一、前言
如果要给亚马逊的成功下一个结论，那无疑是推荐系统使然。该公司报告第二季度销售额增长29％，从去年同期的99亿美元增至128.3亿美元。可以说，放增长都和亚马逊把推荐整合到购物过程中的几乎每一个模块有关。
亚马逊是数十亿美元的庞然大物，许多在线零售商都把他视为敬仰和学习的完美公司。
亚马逊非常重视数据驱动的营销，如果你看到他们测试了一些东西，然后推出了它，那么你可以打赌，这将为他们带来极其出色的结果，因为这都是 Ab 测试后，得到市场验证的结果。
他们有大量的数据，可以对不同的事物进行测试，从而迅速地找出有效的方法和无效的方法。多年来，我们一直在观察亚马逊通过 在线和离线以及电子邮件来进行的推荐。另外，我们还发现他们的通过邮件的推荐的转化比他们自己的转化效果表现要更好。而这些信息使我们非常的兴奋。为什么邮件的表现要更好呢？相比于 PC 站而言，邮件的推送内容和页面即时加载，应该是他们成功的关键。
亚马逊还通过电子邮件向用户发送推荐的内容。实际上，此类电子邮件的转化率和点击率都非常高，比在线的推荐更有效。Forrester分析师Sucharita Mulpuru表示，在某些情况下，基于其他电子商务网站的业绩，亚马逊转换为现场推荐销售的比例可能高达60％。
毫不奇怪地，电子邮件再一次被 Econsultancy.com 认为是 ROI 的最佳数据渠道。
- 亚马逊 30%的收入是通过推荐引擎产生的，所以，他们的策略到底是什么呢？
亚马逊在电子邮件和大多数网站页面中都使用推荐作为有针对性的营销工具。 以下是他们当前使用建议的不同方式：
二、在线推荐示例
1）为您推荐的，Seven Pan
点击亚马逊上的 您的推荐链接会把用户引导到一个全都是为您推荐的产品的页面，亚马逊按照你可能会点击，了解更多并购买排购准备了一批你曾经浏览来自不同类目的产品，供你浏览。
这里要提的是，他写上了你的名字，详如下图：Thomas
这会让用户感到非常的惊喜。在当时的时代来说，的确也算得上是创新了。
记得用户增长黑客里面一个有名的案例，就是如果你是被我邀请来到这个 App 的话，在启动这个 App 的时候，会浮现出我的头像来欢迎你的到来。拉近用户的距离。
2) 经常一起购买
这个推荐引擎只有一个目标：增加平均客单价；FREQUENTLY BOUGHT TOGETHER 的目的就是：通过基于购物车中的产品或前面他在这个网站上正在查看的产品来进行 产生更多的 GMV 和 交叉销售。
3） 基于你最近浏览的产品来推荐
在这里，亚马逊基于你最近的浏览并推荐了不同形状、大小、品牌非常类似的产品以帮助你找到你想要的，他们给出了不同的品牌，颜色，形状，大小 的产品，来让你无法抗拒。
白话一点，你去找保姆，男的，女的，高的矮的胖的瘦的，都给你找齐了，你总能选到你喜欢的。
所以我们的推荐，是在推价格更低销量更好的同类？还是在推 高的矮的胖的瘦的 产品呢？
4） 浏览历史
如果你已经看过了一个产品，那就代表你对这个产品有一丢丢的兴趣，所以提供一个浏览历史更表，以防止你突然间想回去购买你以前看过并感兴趣的产品。
5) 看了又看
就像他说的，用你浏览的产品，再推荐出类似的，不同大小，品牌的产品给你。这和 第三点一样，找到一个你要买的产品，但是亚马逊在他们的网站上起了个起名字。
6) 买了这个产品的人还买了
类似于 第二点，经常一起购买，Amazon 显示过去一起购买的商口，目的是通过追加销售和交叉销售来提高平均订单价。我猜测，这些物品一起购买的频率要比 经常一起购买的频率低，这是亚马逊出售那些不怎么受欢迎物品，以帮助卖家清空库存的一种方式。
7) 这里发现新版本
人们喜欢升级他们的装备到最新版，这个推荐就是为这种需要而存在的。如果我在看我历史上在亚马逊买的旧 Kindel，那在下面的推荐中，就会有一个推荐列表，让我知道这里有我可以升级的新版本。这就像提醒你，你的衣服过时了，你家的卫生纸用完了，提醒你补货，而这个是提醒你电子设备的更新，聪明！！！
8）针对已购买的产品进行搭配
当我在亚马逊购买了一个 Kindle 的时候，我就会去订单详情，在他下面，就会针对我刚购买的 Kindle 推荐各种不同的保护壳，以鼓励通过高度相关的交叉销售触发再次购买。
再说一下，前面的总结，如果一个东西比较贵，这个时候先不要推荐配件，因为用户会先选定主体，再去选配件。如果在选择的时候，就开始推荐配件，那是徒劳。
9） 类目中的最热卖
Amazon.com向希望尝试新产品和新产品的购物者推荐类别最畅销的产品。 “畅销”为推荐添加了社交的元素，即“其他人正在买，您也应该跟上潮流买”。 特定产品类别中的畅销书可以帮助人们找到受欢迎的产品，并从他们以前从未购买过的新类别中进行购买，这为用户提供了一系列全新的追加销售和交叉销售机会。
三、使用邮件进行离线推荐
在浏览了 Amazon 上的『傻瓜相机』产品后，Kwasi Studios在收到的电子邮件中写了一篇很棒的文章。 以下是亚马逊通过电子邮件发送的建议的示例：
1）热销的傻瓜相机
第一封邮件是一系列用户浏览过的热销的产品，并且由于电子邮件中仅展示了佳能的相机，由此可以确认，你就是浏览了这个品牌的相机，甚至把佳能相机加到了购物车中。
2）这一周热卖的佳能相机
接下来的邮件就是相机这个类目卖得最好的推荐信息，但是展示的还是用户曾经浏览过的佳能品牌的相机。亚马逊展现了他们最流行的相机，因为他们知道，大多数人买这些款中的一个，你也一样会购买这些。
3）打包购买
这封推荐邮件包含了经常一起购买的产品，让你把相机包、存储卡一起给购买了，同时，还完成了跨类目销售最终增加了平均订单价，并且增加了每个用户的销售额。
4）“整个产品类目的畅销” – 没有特别的品牌
这封邮件包含了用户浏览的整个类目(数码相机)热卖的产品，这一次没有专注于任何品牌，并且他们这次只展示大多数人们最终会购买的产品，这些产品有最好的评价和转化率，并且大概率把一个游客给转化为新买家。
- 注意，亚马逊只会推荐这个用户在他们网站浏览或加购的产品或品牌。
高相关度的邮件，对于提升点击率和转化率至关重要。
如果 Amazon 当他们还没有看过这些东西时，就开始给这个人发送儿童书或户外装备促销或打拆，就无非和用户建立连接，然后这些邮件大概率会被标记为垃圾邮件，或者他们会取消订阅这类的 EMD 邮件。
下面的例子就完美解释了什么样的事情不要做，是我收到了一封 iHerb 的邮件。我买了一些鱼油和 Vb，然后他们就给我发送了下面的Email，给我发送了天然驱虫剂！他们脑子里应该有病，并且病得不轻。
对此，我只想说，我对他们发送的促销活动，根本就不感冒。没感觉。
给正确的人，在正确的时间，发送正确的信息 是今天最基本的常识了，并且这是事实，将会帮助你提升 ROI 通过你的邮件营销。
四、亚马逊推荐引擎是怎么工作的？
这里有一篇深度讨论的文章 how Amazon’s recommendations engine works.
现有的推荐算法无法满足Amazon 100亿的顾客和产品，所以他们决定自己开发一个推荐引擎。
Amazon 现在使用 item-to-item collaborative filtering, 可以处于海量数据集，并且实时产生高质量推荐。
这种类型的过滤会将用户购买的每一个项目和评分的项目与相似的项目相匹配，然后将这些相似的项目组合到用户的推荐列表中。
这种推荐算法是一种有效的创建个性化购物体验，并为 AMAZON 提升平均订单价以及从每个买家那里获得更多收入的金额。
五、这就是为什么 Rejoiner 创建了自己的推荐引擎的原因
多年来，我们对亚马逊如此着迷（我们的很多客户也是如此）。
我们看到他们推出推荐引擎后，我们知道我们希望在我们的软件中加入类似的内容，这样我们就可以通过智能地提供并预测客户下一步可能购买的产品，然后动态地将这些产品服务到客户的生命周期电子邮件中，从而帮助在线零售商增加销售额。
六、如何通过明智地预测客户下一步可能购买的产品，并在回复者电子邮件活动中为这些产品提供服务，从而帮助提高平均订单价值、点击率和电子邮件转换率呢？
当一个订阅者或顾客收到一你的邮件，我们的止标就是带他们回到你的网站上重新去下一单。
现在，有了Rejoiner的推荐引擎，您可以在电子邮件中智能地为人们提供-畅销商品或经常一起购买的产品，以增加参与度，并通过点击率返回到您的在线商店。
在你的邮件里，提供用户经常会购买的产品，给人们一个机会把这些产品加入到他们已前忘记加入购物车中的产品，最终帮助我们提升平均订单价格。或者如下图，让用户返回购物车，去激活那些已经忘却的产品。
下面的就把用户用户购物车中的产品给逻列出来了。
分3步来发送一系列的放弃购物车电子邮件，用最后一个产品加购的产品是一个非常好的方式，可以让他们回到你的网站，但如果他们不再对这个产品感兴趣了，最多也就是删除你的邮件而已。
所以如果一个产品在他们购物车，但不会引起他们的兴趣，推荐引擎可以从另外一种方式鼓励读我们邮件的人回到我们的网站。
Blue Nile 的『购物车丢弃产品三明治』做到了这点。
第一封邮件是一封标准的废弃购物车邮件–“你把这个钻石耳钉放在购物车里了”。
第二封邮件的推荐就是不同的耳钉来自同一类目。如下图：
第三封，也就是最后一封邮件，又一次把用户原来留在购物车里面的那个产品给弄出来了，然后和同类目的其他产品一起推荐出来，这样做的目的，要么通过原来的商品把用户拉回，要么通过其他同类目的产品，吸引用户的兴趣，然后再一次把用户带回网站，再一次进入购买流程。
邮件2和3做了一个很伟大的事情，就是给用户多重选择，让用户可以回到商店并且再一次开始购买流程。
这里还有一些示例，演示推荐系统可以怎么用：
- 推荐同一品类的其他畅销产品基于您的客户放弃购买的商品
- 从您的整个产品目录中推荐大多数客户购买的畅销产品
- 推荐经常和 客户放弃的商品 一起购买的产品，以增加平均订单价值
- 顾客买了东西之后，给用户推荐用户购买的产品经常一起打包购买的产品，来满足他们第一次付款后的承接。
七、答辩人推荐引擎的工作原理
专家建议引擎从以下位置挖掘数据：
- 已经购买下单的产品数据
- 已添加到购物车但已放弃的项目
- 有过产品浏览的数据。
所有这些数据都被输入到Rejoiner的推荐引擎中，以帮助预测您的客户下一步最有可能购买的产品。
随着时间的推移，当你“给”引擎更多的数据时，它会越来越聪明地推荐它，这样你的电子邮件订阅者和客户就更有可能参与、点击和购买。
就像学校里的书呆子为了获得更好的成绩每天都在学习，你给引擎提供的数据越多，向客户推荐的产品就越个性化，你就能创造出更多的销量。
八、现在该怎么办
如果你是一个在线零售商，希望开始在你的电子邮件活动中使用推荐等高级功能，那么我建议你请求一份投资回报率报告，以计算你在切换到Rejoiner后从电子邮件中获得的收入。
赛文市场营销