2019年是個性化推薦從“忽悠”中邁出具體步驟轉型，並在同等充滿活力的B2B和B2C營銷部署中找到了自己的號召力的一年。甚至您自己，親愛的讀者，每次登入Netflix並沉迷於其中的電視劇時，都會無意間成為推薦位實驗的一部分。那麼，您如何大規模模擬他們的個性化推薦模型？本文將試圖從收入角度解讀兩家網際網路巨頭——Netflix和亞馬遜。

Netflix的個性化客戶體驗祕訣

Netflix所做的一切都由資料驅動，並由智慧AI演算法提供支援。該公司一直在集思廣益，並測試想法，以確保其平臺上釋出的內容與使用者的確切思考過程相匹配。而且，它們所付出的努力非常明顯。

讓我們瞭解它的個性化機制如何為Netflix創造奇蹟，以及我們可以從線上視訊流媒體巨頭那裡學到什麼。

1、A / B測試的使用

沒有人比Netflix更瞭解A / B測試技術。Netflix產品副總裁Todd Yellin表示，該公司每年進行約250次A / B測試。這些測試中的每一個都向使用者提供了兩種不同的體驗版本，以檢視使用者如何反應和響應建議的更改。Netflix平均選擇約100,000個使用者來檢驗其假設，這也正是沒有兩個使用者在Netflix平臺上擁有相同的體驗的原因之一。

遵循此處的經驗方法，Netflix確保平臺上顯示的任何內容（內容，影像和視訊）均由其執行的A / B測試收集的實際資料驅動，而不是基於一個人的觀點。

Netflix的登陸卡是在此處引用的一個完美示例。登陸卡通常是瀏覽Netflix推薦類別的使用者可見的影像或視訊預告片。現在這些卡怎麼能有所作為？這個概念很簡單。圖片和視訊比起周圍的內容（即解釋性文字）對客戶的思維有更大的衝擊效果。如果人們看到的是有吸引力且引人注目的影像或預告片，則人們更可能觀看視訊。

通過對這些登陸卡進行A / B測試，平臺可以瞭解其客戶的心理，並進一步使用收集的資料以最有效的方式個性化他們的體驗。

2、使用AI助力推薦引擎

與亞馬遜類似，Netflix在使用人工智慧和機器學習來增強其推薦引擎方面也享有很大的聲譽。該公司使用客戶檢視資料，搜尋歷史記錄，評分資料，以及時間，日期，還有使用者的裝置來推測應當推薦給此使用者的具體內容。統計資料顯示，Netflix在2014年使用了76,897個“交替型別”或其他獨特的方式來確定電影的型別。資料也表明，在向每個使用者推薦時，不僅要個性化他們的體驗，而且還要讓他們成為“回頭客”。

此外，該公司還使用客戶資料為其每個使用者建立獨特的的主頁。在主頁上，Netflix顯示了它認為最能滿足使用者興趣且增強了使用者在該平臺的整體體驗的內容。

痛點——由AI和機器學習提供支援的強推薦位，不僅使您可以為使用者提供他們所喜愛的個性化體驗，還可以顯著降低使用者流失率。

3、在正確的時間使用正確的內容

拋開演算法以提出建議，推薦位內容既可能創造，也可能或打破使用者與平臺的整體體驗和關係的能力。而且，Netflix非常瞭解這一點！

線上視訊流媒體巨頭使用內容根據使用者喜歡或不喜歡它們的方式來反應其推薦內容的成功或失敗。例如，如果使用者花很多時間觀看《The Ritual》，《The Babysitter》或《Apostle》等恐怖電影時，則Netflix會推薦類似的電影，以使使用者著迷於其平臺。它不能完全推薦喜劇電影，因為根據使用者以往的瀏覽資料，這似乎是一個非常模糊的建議。

除此之外，Netflix還使用觀看時刻作為重要變數來向客戶推薦節目。意思是，當使用者在深夜登入時，Netflix平臺將推薦時長較短的節目或是使用者已經看了一大半的節目，而不是推薦時長較長的節目。

我們在這裡瞭解到的是，在正確的時間顯示正確的內容不僅可以幫助增加平臺上的客戶參與度，而且可以顯著改善使用者體驗。

亞馬遜的綜合產品推薦系統

亞馬遜的轉型之旅始於2010年，當時它開始通過其“購買x商品的客戶”小部件向其客戶推薦產品。當時，這給了他們巨大的飛躍，並且對於電子商務巨頭來說仍然是奇蹟。根據公司的說法，即使在今天，它的銷售額也有近35％來自這種個性化推薦！而且，其中將近56％的人也可能會成為回頭客。

它試圖個性化客戶的購物體驗的嘗試不僅止於此。在過去的幾年中，藉助人工智慧，機器學習和預測分析，亞馬遜在個性化方面取得了令人矚目的進步。

這是從亞馬遜的個性化工作中學到的東西：

1、人工智慧和深度學習技術的使用

登入到您的亞馬遜帳戶，您將看到該平臺總是有新的推薦內容，且它們都完美契合您的興趣。這是如何做到的？答案是深度學習！

深度學習是AI和機器學習的延伸，它使用演算法自然地瞭解人類行為並提供相應結果。在亞馬遜，深度學習可幫助平臺分析客戶下一步可能購買哪些產品，並在他們下次進入網站或再次登入時進一步向他們推薦產品。在此，推薦位的技術考慮了客戶已檢視，購買，評分和評論的產品和產品頁面。

2、摒棄“一刀切”的方案

我們向亞馬遜學習的另一件事是其獨特的在個體層面上沉浸於每個客戶的能力。意思是，每當客戶登陸到此網站時，亞馬遜都會向該客戶顯示一個專門為他設計的主頁。這些變化不是一次性的事情，而是每天發生的事情，並且是基於客戶在平臺上的實時行為而發生的。藉助此功能，亞馬遜不斷提供具有高相關性的推薦專案的個性化體驗，從而使使用者回頭再來。

亞馬遜不僅改變了客戶的購物方式，還用獨特的個性化體驗“慣壞”了他們。從以下事實可以明顯看出這一點：57％的客戶聲稱亞馬遜為他們提供了更多的產品資訊，諸如產品的功能和質量，從而改善了他們的整體購物體驗。

不斷髮展的飢餓感

超過一千家公司線上上市場上競爭，這使亞馬遜和Netflix成為這些公司不斷尋求發展的靈感之源。從行為定位到深度學習，從內容個性化到轉化率優化，沒有哪樣東西是這兩家網際網路巨頭從未探索或利用過的。學習他們的經驗，以及他們深入瞭解個性化概念的方式，可以幫助您的公司指數型成長，並在當今以客戶為導向的市場中為自己贏得一席之地。

注：本系列分享均譯自 Astha Khandelwal 的《How Does Amazon & Netflix Personalization Work?》，經譯者龔柏芃翻譯、整理而成。

本文來自微信公眾號“Analysys易觀”（ID:enfodesk）