电商类产品解决用户“不知道自己想要什么”的4种常见方法思维导图

搜索是最基本的发现方法。不知道接下来要读什么书？那就搜索一下亚马逊的小说条目，从这里开始吧。互联网发展的早期，搜索被认为是一种独立的产品类型；现在，搜索加入了新功能，支持按照价格、评价、作者或其他元素进行筛选。这些都是用户喜闻乐见的功能。但是对于在实体店搜寻而言，在线搜索是一件既耗时又常常没有结果的事情。

在亚马逊网站的搜索小说分类

第二种解决方法是为顾客提供“手把手”的服务。例如，Trunk Club和Stitch Fix-两个在线服装零售商为每位顾客都配备了一名私人顾问，顾问会了解他们的个人喜好并给出每月的衣物配送单。对于高端商家来说，大额商品才能使用高端定制，低利润商品不适用这个方法。

在线制衣零售商Trunk Club 通过私人导购的方式为顾客提供帮助

第三种是想办法导入你的关系链，让你的搜索结果页和浏览页都尽可能出现“你的朋友都看过或买过些什么”这样的信息。Facebook显然是一个再合适不过的例子，它基于你在网站的行为来显示新的信息。但正如Benadict Evans在她的前瞻性著作中指出来的那样，Facebook在信息展示方面的成功方法，在商品购买环节上并不适用。

有一个叫Foursquare的App，通过展示你朋友在咖啡店和饭店的签到记录，来帮助你在不知道去哪儿吃饭时下决定。我认为这种在搜索结果中增加好友信息来提高搜索体验的做法是有用的，但这还不算是最主要的方法。

在搜索结果中增加好友信息来提高搜索体验

最主要的方法是运用数据驱动，在了解用户品味的情况下，围绕着这些喜好特性去定制他们的在线体验。这并不是说，你需要通过人工这种高成本的方法才能做到个性化定制，事实上，机器就可以做到。机器学习耗时少，还便宜，基于算法的个性化定制照样能够发挥很大的作用。（三节课注：结合商品基础信息进行分类，为相似或相关联或拥有共同属性的商品打上标签，然后再基于用户过去的浏览购买行为为用户推荐可能感兴趣的或相关的商品。）

比如，为你找到新的音乐。五月份的时候，Techcrunch提到说：Apple Music、Todal和最近的Spotify在音乐推荐方面的尝试都失败了，因为他们都囿于传统博客时代的显示格式。不过Spotify通过在推荐的其它专辑旁边增加了一个“播放排行周榜”的功能，系统每周一会更新30首它认为你可能会喜欢的歌曲，轻松地解决了音乐推荐方面的难题。

Spotify的“播放排名周榜”每周为用户提供一个新鲜歌曲的混合列表

我们的创业项目Arema.co在了解用户喜欢的咖啡类型时也使用了这个方法，这个方法能够为用户推荐其它相似的咖啡。

Crema.co 了解你喜欢的咖啡，并为你提供个性化推荐

然而，并不是所有技术驱动的个性化定制都是有用的。拿亚马逊为例，他们的推荐机制已经运行很久了，但是他们“购买此商品的顾客也同时购买”的功能并没有给用户带来惊喜，它推荐的都是一些表面上看起来有一丢丢相关的产品。其它产品方面的尝试也都差强人意，比如Itunes的“相关选项”通常是空的。

很多在线零售商仍旧在依赖着商品的外观，去售卖这些商品，而没有考虑过推荐缺失的问题。要解决这个问题，关键点在于提供一个丰富的搜索体验，最好是能够收集到用户社交信息的那种。渐渐的，聪明的零售商就能够越来越准确地把握住用户需求，给用户打造一种个性化的体验，从而帮助用户解决不知道怎么寻找商品的难题。