当亚马逊（Amazon）在网站上向你推荐商品时，它绝非无的放矢。

    从根本上讲，这家零售巨头的推荐系统推荐的基础是一系列基本元素：用户过去购买过哪些商品；他们的虚拟购物车里有什么；哪些商品被他们评价或“赞”过；其它用户浏览及购买了哪些东西。亚马逊把这套自主研发的算法称为“从项目到项目的协同过滤算法”。依靠这套算法，亚马逊向回头客们提供了深度定制的浏览体验。数码爱好者们会发现亚马逊上满是新潮电子产品的推荐，而新妈妈们在相同的位置看到的却是婴幼儿产品。

    亚马逊如今大获成功，推荐系统想必功不可没。2012年第二财季，亚马逊营收达到了128.3亿美元，与去年同期的99亿美元相比大涨了29%。毫无疑问，如此惊人的增长肯定离不开推荐系统。亚马逊将其深度整合到购物流程的方方面面，从商品发掘到结账付款，几乎无处不在。登录Amazon.com，你会看到许多商品推荐板块；点入某个商品的网页，“人气组合”与“（浏览了该商品的）用户还购买了其它商品”等栏目赫然在目。不过，亚马逊对推荐系统的效率守口如瓶。【亚马逊的一位发言人向《财富》杂志（Fortune）表示，“我们的任务是取悦用户，让他们在不经意之间发现美妙的产品。我们相信快乐每天都会出现，这是我们衡量成功的标准。”】

    亚马逊还能通过电子邮件发送推荐。虽然亚马逊网站的推荐系统绝大部分依靠自动化，但至今仍有某些部分需要人工大量参与。亚马逊的一名员工表示，公司提供了许多软件，它们能根据用户的购买和浏览行为筛选目标用户。不过，最终目标的确认仍依靠人工而非机器。如果一名员工负责推销一部电影，例如《美国队长》（Captain America），那么他也许会想到其它类似电影，他要确保观看过别的卡通改编动作电影的用户都能收到亚马逊的邮件，以鼓励他们登陆亚马逊购买《美国队长》。

    亚马逊员工研究邮件阅读率、点击率、退出率等关键参与指标——这可谓任何公司电子邮件营销渠道的标准做法——但鲜为人知的是，亚马逊按照邮件营收率等指标，对邮件生态系统进行优胜劣汰式优先级排序。一位员工对《财富》称：“这种功能很了不起。基本上，如果某位客户既有资格收到书籍类的推销邮件，又有资格收到视频游戏类的推销邮件，那么（亚马逊最终将向他发送）能带来平均营收更高的那类邮件。想象一下，在每一条产品线上，客户都有资格收到数十封电子邮件，但他们最终收到的只会是效果最佳的那封。”