我们每位购物者，在电商平台上进行日常的商品浏览，搜索，购买等行为，都为平台提供了大量的用户行为数据，而亚马逊正是利用海量的用户数据进行大数据分析，用户画像，最终为每一位用户提供前所未有的购物体验：量身制定的个性化的网络商城，精准营销，帮助用户找到感兴趣的商品等等。
1.收集并分析用户数据
用户在购物网站上会产生四种数据，即时数据，行为数据，社交数据及属性数据。
即时数据包括用户输入的搜索关键词，浏览的商品页面地址。
行为数据：用户购买的商品，关注和收藏的商品，及在页面停留的时间，查看用户评论等浏览行为偏好。
社交数据：兴趣爱好，观点态度。
属性数据：用户性别，年龄，职业，居住地。
从用户搜索关键词开始，到访问商品页面，完成购买整个流程进行采集分析
对用户浏览倾向偏好，兴趣爱好和观点态度等信息进行采集和分析。
2.细分用户群体，精准推荐
根据感兴趣的商品对用户进行群体分类，并向他们推送与兴趣一致的商品广告会有效地提高销售率。而要想对用户进行群体细分，就需要依靠大数所技术来满足这一需求。
亚马逊基于大数据开发了聚类模型，并根据用户的行为数据对用户进行群体细分，目标是把具体一个用户分配到与他最为相似的已有用户细分群中。算法分析该细分群中用户的购买历史记录与商品评价，从而生成商品推荐列表，推送给该用户。
3.商品匹配组合推荐
亚马逊又开发了商品到商品的协同过滤算法：即对于给定的某一商品，通过分析它的各种属性并基于大数据技术的算法找出与之最为匹配，也即用户倾向于一起购买的商品，从而建立起一个匹配的商品链表。在用户购买过一个商品的同时，向他推荐这些关联购买商品的成效率更高。
4.独一无二的个性化网上商店
亚马逊利用大数据技术为每一位用户提供了个性化的网上商店，这种创新基于之前采集到的用户兴趣数据。登录个人账户后的亚马逊主页上，点击 “为我推荐”链接，会把用户引入这样一个购物区域：亚马逊根据用户以往的购买历史和商品领域，利用算法寻找相似商品，生成用户可能感兴趣的商品推荐列表，用户可以对这些被推荐商品进行评分，还可以查看这些商品被推荐的原因。
作为卖家日常运营要明白理解亚马逊的买家推荐原理。这样才能更好的优化自己产品的Listing，做好广告投放等。
跨境卫士版权所有。
