在通過大數據促進銷售額提升的過程中，商品推薦功能成了強有力的引擎。亞馬遜貨代采用的商品推薦算法被稱為“協同過濾技術”，該技術可以針對每一位顧客的購買行為進行預測。這樣描述或許有些難以理解，不如舉個例子進行說明。購買過這件商品的顧客也會購買那件商品，凡是在亞馬遜網站上買過東西的人，都不會對這項服務感到陌生，這項服務就是通過協同過濾技術實現的。

下面，我們一起來詳細了解一下這個幫助亞馬遜貨代大幅提升銷售額的利器。作為亞馬遜商品推薦算法的協同過濾技術在營銷領域被稱為“細分”，在統計學中被稱為“分類”。總之，其實質都是將相似的東西集結成組并進行歸類，也就是詳細地劃分類別。亞馬遜使用的協同過濾技術分為兩類，一類是對顧客進行細分，另一類是對商品進行細分。

其關鍵在于把某一位顧客的搜索、購買數據與其他用戶的搜索、購買數據進行對比，分析其購買模式、用戶屬性的相似程度及所購買商品的共性，再結合各個顧客的購買歷史，從而得出“購買這件商品的顧客也會購買那件商品”這樣的購買建議。這個過程實際上就是通過分析每一位顧客的行為記錄、檢索記錄等大數據，向顧客推薦商品的過程。在此基礎上進一步精益求精的話，就會演變為本書多次提到的“0.1人細分單位”。

實現這些功能的前提是一個假設：顧客甲對某款商品的評價與其他和顧客甲情況相似的顧客對同款商品的評價相似。由此，可以進一步推出另外一個假設：雖然顧客甲現在并沒有購買該商品，但情況相似的其他顧客都購買了該商品，所以顧客甲一定也希望購買該商品。亞馬遜貨代推薦商品的基本方針就是在無數的顧客之中找到與當前顧客相類似的顧客，將這些類似顧客已經購買而當前顧客未購買的商品作為推薦商品，呈現給當前顧客。實際上，顧客并不知道其中的內情，以為出現在網頁上的推薦商品恰好符合自己的心意而已。

當然，推薦商品也有利于提高網站的轉化率。亞馬遜收集顧客的行為記錄及其推薦的商品、服務和內容等大數據，其范圍之廣、數量之大實在是令人驚訝，這也促進了亞馬遜貨代推薦準確度的快速提升。