如何提升現有客戶對企業營收的貢獻度,是所有行銷人員的最大挑戰之一。尤其是線上零售商(online retailer),必須盡一切力量,將客戶盡可能留在自己的網站,促使客戶購買更多產品,畢竟在線上世界每個商家的距離只是 one click away 而已。

所以企業主如何將手中擁有的客戶資料,轉換成有用的資訊,是需要行銷和資訊科技兩個專業共同合作的重大課題,這個研究課題就是所謂的推薦系統 (recommender)。

網路上,最常被人稱道、引用的 recommender 範例,首推網路書店 Amazon.com 和線上光碟租售服務的 Netflix 。 對於 IT 建設投資一向大手筆的 Amazon ,還為該公司自行開發的演算法申請專利,IEEE Internet Computing 雜誌在 2003 年,刊出了一篇由 Amazon員工撰寫的文章,簡介Item-to-Item Collaborative Filtering 演算法和設計背景。

Netflix 公司在去年十月宣布舉行一個 recommender競賽,廣邀天下英雄,以現在 Netflix 正上線使用中的推薦系統為競爭標的,目標是改善推薦系統的準確度,參賽者必須至少要比現行系統準確10%才能獲得 1百萬美元的獎金。根據紐約時報的報導,目前共有來自150個國家的18,000個團隊參加這場競賽。報導中中指出,現在的領先者來自匈牙利(Hungary)。

這個競賽是個很有趣的點子,顯而易見地,提升 Netflix 在線上世界與學府的知名度只是件小事;更有意義的是,這是一個廣邀世界各地研究者參加的大型腦力激盪,不僅推動了這個領域的研究,Netflix 的研發和行銷單位必然從世界各地來的企畫書學到許多,若干時日後,不知道我們會看到什麼樣的招數在江湖上出現。

不知道有沒有台灣的團隊參加這個競賽

Advertisements