網路電子商務已經存在將近20多年，而產品推薦技術也差不多一樣久。亞馬遜於 1998年 申請了它的協調過濾技術專利，自那開始，多數的網路零售商開始採用網路產品推薦幾首，但是這些產品推薦大都表現平平，因為他們無法理解網路使用者的實時購買需求。
這個局面有望得到改善，其中一點就是大資料技術的來臨。多數主要的網站如，沃爾瑪，Netflix、eBay等開始採用開源的大資料工具來提供實時個性化的購物體驗，而且他們反響良好，帶來了較高的使用者購買支出和留存率的提升。
除了監測使用者在購物網站上的蛛絲馬跡以發現使用者當下的購物需求外，這些網站也在通過分析使用者在社會化媒體上所表達的喜愛和興趣等資料來洞察使用者的愛好趨勢。零售網站不僅看到了這些資料的使用帶來的不僅是更好地個性化產品推薦，而且可以影響使用者的購物決策。
在2011年的Top 500 Guide報告中，有一半的美國網路零售商採用了個性化技術，高於2010年的32.6%。
但很多零售網站的個性化努力並不成熟，這些網站在提升產品發現和可見性，以及流線化購物流程方面仍有很大的提升空間。
零售網站也認識到自己的不足，在e-tailing group於2011年Q3調查的131個大型和中型的電商網站後發現，超過一半的人給自己打了低分。
有很多因素制約了零售網站對大資料的應用，根據哥倫比亞商學院和紐約美國營銷協會的調研，這些因素包括組織障礙，存在讓資料可行動化的問題，以及很難將資料與個人對應起來。
對於技術比較薄弱的中小網站而言，好訊息是，市面上開始有越來越多的個性化推薦產品和平臺，網站可以零門檻部署這些產品。