亚马逊利用海量顾户数据，为每一位顾客量身制定、打造个性化的网络商店，实现对顾客的个性化精准营销，帮助顾客在亚马逊寻找到感兴趣的商品，并享受到独一无二的购物体验。

一、亚马逊大数据应用的主要做法

1.分析顾客各类信息与数据

顾客在网站上产生四种数据：即时数据、行为数据、社交数据以及属性数据。即时数据包括顾客搜索的关键词、访问的商品页面等；行为数据包括顾客购买的商品数据、顾客关注或收藏的商品数据以及顾客的浏览行为偏好等；社交数据包括顾客的兴趣爱好、观点态度等；属性数据则包括顾客的性别、年龄、职业以及地域分布等数据。

亚马逊对于顾客产生的上述数据从多个方面开展分析。

一是重点对顾客在网站上从搜索关键词开始、到访问页面、到关注商品、最后到完成购买全流程的数据进行采集与分析；

二是重点对客户偏好信息进行采集与分析，包括顾客的观点态度、浏览倾向偏好以及兴趣爱好等数据。

2.细分顾客群体进行群体商品推荐

提高销售率的一个手段是对每一类消费者推送他们可能感兴趣的商品广告。为了实现对特定顾客群体独特又精准的营销，有必要对顾客群体进行细分。大数据分析技术帮助亚马逊实现了这一个需求。

在对每一位顾客行为数据分析的基础上，为了把相似购买群体的顾客分类，亚马逊基于大数据开发了聚类模型对顾客群体进行细分。顾客细分的目标是把具体一个顾客分配到与他最为相似的已有顾客细分群中，算法分析该群体的购买历史与商品评价，从而生成商品推荐列表，推送给该名顾客。

3.分析商品属性进行商品匹配组合推荐

在利用细分顾客群推荐商品的同时，考虑到相同属性的顾客可能还不是最相似的顾客，产生的推荐相关性还有待提高。于是，亚马逊又开发了商品到商品的协同过滤。对于某一给定的商品，亚马逊通过分析商品的各种属性，通过基于大数据技术的算法找出与之最为匹配，也即顾客倾向于一起购买的商品，从而建立起一个匹配的商品表。

4. .基于购买历史打造个性化网上商店

亚马逊使用大数据技术，使得每一位顾客有个性化的网上商店，这种彻底的创新基于用户的兴趣。登录个人账户后的亚马逊主页上，设置了“为我推荐”链接，点击链接，会把顾客引入一个区域，亚马逊根据顾客以往的购买历史和商品领域，利用算法寻找相似商品，生成顾客可能感兴趣的商品推荐列表，顾客可以对这些被推荐商品进行评级，还可以查看为什么这些商品被推荐。

二、案例点评

1.洞察客户行为，实现营销变革。亚马逊利用对海量历史营销数据的分析与挖掘，编写推荐算法，生成符合客户各种属性、偏好、需求的个性化推荐列表，实施营销变革，提高了商品的点击率与购买转化率，为企业带来了丰厚的利润。

2.满足客户需求，完善服务体验。亚马逊以客户为导向，以满足客户需求为经营的出发点，对海量客户消费数据与服务信息进行捕捉，打造个性化商店，改善了服务质量，提供了优化购物体验，从而实现了商品热销。

3.增加客户价值，时刻管理创新。大数据是互联网时代给予企业的馈赠，是企业创新和竞争的全新领域。亚马逊利用对海量客户数据的挖掘与分析，开启了营销与服务模式的变革，取得了巨大的成功。返回搜狐，查看更多

责任编辑：