電商類產品解決用戶「不知道自己想要什麼」的4種常見方法

　　三節課

　　本文由三節課翻譯組出品。三節課翻譯組會定期精選來自國外科技媒體、博客的精品文章進行翻譯，每周末，我們都會推薦給你這樣的翻譯作品。

　　在此衷心感謝三節課翻譯組全體成員（目前共計19人）為此付出的努力，三節課正在努力成為一個「既性感，又有溫度」的網際網路人學習社區。

　　本文推薦理由：

　　電商們在產品查找上都做得不錯：顧客已經知道自己要什麼了，就很好找到。但在產品尋找上還不行：如果顧客不知自己要買什麼，就沒轍了。

　　文章總結了4種有效的發現產品的渠道：顧客自己瞎逛、個人助理式的服務、社交網路朋友推薦、依賴演演算法的個性化推薦。希望對大家有所幫助。

　　以下是正文部分

　　你曾經在尋找值得觀看的電影時遇到過問題么？或者是為了找合適的禮物想到頭痛？或者不確定接下來讀哪本書？不只是你自己遇到過這種問題。

　　眾所周知，在線購物者都不擅長快速發現新事物，但未來仍是有希望解決這一難題的。

　　查找或者猜想

　　在線零售商擅長幫助銷售者找到他們已經知道的商品（查找商品）。如果你知道自己要尋找的電影、產品或書的名字，你只需要幾秒鐘就可以通過搜索從眾多選擇中找到它。

　　但是如果你事先不知道你具體要找的是什麼呢？在線零售商們一貫的做法是將你引導到他們的熱門商品——也許是最新的暢銷巨著，也許是這周紐約時報暢銷書作者。但是通常情況下，這些暢銷商品並不符合你的需求。

　　安德森·霍洛維茨的搭檔班尼迪克·埃文斯最近指出了這個發現鴻溝（介於被動尋找用戶和主動尋找用戶之間的內容難題）：

　　亞馬遜擅長銷售書店前面放在桌子上的東西，或者一年售賣淹沒在百萬書籍中的一本。但是若要它展示給你書架背後的東西，它就做不到了。它不擅長在你不知道或者不確定需要什麼的時候把東西賣給你，除非你自己看到了它。

　　那我們怎樣才能讓顧客尋找到自己最想要的產品呢？以下有四種方法。

　　一、搜索

　　搜索是最基本的發現方法。不知道接下來要讀什麼書？那就搜索一下亞馬遜的小說條目，從這裡開始吧。網際網路發展的早期，搜索被認為是一種獨立的產品類型；現在，搜索加入了新功能，支持按照價格、評價、作者或其他元素進行篩選。這些都是用戶喜聞樂見的功能。但是對於在實體店搜尋而言，在線搜索是一件既耗時又常常沒有結果的事情。

　　

　　在亞馬遜網站的搜索小說分類

　　二、個性化服務

　　第二種解決方法是為顧客提供「手把手」的服務。例如，Trunk Club和Stitch Fix-兩個在線服裝零售商為每位顧客都配備了一名私人顧問，顧問會了解他們的個人喜好並給出每月的衣物配送單。對於高端商家來說，大額商品才能使用高端定製，低利潤商品不適用這個方法。

　　

　　在線制衣零售商Trunk Club 通過私人導購的方式為顧客提供幫助

　　三、社交信號

　　第三種是想辦法導入你的關係鏈，讓你的搜索結果頁和瀏覽頁都儘可能出現「你的朋友都看過或買過些什麼」這樣的信息。Facebook顯然是一個再合適不過的例子，它基於你在網站的行為來顯示新的信息。但正如Benadict Evans在她的前瞻性著作中指出來的那樣，Facebook在信息展示方面的成功方法，在商品購買環節上並不適用。

　　有一個叫Foursquare的App，通過展示你朋友在咖啡店和飯店的簽到記錄，來幫助你在不知道去哪兒吃飯時下決定。我認為這種在搜索結果中增加好友信息來提高搜索體驗的做法是有用的，但這還不算是最主要的方法。

　　

　　在搜索結果中增加好友信息來提高搜索體驗

　　四、個性化定製

　　最主要的方法是運用數據驅動，在了解用戶品味的情況下，圍繞著這些喜好特性去定製他們的在線體驗。這並不是說，你需要通過人工這種高成本的方法才能做到個性化定製，事實上，機器就可以做到。機器學習耗時少，還便宜，基於演演算法的個性化定製照樣能夠發揮很大的作用。（三節課註：結合商品基礎信息進行分類，為相似或相關聯或擁有共同屬性的商品打上標籤，然後再基於用戶過去的瀏覽購買行為為用戶推薦可能感興趣的或相關的商品。）

　　比如，為你找到新的音樂。五月份的時候，Techcrunch提到說：Apple Music、Todal和最近的Spotify在音樂推薦方面的嘗試都失敗了，因為他們都囿於傳統博客時代的顯示格式。不過Spotify通過在推薦的其它專輯旁邊增加了一個「播放排行周榜」的功能，系統每周一會更新30首它認為你可能會喜歡的歌曲，輕鬆地解決了音樂推薦方面的難題。

　　

　　Spotify的「播放排名周榜」每周為用戶提供一個新鮮歌曲的混合列表

　　我們的創業項目Arema.co在了解用戶喜歡的咖啡類型時也使用了這個方法，這個方法能夠為用戶推薦其它相似的咖啡。

　　

　　Crema.co 了解你喜歡的咖啡，並為你提供個性化推薦

　　然而，並不是所有技術驅動的個性化定製都是有用的。拿亞馬遜為例，他們的推薦機制已經運行很久了，但是他們「購買此商品的顧客也同時購買」的功能並沒有給用戶帶來驚喜，它推薦的都是一些表面上看起來有一丟丟相關的產品。其它產品方面的嘗試也都差強人意，比如Itunes的「相關選項」通常是空的。

　　缺乏推薦意識

　　很多在線零售商仍舊在依賴著商品的外觀，去售賣這些商品，而沒有考慮過推薦缺失的問題。要解決這個問題，關鍵點在於提供一個豐富的搜索體驗，最好是能夠收集到用戶社交信息的那種。漸漸的，聰明的零售商就能夠越來越準確地把握住用戶需求，給用戶打造一種個性化的體驗，從而幫助用戶解決不知道怎麼尋找商品的難題。

　　*我們在嘗試把文章中一些可能會用到中英文互譯的網際網路辭彙用法總結出來，希望這個能對你的跨語言溝通有所幫助。這可能是一個小需求，但是，可以先定個小目標：）

　　本期重點辭彙：

　　discovery  gap. 發現鴻溝（本文重點論述的概念，指的是介於被動尋找用戶和主動尋找用戶之間的內容難題）

　　personalization  n. 個性化定製（這裡特指的是通過獲取用戶行為和信息數據，對用戶進行針對個性化的推薦）

　　algorithm-driven  adj. 演演算法/數據驅動（這裡包含了數據獲取、大數據分析、針對數據的應用）

　　criteria  n. 元素/條件（文中這裡特指篩選條件）