<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>袁怀宾的菜地</title>
	<atom:link href="http://www.yuanhuaibin.com/?feed=rss2" rel="self" type="application/rss+xml" />
	<link>http://www.yuanhuaibin.com</link>
	<description>关注产品设计、需求以及项目管理、个性化研究、数据分析...</description>
	<lastBuildDate>Thu, 20 May 2010 05:37:09 +0000</lastBuildDate>
	<generator>http://wordpress.org/?v=2.9.2</generator>
	<language>en</language>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
			<item>
		<title>【产品设计】被舍弃的购物车</title>
		<link>http://www.yuanhuaibin.com/?p=735</link>
		<comments>http://www.yuanhuaibin.com/?p=735#comments</comments>
		<pubDate>Thu, 20 May 2010 05:37:09 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[产品设计]]></category>
		<category><![CDATA[电子商务]]></category>
		<category><![CDATA[购物车]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=735</guid>
		<description><![CDATA[           paypal在2009年第八次年度商户调研中发现，有大概45%的购物车抛弃率，而导致用户抛弃购物车的主要原因是高运费（占据了46%），而第二个因素就是安全方面的担忧（21%）。eMarketer在他们2009年7月30日的文章《The sad tale of abandonment shopping carts》中围绕做了陈述总结：
运费太贵——46%（你尝试过根据用户所在地的不同个性化设置运费吗？）
想做购物对比——37% （你能够保留这些用户的购物数据30天，以防他们回头吗？）
钱不够——36%（你能够做出一个提议让让他们无法拒绝吗？）
想找优惠券——27%（是你在促使他们在找寻优惠券吗？）
找不到偏好的付款方式——24%（找一个能够收到现钱的办法）
在结帐时发现商品缺货或其他原因无法购买——23%（这个问题应该在产品介绍页就解决，不然会对品牌信任产生不利影响）
找不到客服支持——22%（这可以通过行动点优化（Point of action）来解决。）
安全的顾虑——21%（这也可以用行动点优化和信任的建立来解决）
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=735</wfw:commentRss>
		<slash:comments>1</slash:comments>
		</item>
		<item>
		<title>【Excel2007】如何在图中添加水平横线？</title>
		<link>http://www.yuanhuaibin.com/?p=733</link>
		<comments>http://www.yuanhuaibin.com/?p=733#comments</comments>
		<pubDate>Thu, 13 May 2010 09:00:29 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[数据与分析]]></category>
		<category><![CDATA[Excel2007]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=733</guid>
		<description><![CDATA[（1）需要使用散点图而非折线图
（2）散点图中需要增加一个图例项，该项可定义为误差线的起点或者终点的坐标
（3）添加误差线，水平线的思路是使用误差线，使用自定义的误差线，通过调整误差线的正负误差值来调整线的长短；注意修改误差线属性时需要先点选要修改的误差线。
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=733</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>【Excel2007】如何控制单元格输入数据的范围？</title>
		<link>http://www.yuanhuaibin.com/?p=731</link>
		<comments>http://www.yuanhuaibin.com/?p=731#comments</comments>
		<pubDate>Thu, 13 May 2010 08:54:33 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[数据与分析]]></category>
		<category><![CDATA[Excel2007]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=731</guid>
		<description><![CDATA[ 
问题：如在单元格内，只能输入数据“40—60”和“70—90”，其余数据输入就错误。
办法：选中A1单元格，试试在数据有效性里设公式 ：=OR(AND(A1&#62;=40,A1&#60;=60),AND(A1&#62;=70,A1&#60;=90))
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=731</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>【个性化研究】amazon的个性化推荐</title>
		<link>http://www.yuanhuaibin.com/?p=727</link>
		<comments>http://www.yuanhuaibin.com/?p=727#comments</comments>
		<pubDate>Tue, 11 May 2010 08:49:18 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[产品设计]]></category>
		<category><![CDATA[精华推荐]]></category>
		<category><![CDATA[amazon]]></category>
		<category><![CDATA[个性化]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=727</guid>
		<description><![CDATA[今天抽空整理了一下amazon的推荐相关产品和服务，其专注、专业和专心确实值得敬佩！马屁结束，先上个图，看看他们都做了什么？

简单写几点体会：
（1）无处不在的推荐
从推荐的形式中我们可以看到amazon把推荐服务放到了网站的各个角落，但有一个环节没放那就是进入到付款流程。
（2）百花齐放的推荐
amazon综合了多种推荐服务类型，基于item相似性和相关性，基于浏览/购买历史，基于协同过滤等等，我们都能够很轻松的发现他们的影子，当然amazon并没有生硬的去套这些东西，而是能够根据客户当前查看页面类型，当前关注的产品信息等内容动态的组合这些推荐服务，显得很生动，很贴心。
（3）不断改进的个性化推荐体验
推荐的准确性直接影响客户对于推荐服务的认可程度，推的不准客户不会买账，而要推得准amazon除了组合多种推荐形式外，允许用户提供或者修正推荐所依赖的信息，比如用户可以查看并修改自己的档案、浏览历史，可以对感兴趣的或不感兴趣的商品进行管理和打分，可以通过社区进行讨论、评论、反馈相关商品，而所有这些信息一经修改或产生后直接对推荐的结果产生影响，从而提供推荐的准确性，可以说amazon正在走向推荐准不准客户说了算的时代！
另外一点体会，感觉amazon的推荐做的非常的光明磊落，不遮遮掩掩，不回避个人信息的获取和捕捉，但他们在这些数据的开放和透明以及数据对客户价值呈现角度做的比较到位，值得学习！
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=727</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>【产品经理】大道至简：李彦宏管理思想</title>
		<link>http://www.yuanhuaibin.com/?p=718</link>
		<comments>http://www.yuanhuaibin.com/?p=718#comments</comments>
		<pubDate>Fri, 30 Apr 2010 02:59:45 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[产品设计]]></category>
		<category><![CDATA[学习笔记]]></category>
		<category><![CDATA[产品经理]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=718</guid>
		<description><![CDATA[看李彦宏是怎么管理百度的！]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=718</wfw:commentRss>
		<slash:comments>1</slash:comments>
		</item>
		<item>
		<title>【产品设计】做好手机应用服务需要考虑的因素</title>
		<link>http://www.yuanhuaibin.com/?p=713</link>
		<comments>http://www.yuanhuaibin.com/?p=713#comments</comments>
		<pubDate>Thu, 29 Apr 2010 09:46:56 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[产品设计]]></category>
		<category><![CDATA[3G]]></category>
		<category><![CDATA[手机应用]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=713</guid>
		<description><![CDATA[任何从事移动商务或基于手机应用服务的公司的成功与否，都必然依赖于消费者是否愿意使用手机互联网。哪些因素对此有影响？
第一，手机的个人化特性
我们知道，无论走到哪里，人们一般都会带着手机；手机与家用PC不同，即使是家人之间也不会共用同使用一部手机。因此，当我们准备基于手机来给手机用户提供服务的时候，就一定要强调服务的个性化。对于此，Google推出了Google Personalized Home和手机Gmail服务。
第二，手机的区域化特性
手机总是被随身携带，因此一般都会查找所在位置附近的消息。而这种基于特定区域的服务，则要手机服务提供商要能够及时准确的提供本地化的服务。当用户在手机上输入“电影”这个关键字时，用户可能想找一家电影院看电影。但是，如果在PC上输入“电影”，用户可能是想查找与电影有关的其它资料。通过Google Maps，用户可以查询最近的电影院，放映时间，甚至让用户在手机上购买电影票。不过现在的应用，用户还必须要输入位置或邮政编码等信息；但下一步，Google将使用更先进的手机技术，例如全球定位系统，使手机知道用户所处的位置。
第三，市场和文化特性的影响
在基于手机的服务领域，统一的标准的解决方案是很难行的通的。也就是说在一个地方流行的产品，不一定在所有的地方都流行；在一个地方成功的商业模式，不一定在所有的地方都成功。短信就是一个很好的例子，它在欧洲和中国都非常流行，在美国也在日益流行，但日本人就不使用短信，他们使用手机邮件，因此在日本推出基于短信的搜索应用就没有意义。
第四，使用习惯的培养
利用手机上网冲浪的人并不多，这个使用习惯还没有被养成。而对于这个习惯的养成，我觉得任何一个公司想用自己的力量去推动都是非常困难的，而这个主要的推力必须源于电信运营商，通过运营商的带动才有可能发生根本性的变化。那么，又有什么样的因素能让运营商有决心来对动对数据业务的应用呢？我们都知道，在世界上的不同地区，手机互联网的发展并不相同。我们要能够发现商业模式间的差别，搞明白为什么它在一些地方获得了成功，但在其它地方却没有成功。例如，在日本，使用数据服务的用户要高于美国等其它地区；而美国的手机仍然主要被用来进行语音通讯，但语音通讯服务的价格并不高。如果手机运营商能够认识到，语音业务并不能保证它的未来的时候，他就一定会开始寻找鼓励用户使用手机互联网的新途径，而这正是推动用户使用习惯的最好源动力。
第五，发现用户生活的核心并提供相应的应用和服务
除了上面阐述的源动力之外，想让用户习惯于使用手机互联网的服务，也绝对不只是图铃、看看新闻、听听音乐那么简单，这种单一的娱乐方式不会成为用户生活的核心。所以对于从事移动商务和应用服务提供服务的公司来讲，如何能够给用户提供真正有价值的服务才是成功的关键。
第六，费用
我们知道一方面手机的GPRS流量费用并不便宜，另一方面则基于手机的服务几乎都是收费的。在传统互联网领域，只有收费的服务才要特别说明；而在手机互联网领域，免费的项目才特别说明。费用的不断下调，以及只有对消费者来说真正有价值的内容或服务才收费的理念的建立，才是解决这个问题的根本所在。
第七，交互方式的变革
从硬件角度当前的手机依然延续了原来打打电话，发发短信时代的硬件标准，虽然苹果等公司下了大力气改善但坦白说没有本质性变革，未来的手机应用很大程度依赖手机硬件的突破，这种突破简单来说对于用户操作起来使用起来要非常的方便和生动，这似乎很难！从软件角度来讲，需要做的工作还有很多，但语义的理解我觉得非常重要，通过人类的自然语言来使用和操控机器设备必然是未来的趋势，在这一点上手机首当其冲，但确实很难！！！
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=713</wfw:commentRss>
		<slash:comments>1</slash:comments>
		</item>
		<item>
		<title>【产品设计】精准营销反思</title>
		<link>http://www.yuanhuaibin.com/?p=709</link>
		<comments>http://www.yuanhuaibin.com/?p=709#comments</comments>
		<pubDate>Thu, 29 Apr 2010 09:23:36 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[产品设计]]></category>
		<category><![CDATA[精准营销]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=709</guid>
		<description><![CDATA[上线有几天了了，用户反馈倒是很热闹，说好的人把他捧若珍宝，说不好的就不说了&#8230;热闹总归是好事情，怕就怕一潭死水激不起一丝波纹儿，现在有时间反思一下：
一.不好的：从工具角度来讲存在大的问题：
（1）依然是流量掌控一切，没有流量或者流量很低的情况下，产品价值无从体现，流量太高也不是好事情，忙不过来的。开始预测50%的潜在使用客户从实际情况来看相差不多；
（2）隐私与骚扰问题，虽然系统在设计和实现的过程中考虑到了访客隐私的保护机制，但卖家喜欢的就是访客的数据，数据不给他们他们会非常不高兴，给了他们又担心他们干坏事，意向度无法根本解决的问题，道德约束吧！这或许会成为致命伤！
（3）工具总是给人用的，再好的工具使用者不会用或者懒得用或者没办法用，那么工具也是毫无价值的，坦白说目前高质量的使用者真不多，10%算是乐观的数据吧。
二.好的：从电子商务流程角度来讲弥补了很大的缺陷
（1）信息不对称的局面好像有所突破，对于访客或者买家来说，他访问一个网站基本上能够第一时间获得他想要的信息，而对于卖家来说他的地位就不那么乐观了，除了个访问量似乎什么也不知道，不该知道吗？好吧，精准营销告诉你你该知道的和想知道的。
（2）目前大部分的电子商务网站，包括淘宝在卖家业务流程上来讲，基本上就是发信息，然后等反馈，意识好一点会去做个营销，那么对于网站的接待，对于营销效果的转化，卖家的地位就十分被动了，精准营销恰恰提供给卖家主动出击的机会，结合自己的业务策略可以最大限度的将流量转化为销量，从而将营销效果优化。
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=709</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>【个性化研究】用户分类</title>
		<link>http://www.yuanhuaibin.com/?p=705</link>
		<comments>http://www.yuanhuaibin.com/?p=705#comments</comments>
		<pubDate>Wed, 28 Apr 2010 07:29:17 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[产品设计]]></category>
		<category><![CDATA[个性化]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=705</guid>
		<description><![CDATA[         用户分类是实现网站个性化的一项重要工作，我们可以根据需要进行多种分类，可以根据访问内容分出用户的各类兴趣爱好：如喜好足球的、喜好电脑技术的、喜好休闲娱乐的、喜好交友的；根据一般的上网时刻、访问量、上网的总时间、上网总次数等把用户分为一般网友、中级网友、高级网友等；甚至还可以根据访问内容确定用户大致所在的阶层，如白领、蓝领等。
从以往相同喜好的用户的访问内容、访问顺序中进行学习，经过综合、筛选后将其推荐给当前用户。这些推荐信息与用户兴趣间的相关度很高，能很大程度上满足用户的需求。
1.通过日志获取兴趣
           客户浏览信息被Web服务器自动收集，并保存在访问日志、引用日志和代理日志中有效地对这些Web日志进行定量分析，揭示用户兴趣路径等，不但可以为优化Web站点的拓扑结构提供参考，而且还可以为企业制定更有效的市场营销策略提供依据，使其及时改进决策，获得更大的竞争优势。 目前，Web日志的挖掘研究主要集中在用户浏览模式的获取上，算法大致思路是它们先将日志中的用户浏览历史记录转换成一个浏览子序列集，具体如下：
（一）最大向前序列法：最大向前序列法根据用户折返的特性形成若干浏览子序列；
（二）参考长度法：参考长度法根据用户在网页上停留的时间形成若干个浏览子序列；
（三）树形拓扑结构法：树形拓扑结构法则把整个日志当作浏览子序列然后利用关联规则法对浏览子序列进行挖掘，找出频繁访问路径。
         以上算法单纯地考虑了浏览频度，简单地认为用户的浏览频度就反应了用户的访问兴趣，这很不精确网页浏览频度的影响因素有很多，其中的页面放置位置和其它页面对该页面的链接都起着非常重要的作用，所以有必要提出一种可正确挖掘用户浏览兴趣路径的算法。
2.个性化聚类
          作为一种重要的知识发现方法，数据聚类主要用于发现属性间有用的模式和（或）关联（统称为知识），对于大规模数据集的探测性分析有着重要的作用。
（一）效率问题
          由于操作的对象是海量数据，所以其效率也就显得特别的重要。为此，近年来除了对聚类算法本身寻求改进以外，还对算法的并行化进行了大量的工作，以充分利用了当今计算机的综合计算能力，缩短聚类过程所需的时间。而且数据聚类的相应技术已经在图象处理，模式识别，信息融合等各个领域里都有重要的应用。
（二）质量问题
            发现知识的效率固然重要，但是发现后所得到的知识的“质量”也同样不可忽视。一般来说，一个知识发现系统是面向多用户的（或者说是面向多应用的）。如果一次聚类所得到的知识多于、或少于、甚至根本不是当前用户所需要的知识，那么这些知识对当前用户而言就是存在所谓的质量问题。例如，对于一群学生，教学工作者可能需要把他们分为一年级学生、二年级学生等；而对于同一群学生，医务工作者则可能把他们分为甲肝患者、乙肝患者等。显然，如果一个教学工作者去操作知识发现系统的时候，系统按患病情况进行聚类时，其结果是不能接受的。
（三）理想情况
         所以理想的情况是，不但要高效地产生所需要的知识，而且产生的知识要能够满足用户的实际需要，不存在与用户需要无关和多余的知识。当然，这些知识是在反映属性间内在客观联系的前提下满足用户需要的一种知识。该文通过聚类的方法获得仅满足用户需要的知识（不存在无关的知识）的过程，称为个性化聚类，相应的知识就称为个性化知识。在当今信息的海洋中，研究个性化聚类，发现个性化知识，对于减少用户的工作量、提高工作效率和正确率、以及进一步推动信息处理系统向智能化和实用化方向发展有着极为重要的现实意义。
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=705</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>【个性化研究】个性化信息获取方法</title>
		<link>http://www.yuanhuaibin.com/?p=699</link>
		<comments>http://www.yuanhuaibin.com/?p=699#comments</comments>
		<pubDate>Wed, 28 Apr 2010 07:15:49 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[产品设计]]></category>
		<category><![CDATA[精华推荐]]></category>
		<category><![CDATA[个性化]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=699</guid>
		<description><![CDATA[目前，Internet网上站点从不同角度出发，采用了不同的用户个体特性采集和个性化信息传递方法，主要有以下四种方法。
1. 界面定制法
       界面定制个性化信息服务是根据用户需求对用户个体所需的系统界面、资源集合、检索工具与技术、检索利用服务过程、检索结果等进行定制。在理想情况下，系统应提供以下定制功能：
（1）方便实用的定制工具；
（2）用户能对系统提供的定制内容进行选择、引入或自定义定制内容、组合定制内容、调整定制结构；
（3）查看定制效果；
（4）对定制信息进行修改、存储和管理；
（5）根据用户使用选择倾向和历史统计自动修改定制信息。
        从个性化程度讲，定制应能充分支持和展示个人的特色，允许用户积极参与界面的定制，通过填写表格，用户指示出自己的需求和选择，并依次决定所需的内容和对话界面的外观。一般系统为用户提供一个基础模板，用户根据需要从中选择或添加相关内容。用户定制的数据存放在服务器端数据库里，在用户登录时系统确定用户身份，调用相关定制信息，并利用定制信息匹配系统数据或过程，动态生成个性化的系统形态和系统行为。
       界面定制至少包括界面结构的定制和界面内容的定制。
（1）界面结构指对话界面的总体模块类别和布局形式，例如页面将包括哪些模块或服务，各模块的布局方式(上下或左右或层次)，有关图像、菜单等的位置设置，界面色彩设计等。
（2）界面内容定制主要是对各个信息或服务模块的具体内容进行定制。这种形式定制的个性化信息服务效率依赖于用户定制的能力和动机，如用户不愿花费力气建立复杂、准确的个性化特性，这项服务就不会发挥作用。而且所定制的界而是静止不动的，不会随用户的需求而变化，除非用户能及时调整和更新。
2.点击流分析法(Click Stream Analysis)
           点击流分析法是采集用户在站点上运动情况的方法，可用于跟踪记录访问过的链结点，包括用户的来源地点、浏览站点的路线和最终到达的目标，链结分析包括对点击过的链结的观察、它们在屏幕上的相关位置、用户在网页上停留的时间以及点击过的链接间的关系和最终结果(象用户是否发生了电子交易等)。通过对这些数据的有效分析，不但能够对网站的建设起到指导作用，增强网站的黏着度，而且也能够反映出企业在市场、销售、服务和财务等各个方面的状况。总之，对这些数据深层次分析能够使网站改善客户关系、培养顾客忠诚、增加网上销售和提高服务质量。
          在电子商务网站环境中，点击流分析的已经远远超出点击流的范围，而成为企业了解经营状况、了解客户行为的有效工具。点击流分析以WEB上的点击流数据为基础，利用OLAP、数据挖掘等技术满足电子商务企业的所有人员(市场、销售、工程与管理)的需求，不同的部门有不同的需求，通过对点击流不同数据的分析来达到不同的目的。
          (1)网站点击分析
          网站点击分析是点击流分析的一个重要部分，网站点击主要回答了市场开拓部门所关心的以下问题：1网站的哪个部分或产品吸引了最多的访问者；2网站的哪个部分导致的直接购买行为最多；3网站的哪个部分是多余的或者很少有访问的；4哪个部分是会话结束最多；5哪个部分进入的购买会话或其他类型的会话最多；通过对这些问题的充分了解，市场开拓部门在进行网上广告宣传时就会有比较好的倾向性，也利于有倾向的发展广告客户。
        (2)点击状态分析
        访问者的每次有效点击都是对网站服务器的一个资源请求，因此点击状态等同于请求状态。请求状态是指对于一个访问请求，服务器返回的结果类型。其中，对网站影响最大的请求结果是：资源错误，请求失败。作为网站来讲，实时监测请求的错误情况，找出故障原因并及时排除是至关重要的，点击状态分析提供实时的网站质量报告，给维护人员详细的故障信息做指导，评测故障恢复时间和影响范围。
          (3)客户关系管理(CRM)
          客户关系管理也是点击流分析的一个重要内容。点击流分析中的客户关系管理通常回答了以下几个方面的问题：

一个新用户的会话模式(Click Profile)是什么样的；
退出客户的会话模式通常是什么样的；
给网站带来利润的客户会话模式是什么样的；
取消服务的客户会话模式是什么样子的；
抱怨和投诉客户的会话模式是什么样的；
怎样可以吸引一个访问者成为网站的注册用户；

         通过对这些会话模式的分析，为市场、销售等部的CRM提供了数据分析基础。对客户群体进行划分，找到网站所关心的客户，如潜在客户、有价值客户和保持客户等。
3协调过滤法(Collaborative Filtering)
          协调过滤法把一个用户的偏好与其他用户的偏好进行比较，建立同偏好群体的描述。然后假定这个特定用户与这个同偏好群体的需求相同，对其需求内容进行推荐。协调过滤法的基本机制是：
（1）登记团体人群的偏好；
（2）用相似测度法，挑择偏好类似的子群组；
（3）对子群组的偏好加权平均；
（4）利用由此导出的偏好函数(preference function)为用户作出推荐。如相似测度法确实挑选了具有相似偏好的群体，那么，根据该群体确定的选项满足用户个体的几率就大。协调过滤法较典型的应用是推荐图书、光盘或电影。也可用于文献、服务或产品的挑选。
          目前协调过滤法存在的主要瓶颈是用户偏好的收集。为增加可靠性，系统需要大量的人群(数千)在数量相对大(数十)的选项中做出选择。这需要众多人群的共同努力。避免这个问题的方法是采集隐含在用户行为中的偏好。例如，从网上书店订购图书的人们，在他们订购的过程中含蓄地表达着他们对图书的偏好。已经购买了与他们相同图书的顾客则有可能具有与他们相似的图书偏好。这种方法由Amazon网上书店采用，Amazon书店为每本书提供了相似人群购买的有关图书书目。
4.Cookies方法
          Cookie不再是Internet上的新名词，但对个性化信息服务仍然有用。Cookie是由站点发送的小数据包并存储在浏览器一侧，因此作为用户的唯一标识可以在服务器一方(发送Cookie的站点)，重复使用。Cookie提供了追踪用户的方法。它给用户加标识，更确切他说是给用户的浏览器文件加标识，当再次访问发送Cookie的站点时，浏览器被当作唯一可以鉴别的实体。在浏览器中用作Cookie存储的用户信息在以后的访问中能够被发布站点调用，也能够在重复地访问中更新。它构成了到存储在服务器(提供方)方的指定文档信息的连接。Cookie可用于存储用户的其它信息——用户自己提供(填表格)的资料、最后一次访问的时间和其它的对话信息。
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=699</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>【个性化研究】客户细分三点总结</title>
		<link>http://www.yuanhuaibin.com/?p=697</link>
		<comments>http://www.yuanhuaibin.com/?p=697#comments</comments>
		<pubDate>Wed, 28 Apr 2010 06:10:28 +0000</pubDate>
		<dc:creator>袁怀宾</dc:creator>
				<category><![CDATA[产品设计]]></category>
		<category><![CDATA[个性化]]></category>
		<category><![CDATA[客户细分]]></category>

		<guid isPermaLink="false">http://www.yuanhuaibin.com/?p=697</guid>
		<description><![CDATA[群体个性化的三个体现：
（1）客户群之间有什么不同？
（2）提供的价值有什么不同？
（3）提供价值的过程有什么不同？
客户细分必须回答这三个问题！！！
（1）客户细分必须确保清楚的描述每一类客户，确保同类客户具有相同或者相似特征，分类之间必须界限分明、严格区别；细分标准一定是从客户出发而不是从产品出发，要选择能够衡量客户价值的因素来区分不同客户的需求
（2）对不同的客户一定要真正做到区别对待，通过鲜明的价值定位与竞争对手区别开来，从而让客户感觉到明显的不同，从而在其心中占据特殊地位；
（3）客户细分必须能够为产品和服务提供指导，任何客户细分的结论如果不能完善运营流程改善产品和服务，就没有任何意义。
]]></description>
		<wfw:commentRss>http://www.yuanhuaibin.com/?feed=rss2&amp;p=697</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
	</channel>
</rss>
