跟亚马逊学如何向用户安利

没有华丽的模板

却能轻易戳到用户G点？

一封邮件就能撬动数十万元的 social campaign？

本篇是你看会学不会，学会做不到的亚马逊邮件推荐原则介绍。

巴特，见贤思齐奋斗向上的骚动之心还是要是有的。

按你胃（anyway），go~

用户画像的主要应用领域即在推荐系统，Amazon作为推荐引擎的鼻祖，通过记录用户在站点上的行为，包括浏览物品、购买物品、将物品加入收藏夹和wish list等，同时，amazon还提供了评分等用户反馈的方式，这些共同用户画像数据的来源，根据不同数据特点对他们进行处理，并分成不同类别为用户推送推荐，包括：

①当日推荐

通常根据用户近期的浏览记录或者购买记录，结合时下流行的物品给出一个综合推荐。

②新品推荐

采取基于内容推荐的机制，将一些新到物品推荐给用户。在方法选择上，由于新物品只有较少的用户喜好信息，所以基于内容的推荐能很好的解决这个新物品“冷启动”的问题。

③关联推荐

采取数据挖掘技术对用户的购买行为进行分析，找到经常被一起或同一个人购买的物品集，从而进行关联推荐。这是一种典型的基于物品的协同过滤推荐机制。

④他人购买/浏览商品

这也是一种典型的基于物品的协同过滤推荐应用，通过社会化机制，用户能更快更方便地找到自己感兴趣的物品。

国内运营较好的社交网站—豆瓣，相较于Amazon，豆瓣则是通过“看过”、“想看”列表获取用户的偏好信息，但这也使他们推荐的结果更专注于用户的品味。

文章来源：跟亚马逊学如何向用户安利