援引大數據分析 持續優化電商推薦機制

聯合報系電子商務部資訊研發中心總監黃俊賢

對於所有電子商務網站，共同的迫切渴求，便是提升來客購買轉換率，故而期望適時給予商品推薦，促進使用者購物慾望。

聯合報系電子商務部資訊研發中心總監黃俊賢表示，深究推薦機制本質，即是根據人的偏好、Item的屬性，導出最適合彼此的配對機制，綜觀此機制的演變過程，實與Item數量多寡高度相關。早期Item數量不多，網站多採用條列式清單，後來隨著網路技術、頻寬雙雙進步，使網站可承載的Item數量增加，無法再倚靠單一網頁做細緻分類，所以此時電商開始採取階層式導覽。

然而階層式導覽仍有問題，譬如同一Item，可能兼具多重屬性，但每個人對於商品分類標準的詮釋，往往不盡相同，所以有人直言，階層式導覽不見得有助於解決現有問題，反而可能製造新問題；考量及此，電商另基於Tag與Metadata，啟用搜尋配套服務，至於搜尋效果高低，往往取決於Metadata做得好壞，但欲提升Metadata品質，必須仰賴產品經理費時配合，有現實上困難，故以UDN買東西為例，便改以消費者瀏覽行為、購物車行為作為搜尋服務的基準，此舉果真提高了轉換率。

助客戶降低機會成本  可望提高成交率

在巨量資料分析技術未現身前，電商礙於運算能力限制，對於客戶行為種類、造訪意圖所知甚少，因此僅能以無差別方式與消費者溝通，推薦機制僅具單向傳遞管道，消費者被動接受制式服務；進入巨量資料時代，受惠於運算能力大增，電商已可做到近乎即時的數據分析，能蒐集每個客戶在網站內所有行為，此時訊息傳遞途徑也變成雙向。黃俊賢透露，由於聯合報系旗下擁有眾多網站，包括新聞網、理財網、人力網、知識庫、網路城邦、愛秀網...等等，故UDN買東西用戶在這些網站的行為，也可一併納為數據分析依據。

現今網購產品價格高度透明，致使主控權移轉至消費者，連帶迫使企業所關注的經營角度，必須隨之轉變，不宜再抱持「我想給消費者什麼訊息」、或「我想消費者向我購買什麼商品」等舊思維，取而代之的必要觀念，即是致力降低「客戶與我們交易的機會成本」。

進入行動世代  還原消費者購物情境為重點

黃俊賢進一步解釋，消費者購物總成本，等於商品價格加上機會成本，而機會成本主要源自於時間與精力的耗費，推薦機制的一大價值，便是降低這層機會成本，根據「商品/內容關聯性」、「客戶行為相似性」等兩大基本要素，快速執行層層篩選，俾使推薦結果能與消費者強烈購買意圖趨近一致，藉此提高成交機率。

但現今進入行動世代，隨著多螢、多裝置，導致消費者從原本固定的時空場域獲得解放，連帶使得時間、行為趨向碎片化，已非過往的固定載具、固定的場所、連續的帶狀時間，反倒徒增數據分析困難性；因此電商面對購物情境的改變，亦需調整判斷邏輯，體認到真正影響消費者購物的決策關鍵，並不是從他在網路上挑東西、點擊或瀏覽的數據，而必須還原他當時的情境，才是關鍵。

最後黃俊賢建議，業者在動手打造推薦機制前，務須釐清幾個問題，包括網站各層頁面所放置的各種版位、各自肩負何等目的或角色，客戶造訪的意圖與情境為何，各種外網廣告各自扮演何種角色、藉此導入何種客戶、廣告導頁的操作邏輯為何。