最近在與客戶討論新服務的過程中,客戶提到希望平台上能有內容推薦的機制,「我們希望可以根據使用者的喜好,推薦給他相關的內容」。推薦的美意並無疑問,值得思考的是,我們想要推薦的是什麼?原本的服務無法達成嗎?希望這個推薦可以創造什麼效益?我們要依據什麽進行推薦?以及這個推薦服務可以用什麽樣的方式進行?

一、創造驚喜,以用戶為中心

市場上推薦服務的應用越來越多,舉凡網路購物、娛樂服務、甚至人力銀行等等配對引擎,充斥著整個互聯網。

而所有推薦服務目的,無不希望能拉近與使用者的距離。但什樣的推薦服務,可以船過水無痕,讓人感受不到推銷,反而有 “你好懂我” 的體驗?

簡單講講目前市場上已經融入大家生活之中的幾個品牌:

  • Netflix – 好片推薦,讓你看完一部接一部

透過具備人工智慧能夠自我學習的電腦程式,精準猜測會員喜好,推薦相關影片,讓會員可以一片接一片,越看越看多。

Netflix 透過演算法分析大量的數據資料,再決定哪些推薦適合會員收看專為會員提供的個人化推薦是 Netflix 服務體驗的核心功能,而這項功能讓會員能快速輕鬆地找到精彩好片。

netflix-recommendation-screen

圖1. Netflix 精準的猜測會員可能也有興趣的影片

  • KKBOX – 當需求模糊時,更需要夠了解你的推薦機制

KKBOX 的個人化音樂推薦系統的演算法,採用最新深度學習技術,透過「消費者是否點下推薦音樂」、「有沒有聽完推薦音樂」,和「聽推薦音樂的數量是否增加」這三點來判斷,讓用戶可以更容易接觸到自己感興趣的歌曲、歌手、專輯或曲風。並期望能經由推薦機制,讓消費者因為聽到喜歡卻從來沒注意過的歌曲而感到驚喜!

features_explore_tw

圖2. KKBOX 推薦用戶各種豐富清單和歌曲,贏得許多用戶喜愛

  • Amazon – 商品與銷售庫存推薦,不只服務買家、也服務賣家

Amazon 除了根據買家的購物記錄、瀏覽網頁記錄、類似購物行為的消費者…等等提供個性化的推薦外,也會提供賣家銷售庫存的建議,例如:目前有多少競爭者也正販售相似產品,且依據消費者對產品的期待或需求,及時增加庫存量,以增加出貨的流暢度。因此,對於買家可以滿足購物需求,對於賣家更可以減低銷售成本,實為互惠雙贏的服務。

amazon-recos-feat

圖3. Amazon 提供多元推薦類型,在電子商務市場成功打下一片天

  • The North Face – 虛擬店員為你介紹最適合的單品

不同於實體店,線上購物網站沒有店員可以主動讓消費者諮詢,從了解其需求,進而提供推薦的商品。因此,The North Face 規劃在進入網站後,顧客可以和虛擬店員以文字對話的方式,獲得推薦的商品。首先,虛擬店員會以親切口吻詢問顧客此次拜訪的目的是什麼,並經由詢問月份/旅行地/計畫攀爬的山峰/樣式……等條件後,給予最精準的商品推薦。

影片1. The North Face 和 IBM 人工智慧技術合作,推出全新推薦機制計畫

二、推薦系統仰賴大數據與智能演算

推薦系統之所以能夠對使用者進行推薦,即是奠基於大量的使用數據,以及挖掘出使用者的隱性喜好的能力。它和機器學習(Machine Learning),商業智慧(Business Intelligence),以及資料探勘(Data Mining)…等等,都有高度的相關。

想要達成精準、值得信賴的推薦服務,除了技術上的演進與開發,更需要時間累積用戶,後續的分析探勘也是必要的支出成本。

例如:Netflix早期可是耗時三年開發、花費百萬美金,才有了現在的推薦系統。Amazon 利用20億用戶的大數據,透過預測分析140萬台伺服器上、10億GB的數據促進銷售量的成長,並盡可能地追蹤消費者在網站以及App上的一切行為。KKbox也是歷經三年,才推出了全新的個人化音樂推薦機制。

三、最重要的小事,回歸初心

對於使用者而言,如果每次使用平台的服務,接收到的都是感興趣的、驚喜的、有收穫的、覺得窩心的,那這樣的使用者對品牌的忠誠度自然會越來越高,縱使市場上相類似產品充斥,用戶仍然會留下,因為他知道是誰最了解他,能夠每一次都真正精準的提供所有對用戶有用的訊息!

記住,不要只是提供品牌想說的話,更要創造用戶需要的內容!

因此,在進行推薦服務之前,更應該回歸品牌的初心,在這個基礎上,什麽樣的服務模式與內容可以真正利益到我們的目標用戶?

所謂過程皆手段,最後品牌與用戶共同產生的價值才是真正服務的目的。

延伸閱讀:

人工智慧技術正改變零售購物體驗

自媒體的力量有多大,品牌就有多大!

未來商務是有溫度的雙向對話