亚马逊基于浏览历史记录的定制化产品推荐即是此类范例，越来越多的传统零售商也在综合利用数据的分析方法。这家零售巨头的推荐系统基于用户自己的购买浏览记录和行为历史，利用这种“物品到物品的协作筛选”算法来为回头客定制浏览体验。一名数码爱好者可能会发现，登录页面上充满了各种设备推荐；而一初为人母的妈妈则可能发现推荐给她的都是婴儿产品。除了上述的常规自动推荐之外，亚马逊在人工推荐上也花了不少心思。据亚马逊内部员工透露，亚马逊会为员工提供众多基于用户购买和浏览行为的分析工具，但是最终的推荐行为还是由员工自己来做的。如果某位员工需推广一部电影，比如《美国队长》，他就会找出看过其他类似电影的用户，向他们发送Email推荐《美国队长》。亚马逊的员工在推荐过程中也会关注邮件的打开率、点击率等一些常见指标，但是很独到的一点是亚马逊会使用一种内部竞争的策略来精选推荐给用户的商品。比如同时有一本书和一款游戏都可以推荐给一名用户，利润较高的商品会在内部评估中胜出，然后以邮件的形式推荐给用户，你可以想象一下这一策略推广到所有商品分类时会是一个什么情况：可能会有许多商品都能推荐给一名客户，但是最终只有效率最高的商品推荐邮件被推送到他的邮箱中。这一策略可以有效预防用户的邮箱里塞满来自亚马逊的邮件，同时又能实现最大化销售转化效率。事实上，人工推荐的转化率要远比网络上的自动推荐高出许多。
亚马逊在个性化首页和个性化推荐上一直走在业界的前列，传统的做法是单向跟踪一个用户的行为，但往往一个用户的行为是漫无目的、蒙头乱撞的，网络公司记录下太多用户的纪录，但是纪录太多往往导致陷入信息的泥潭里难以从中抽丝剥茧。亚马逊做了一件事就是给了用户改变自己历史纪录的机会，用户可以整理自己的浏览纪录、可以对自己收藏的商品打分，可以比较两件同类商品……，这样对于网站来说就有了更加确切的信息了解用户的喜好，同时给用户最好的推荐。我们以一个商品页面，来观察亚马逊持续地记录用户在网上逛街的行为：
1.商品的大小和颜色在同一页面显示，用户可以通过把鼠标放在任一图片上时，图片就会显示鼠标所指的商品。用户可以在这个商品Item（展示）页面选择好自己所需要的号码和颜色，直接放入购物车。
2.所有用户可以上传关于这件商品各个角度的图片。
3.用户可以把这件商品放入自己的心愿单（Wish list）、购物车（Shopping list）中。放入不同的list中对于关联推荐时权重计算是不同的。
4.在促销信息里共提供了有这件商品的四个商家的不同促销信息。
5.看过这件商品的用户还看过哪些商品（推荐的都是这一品牌的其他款球鞋）。
6.买过这件商品的用户还买过什么（推荐的是其他品牌的运动鞋、运动手表、牛仔裤、包）。(www.zuozong.com)
7.一些赞助链接（Sponsored link）。
8.给这件商品打分，打一到五颗星。
9.用户所写的商品评论，用户同样可以给评论打分，这是打分的维度yes（有帮助）或no（帮助）。用户评论这一栏里左边显示用户认为最有帮助的几条评论，右边显示最新发表的评论，同时提供写评论的入口。
10.用户评论，其实就是论坛。
在一个用户看了若干商品SKU（品项）页面之后，他本人的个性化页面是什么样子呢？比如你在心愿单里面放了个iPhone的手机，放了个Sony的相机，还放了一双Nike的跑鞋，亚马逊就会给你推荐更多供你考虑的鞋子、相机和手机等商品清单，热销推荐、人气款推荐、促销精选，你可以对这些list清单里面的商品优化这些推荐，用户可以编辑或删除自己的浏览记录、给推荐的商品打分、可以对自己浏览过的Item或者是放入到某个list中的商品打分，可以选择自己希望推荐的类目。
登录后，每个人的亚马逊主页也是个性化的，把目前的热卖商品和促销信息与对用户的推荐商品相互穿插，然后随机排序放在首页中。这就是亚马逊做的事情逻辑很简单，就是基于用户的行为给用户做推荐，其中用户行为包括浏览、收藏到各个list（wishing list，shopping list，baby register，wedding register，gift idea list），用户自己对商品打分，对浏览记录的修改等。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
