随着大数据的应用，营销方式已从简单粗暴的推销，变成了精准营销，智能商品推荐系统成为了各大购物网站的核心功能。

然而，这种看似人性化的用户体验是方便了用户？还是让用户更加困扰？

接下来我以一个例子来说明这种情况

小明（人物）在家（环境）需要一双夏天的拖鞋或者凉鞋（需求），所以他打开了淘宝（工具）进行购买，两天之后他收到了货物很高兴（结果），这次良好的购物体验让他想再次网上购物（行为），买一条夏季短裤（二次需求），他打开淘宝，发现推荐给他的是这些：

小明看到推荐给他商品大多都是拖鞋凉鞋，而且很好看，产生了纠结，可能有以下三种情况：

1.用户喜欢上推荐给他的款式，把之前的商品退了，购买新的。此过程浪费了用户的时间成本——结果可能导致用户觉得网购太过麻烦，而直接选择线下购买。

2.用户喜欢上推荐给他的款式，但怕麻烦没有退货，再次购买。此过程浪费了用户的金钱成本——结果可能导致用户冲动消费而产生的负罪感从而卸载产品。

3.用户还是喜欢自己之前购买的产品，对推荐的不感兴趣，没有购买需求。此过程浪费用户的感情和精力，浏览“无用”信息。——结果导致用户体验不好，用户可能会选择放弃使用此功能。

此时智能商品推荐系统还人性化吗？

它其实在消费用户，就像卖场的导购人员一样讨厌，而且是在重复推荐同一类产品！

接下来我们要分析并改进这种情况

首先我们要明知道智能推荐的原理，智能商品推荐系统俗称“猜你喜欢”这一块我们通常称之为CF-协同过滤。
（1）基于“用户”的协同过滤
一种最古老的算法。给用户推荐和他兴趣相似的其他用户喜欢的物品。兴趣相似度通过计算行为相似度来展示，即将用户的各种行为映射成多维空间的向量，通过计算向量的相似度（常用的有余弦相似度、欧式距离等）得出。
（2）基于“物品”的协同过滤
目前业界应用最多的算法。给用户推荐和他们之前喜欢的物品相似的物品。

具体的我也不是特别明白，不过其本质上都是利用大数据进行处理运算得到商品推荐结果。

那么问题出现在哪里？

把大数据用于互联网商业，不会有错，这是未来的趋势。但以交互设计和用户体验的角度，此种方式缺少至关重要的一节：人性化设计。

经过交互设计的一些改良，再次举例：

小明经过昨天网购买了一双舒适的拖鞋，想再次购买一个夏季短裤，当打开推荐，发现：

小明发现不用自己搜索，系统就自动推荐了短裤和T恤，小明考虑了一下，决定直接在网上买完夏季需要的衣物，省得以后麻烦。最后小明挑选了一个短裤，两个T恤，还有一个遮阳墨镜加入购物车进行付款。

对小明而言这是一次愉快的购物体验，因为节省了他太多时间精力；对商家而言，利用了智能推荐系统成功绑定销卖商品。这种双赢局面才是智能推荐系统的价值。

智能推荐的优化和情感化设计

对于智能推荐，在基于大数据的基础上，还要进行情感化分析：

比如：拖鞋——夏天——热——短袖/短裤——阳光——墨镜/防晒霜等等——

这种联想的方式会让一个搜索商品变成一个商品链，而且是适应用户的商品链，大大增加了用户的购买欲望和需求。

如果想进一步提高用户体验，需要继续而充分的利用大数据

比如经过大数据的统计和分析得出用户信息关键词：女性，喜欢白色，爱穿裙子，各子高挑，微胖，爱美。

通过以上信息只能推荐应该给出的商品是：宽松的女士白裙子、百搭宽松打底衫、防晒霜和修复乳等等

永远要替用户着想，减少用户的选择成本，帮助用户把事情简单化，甚至一体化。

可能作为交互设计师，你需要花费一年的时间减少用户一秒的时间成本，但这就是一种用户体验上的成功。

还是那句老话，不管时代怎样进步，技术怎样进步，以用户为中心永远是交互设计的第一原则。