如在做一項功能改動的話，則會主動向用研團隊...
如何評價知乎使用者 魔王 聲稱另一使用者 冷哲 為 收錢發帖的公知 ？
腳踏實地 魔王自稱奧克蘭大學的教授，可這個教授幾乎全天候在知乎和觀察者網產出文章，從他的部分答案和文章可以看出是花了時間做了功課的，而不是隨隨便便就評了的。於是問題來了 奧克蘭大學的教授都是這樣天天沒正事嗎？還是奧克蘭大學的教授本職工作就是給中國當自幹五呢？ 其實兩個人都是自乾五吧。和魔王先生不一樣...