爱华网大多数网民都有这种上网经历，在他们的电脑屏幕上不时会弹出一条提示信息，这让他们诧异不已：别人怎么会知道我的信息？这一瞬间似乎有些不可思议，但也让人感到有些不寒而栗。
下面便是一例。一位网购者登录到零售网站FigLeaves.com 上，正在仔细浏览有关丝制女士拖鞋信息的时候，电脑屏幕上弹出了一条关于男士浴袍的提示信息。这看上去似乎有些驴唇不对马嘴。随着电子商务运营商纷纷采用新一代的预测技术，这种出人意料的链接将会更加频繁地出现。从点击鼠标到搜索查询，不断增长的海量行为数据提供了无穷的数据源泉，可通过功能更为强大的计算机的分析处理来实现预测。 为什么会弹出关于浴袍的信息呢？ATG是一家位于马萨诸塞州剑桥的分析公司，专事为FigLeaves公司分析处理数据。该公司发现某些女性网购者可能会在一周内的某个时间段里为男士选购东西。正如所有的网络提示信息一样，在大部分情况下这种信息可能是错误的。但是随着电子商务运营商对购物者上网行为的观察分析愈渐细微，它们就能越来越准确地把握消费者的心理，教会计算机尽量用有经验的销售人员的思维来准确分析用户的行为数据。位于得克萨斯州奥斯汀的一家新兴公司7 Billion People是ATG公司的竞争对手，其首席执行官马克·纳盖蒂斯说：“在消费者进店后的前5分钟，销售人员会留心观察他的一言一行。我们必须要让计算机也具备观察用户在线行为的洞察力。”
随着人们对网上侵犯个人隐私的现象愈发感到担忧，这种在线购物分析技术应运而生。与最具争议的广告技术不同，这种“偏好预测”（preference prediction）的方法大多不会追踪网民上网后在各个网站间漫游的行迹，而是专注于研究消费者在零售商自己网页上的行为。许多分析方法只是观察消费者点击、购物以及其他的行为模式，而不包括网购者的个人信息。在大多数情况下，只有当消费者在诸如亚马逊和沃尔玛这样的网站上进行注册并提交了信息，个人信息才会被加进去。 在电子商务发展的初期，大多数的分析方法仅仅集中在网购者的购买模式上。在上世纪90年代末，亚马逊和其他一些公司推出了所谓的关联筛选方法（collaborative filtering）。毫无疑问，它们发现购买同一本书的人可能对其他一些书籍也同样感兴趣。 当今科学技术的发展突飞猛进。3年前，电影租赁企业巨头Netflix悬赏100万美元，用来奖励那些能够梳理清楚数百万匿名用户数据的团队，并且要求能够帮助Netflix公司将预测影迷喜好电影的准确度提高10%。上个月，一支由计算机专家组成的国际团队通过引用更深入细致的分析方法实现了这个目标。获胜团队将大量的信息加载到其运算系统中。例如，随着时间的推移，观影人的兴趣会有所转移，系统在分析时会尝试进行修正。如果一名评论家对几部电影进行连篇累牍地抨击，难道它们真如他所说的一无是处吗？这种运算技术可能允许人们有一段时间的犹疑期，它用一种不确定的算法（a mathematical grain of salt）来处理那些批评意见。 将这种高级别的复杂技术引入到计算当中需要强有力的计算能力，直到目前大多数公司还不具备这种能力。ATG公司的副总裁兼总设计师布鲁斯·丹布罗西奥说：“我们今天所做的一切在1999年时还不可能用计算机来实现。”他声称他的公司正在尝试通过分析处理海量数据信息，为某家网站的每位购物者量身定做最为合适的购物路线图。 购物者的信号 不管是在Tommy Hilfiger还是在Body Shop International公司的网站上，ATG公司将其网上商城内的每类商品间错综复杂的关系进行量化。它对每件产品购买者的类型以及他们购买或查看其他商品的种类进行分析。这些关系加起来总数将达到上千亿种。ATG公司正是通过这种分析方法找到了商品之间的关系，例如丝制拖鞋和男士浴袍等。ATG公司还对网民一段时间内的行为变化进行研究。丹布罗西奥说，当购物者在上班时间访问网站时往往来去匆匆，而在周末时他们会有更多的闲暇时光。理想的状态应该是，网站按照消费者的节奏进行调整，引导消费者在周六的下午在网店里消遣购物，而在周一的早晨会催促他们赶快去结账。 7 Billion People公司使用的算法试图模拟消费者在实体商铺里购物时言行举止的反应。销售人员可以看到购物者匆忙的样子，而网站必须分析其他信号来进行判断，例如快速点击鼠标的动作等。首席执行官纳盖蒂斯说：“诀窍在于要让网站适应消费者的需求。”那些长时间查看某种商品及其相关产品的顾客会发现，他们被引导到了功能更为齐全的网页上浏览。例如，那些更喜欢看演示来选择产品的购物者也许会发现网页上有产品的视频可供点击观看。 消费者认为这种调整也许会价值连城。道格·斯科特是英国一家电子商务孵化企业ASAP Ventures公司的网络战略负责人，他说他通常会以自己的品味来对他控制的网站进行优化，网页上会提供详尽的产品信息和完备的功能选择。但在7 Billion People网站上进行测试试验之后，斯科特发现仅有1/3的用户和他兴趣相投。其他用户只想查看推荐产品或是匆匆浏览一下便离开。他说：“我们可以为1/3的顾客进行调整，但是如果那样的话，我们就会得罪其他2/3的人。”在针对不同类型顾客的行为特点进行调整后，该公司成功地将网站访客转化为购买者的比率从30%提高到了50%。 位于旧金山的richrelevance公司是ATG公司的另一位竞争对手，该公司正在重拾计算机时代前的算法理论，研究其是否可以用来预测消费者的行为。首席执行官戴维·塞林格说：“如果某位顾客在沃尔玛公司的网站上查看一款戴尔计算机，他是否会更倾心一款价位更高的个人电脑、或是一款价位更低的？还是一款有质量保证的型号？”最终的答案将取决于个人情况、购买时间以及其他几百个参数变量。 作者：斯蒂芬·贝克尔（Stephen Baker） 翻译：夏芳
