亚马逊（Amazon）和网飞（Netflix）的个性化推荐是

小提示：您能找到这篇{亚马逊（Amazon）和网飞（Netflix）的个性化推荐是}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的亚马逊（Amazon）和网飞（Netflix）的个性化推荐是内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

2019年是个性化推荐从“忽悠”中迈出具体步骤转型，并在同等充满活力的B2B和B2C营销部署中找到了自己的号召力的一年。甚至您自己，亲爱的读者，每次登录Netflix并沉迷于其中的电视剧时，都会无意间成为推荐位实验的一部分。那么，您如何大规模模拟他们的个性化推荐模型？本文将试图从收入角度解读两家互联网巨头——Netflix和亚马逊。

Netflix的个性化客户体验秘诀

Netflix所做的一切都由数据驱动，并由智能AI算法提供支持。该公司一直在集思广益，并测试想法，以确保其平台上发布的内容与用户的确切思考过程相匹配。而且，它们所付出的努力非常明显。

让我们了解它的个性化机制如何为Netflix创造奇迹，以及我们可以从在线视频流媒体巨头那里学到什么。

1、A / B测试的使用

没有人比Netflix更了解A / B测试技术。Netflix产品副总裁Todd Yellin表示，该公司每年进行约250次A / B测试。这些测试中的每一个都向用户提供了两种不同的体验版本，以查看用户如何反应和响应建议的更改。Netflix平均选择约100,000个用户来检验其假设，这也正是没有两个用户在Netflix平台上拥有相同的体验的原因之一。

遵循此处的经验方法，Netflix确保平台上显示的任何内容（内容，图像和视频）均由其运行的A / B测试收集的实际数据驱动，而不是基于一个人的观点。

Netflix的登陆卡是在此处引用的一个完美示例。登陆卡通常是浏览Netflix推荐类别的用户可见的图像或视频预告片。现在这些卡怎么能有所作为网易严选毛巾事件与危机公？这个概念很简单。图片和视频比起周围的内容（即解释性文字）对客户的思维有更大的冲击效果。如果人们看到的是有吸引力且引人注目的图像或预告片，则人们更可能观看视频。

通过对这些登陆卡进行A / B测试，平台可以了解其客户的心理，并进一步使用收集的数据以最有效的方式个性化他们的体验。

2、使用AI助力推荐引擎

与亚马逊类似，Netflix在使用人工智能和机器学习来增强其推荐引擎方面也享有很大的声誉。该公司使用客户查看数据，搜索历史记录，评分数据，以及时间，日期，还有用户的设备来推测应当推荐给此用户的具体内容。统计数据显示，Netflix在2014年使用了76,897个“交替类型”或其他独特的方式来确定电影的类型。数据也表明，在向每个用户推荐时，不仅要个性化他们的体验，而且还要让他们成为“回头客”。

此外，该公司还使用客户数据为其每个用户创建独特的的主页。在主页上，Netflix显示了它认为最能满足用户兴趣且增强了用户在该平台的整体体验的内容。

痛点——由AI和机器学习提供支持的强推荐位，不仅使您可以为用户提供他们所喜爱的个性化体验，还可以显著降低用户流失率。

3、在正确的时间使用正确的内容

抛开算法以提出建议，推荐位内容既可能创造，也可能或打破用户与平台的整体体验和关系的能力。而且，Netflix非常了解这一点！

在线视频流媒体巨头使用内容根据用户喜欢或不喜欢它们的方式来反应其推荐内容的成功或失败。例如，如果用户花很多时间观看《The Ritual》，《The Babysitter》或《Apostle》等恐怖电影时，则Netflix会推荐类似的电影，以使用户着迷于其平台。它不能完全推荐喜剧电影，因为根据用户以往的浏览数据，这似乎是一个非常模糊的建议。

除此之外，Netflix还使用观看时刻作为重要变量来向客户推荐节目。意思是，当用户在深夜登录时，Netflix平台将推荐时长较短的节目或是用户已经看了一大半的节目，而不是推荐时长较长的节目。

我们在这里了解到的是，在正确的时间显示正确的内容不仅可以帮助增加平台上的客户参与度，而且可以显著改善用户体验。

亚马逊的综合产品推荐系统

亚马逊的转型之旅始于，当时它开始通过其“购买x商品的客户”小部件向其客户推荐产品。当时，这给了他们巨大的飞跃，并且对于电子商务巨头来说仍然是奇迹。根据公司的说法，即使在今天，它的销售额也有近35％来自这种个性化推荐！而且，其中将近56％的人也可能会成为回头客。

它试图个性化客户的购物体验的尝试不仅止于此。在过去的几年中，借助人工智能，机器学习和预测分析，亚马逊在个性化方面取得了令人瞩目的进步。

这是从亚马逊的个性化工作中学到的东西：

1、人工智能和深度学习技术的使用

深度学习是AI和机器学习的延伸，它使用算法自然地了解人类行为并提供相应结果。在亚马逊，深度学习可帮助平台分析客户下一步可能购买哪些产品，并在他们下次进入网站或再次登录时进一步向他们推荐产品。在此，推荐位的技术考虑了客户已查看，购买，评分和评论的产品和产品页面。

2、摒弃“一刀切”的方案

我们向亚马逊学习的另一件事是其独特的在个体层面上沉浸于每个客户的能力。意思是，每当客户登陆到此网站时，亚马逊都会向该客户显示一个专门为他设计的主页。这些变化不是一次性的事情，而是每天发生的事情，并且是基于客户在平台上的实时行为而发生的。借助此功能，亚马逊不断提供具有高相关性的推荐项目的个性化体验，从而使用户回头再来。

亚马逊不仅改变了客户的购物方式，还用独特的个性化体验“惯坏”了他们。从以下事实可以明显看出这一点：57％的客户声称亚马逊为他们提供了更多的产品信息，诸如产品的功能和质量，从而改善了他们的整体购物体验。

不断发展的饥饿感

注：本系列分享均译自Astha Khandelwal的《How Does Amazon & Netflix Personalization Work?》，经译者龚柏芃营销销售的区别是什么意思翻译、整理而成。