个性化设计：理解用户， 打造专属体验

过时的个性化系统常常主要原因是一个逻辑上的失误，无法将网站访客视为独立个体。这种错误假设，即认为相似兴趣的访客在所有方面都有共同兴趣，导致推荐信息的实际意义受损。比方说两位都对海军历史感兴趣的访客，一位是育婴书籍的家长，另一位则是单身汉。这样的系统可能会向单身汉推荐育婴书籍，明摆着对用户毫无意义。

追踪行为， 洞察用户需求

了解访客的网上行为，如访问过的页面、对推荐信息的反应，以及忽略的信息，对于构建有效的个性化系统至关重要。记录访问过的页面、产品页面的浏览时间，可以帮助下一代个性化系统更好地识别访客的购买意向。

真实世界启示：模拟真实销售

在网络中模拟真实世界中人对人的销售，是提高用户忠诚度的有效途径。比方说 一位顾客在书店购买英汉字典后店主 推荐类似书籍，这样的行为在日常生活中不会出现，却可以应用于网络营销。

行业报告：个性化系统面临挑战

波士顿咨询集团的报告显示， “从浏览到购买”的转换率已跌至2%以下反映出当前个性化系统仍处于初级阶段。问题在于，访客的当前兴趣和购买欲望。

下一代个性化设计：关注用户当前行为

下一代个性化设计系统应关注用户当前行为，而非仅依赖过时的兴趣记录。自动记录用户对特定信息的拒绝，并据此调整推荐，是提高个性化系统准确性的关键。

技术集群：解决用户行为分析需求

网络企业为提高用户忠诚度，采取多种策略。点击流分析工具、基于过滤的协作推荐信息系统和数据采集处理机制是解决用户行为分析需求的主要技术集群。遗憾的是这些手段至今尚未充分发挥作用。

协作过滤系统：接受否定答案

以电脑使用专家为例， 如果他要购买电脑入门书作为礼物，网站应避免不断推荐新手书籍。协作过滤系统应接受用户的否定答案，以提高推荐准确性。

预测模型：结合现时行为与历史数据

下一代个性化设计系统应为每个产品或推荐信息发展独立的预测模型， 结合用户的现时行为和历史数据，以更精确地预测用户接受的可能性。