发现鸿沟
编者按：Benedict Evans最近指出了电子商务领域的一个问题，像Amazon这样的网上零售商擅长推销热门和长尾产品，但是对中间部分（消费者不知道存在或者不知道自己是否需要的东西）的推销却缺乏发现引导。他设想电子商务领域应该像Facebook一样进行个性化推荐，Crema.co的创始人兼CEO Tyler Tate提出了他的具体解决办法。
你有没有经历过找不到电影可看、想不出有什么礼物可买、或者不知道该看哪一本书的情况？你并不孤单：
网上零售商在促进发现方面表现糟糕早已是臭名卓著。
不过未来仍有一线希望。
查找（lookup）还是留意（lookout）
网上零售商擅长帮助客户找到他们已经知道的产品（可称之为“产品查找lookup”）。如果你知道要找的电影、产品或者书的名字，只用几秒钟就可以在网店找到并且购买东西。
但是如果你预先不知道自己究竟想要找什么呢？网上零售商往往靠引导你到热门产品来去解决这个问题—无论是最新的时髦货还是本周的纽约时报畅销书。但是更多时候这些热销产品跟你的个人趣味并不相投。
A16Z的合伙人Benedict Evans最近指出了这个发现鸿沟：
Amazon擅长卖摆在书店桌上的那些东西（畅销品），一年卖100万本晦涩的作品（小众）也没问题，但是展示摆在书店后面书架上面的东西却不是它的特长。也就是说它不擅于推销中间那部分—那些除非你看到否则就不知道存在或者不知道自己是否需要的东西。
那么，网上零售商怎么才能更好地促进发现呢？
浏览
浏览是发现最基础的解决方案。不知道该看哪一本书？那就先浏览一下Amazon的小说类书目，然后再换个目录看看。在web早期的时候，浏览被限制在一个分类下面，而在今天，这种浏览往往是多层次的，可以根据价格、评分、作者等条件进行过滤。增加的这些是值得欢迎的，但是就像逛实体店一样，网上浏览也是很费时间的活动，并不能保证一直都成功。
Amazon的小说类目浏览界面
个人服务
第二个克服发现挑战的办法是找有实际经验的客户服务帮忙。比方说Trunk Club和Stitch Fix这两家网上服装零售商就提供了导购服务来帮助每一位客户理解其个人品味然后定制每月的服装订购。跟高端的百货商店一样，这种高度个性化的客户服务对于高价商品来说是合理的，但是薄利产品就不能用这种了。
网上服装零售商Trunk Club提供了个人服装设计师来担任客户助理
社会化因素
连接客户和导购的另一个办法是让他们的社交网络扮演类似角色。Facebook当然是典型例子，根据你的未来行为来策划新闻流。但是就像Benedict Evans 的那篇文章指出那样，Facebook策划（我们阅读的）内容的成功并没有转化为我们的产品购买策划。像Foursquare这样的应用月可以利用你朋友在咖啡店、饭店的签到来帮助你决定去哪儿吃，但通常而言，当用户处于比较模式时（比如我应该订X酒店还是Y酒店），社会化因素是最有用的。我觉得社会化因素可以看作是浏览这种方案基础上增加一层社会化上下文—有用，但往往不是发现的主要驱动力。
Foursquare通过增加朋友的签到点来增强浏览体验
个性化
第四种办法是利用算法驱动的个性化，首先要来理解客户品味，然后围绕着那些品味特点量身定制其数字化体验。这种办法复制了个人导购的办法，但是是利用机器学习而不是人来完成任务。由于算法驱动个性化可以马上执行并且费用低廉，这种办法可以部署到用不起导购代表的场景。
比方说，寻找可听的音乐。TC5月份的一篇文章写道：“Apple Music、Tidal以及最近的Spotify都没有做好音乐发现，原因是他们还在坚持博客式的格式。”但是Spotify后来通过增加“Discover Weekly Playlist（发现每周播放列表）”以及其他推荐专辑成功地跨越了这一发现鸿沟。这份播放列表每周一都会更新大概30首它认为你会喜欢的歌曲，用户因此就被一直吸引过去了。
Spotify的Discover Weekly Playlist每周都会策划出一张集锦专辑供你收听
我们的 Crema.co也开始采用这种办法去理解大家新欢哪种类型的咖啡，然后提供特点类似的其他类型咖啡的个性化推荐。
Crema.co在了解你喜欢哪种类型的咖啡之后会提供个性化推荐
但是，并不是所有的算法驱动个性化都是一样的。比方说Amazon很久就开始了推荐的做法，但是他们的“买这个的人也买那个”的推荐方法并不能充分解决好偶然发现的问题，而只是狭隘地把产品关联起来。别的尝试也诚意不足，比方说iTunes的“相关”板块尤其糟糕。下一次我会试着概括一下我所认为的可实现有效个性化推荐的一些基本原则。
小心缝隙
大部分网上零售商仍然太过依赖产品查找，导致了发现鸿沟得不到处理。问题解决的起点是提供多层次的浏览体验，然后在此基础上吸收用户社交网络的社会化因素。但是明智的零售商会越来越理解自己的客户，然后提供个性化体验来帮助用户邂逅那些不知道自己需要的产品。
