今天路上听到两个女生的对话：“你今天干什么了？”“逛了一下午的淘宝，每次在淘宝上选东西就要选一天”。于是想到许多电商平台上都会出现的类似“猜你喜欢”、“相关推荐”这些个性化推荐，比如我在亚马逊上面买了一本《人人都是产品经理》之后我再登陆亚马逊就会给我推荐《结网》这些同种类的书籍。但要明确的几点是：人是多面性的，今天刚好想看这本书就顺手买了这本书；我们有很多购买渠道，比如可以在线下书店，线上购买可以去亚马逊、当当、淘宝等；我们买的东西不一定是买给自己的，可以是买给妈妈或者是买给同学。这么多的可变性因素的存在也就让个性化推荐变得很困难，仅仅通过几次在同一电商平台上的购买行为确定出来的个性化推荐就像是我路过一家便利店，想到给同学买一瓶水就进去买了瓶水，以后每次路过那家便利店店员都会问我需不需要矿泉水一样，不但不能让用户获得需要的商品，反而会因为一些推送而让用户产生反感。
· 打通账号体系，找到用户购买习惯。之前淘宝在双十一期间在线下和银泰合作，银泰设置天 猫商品专区，消费者可以在店里试衣，然后扫商品条码放入天猫的购物车里，在旅游型商圈西溪天堂 阿里巴巴与线下商城合作，推出虚拟会员卡，想要打通下上线下购物和会员体验，我们可以隐隐想象到阿里想要打通线上线下用户购买行为的想法。获取用户的购买行为以后就变成了我们常说的“大数据”，从数据中找到用户的购买习惯，建立用户角色模型，线上线下用户一网打尽。
· 由点到面，增加用户角色模型。在一个用户的购买行为中会出现一些偏离用户购买模型的购买行为，那些就有可能是用户一些突发奇想的购买行为，更多的部分是为自己认识的人代买的，比如：亲人、朋友、同事等。那我们是不是就可以产生这样的假设：小A经常会为妈妈购买一些日用品，妈妈是因为不怎么会用淘宝所以经常让小A帮忙代买，那么我们就可以通过那些偏离小A购买习惯的数据中整理出有共同特点的购买行为（比如：四五十岁左右的女性会购买比较深色的那些具有年龄特点的衣服），于是在小A之外又建立出了第二个用户模型。当然了，只由一个用户引发出来的第二个用户模型可能会不太准确，这时候如果能从小A哥哥姐姐这些也为妈妈购买过东西的用户购买行为中提取出为妈妈购买物品的这些购买行为，结合起来就能形成更加准确的关于妈妈的购物喜好。这时候再根据这些购物喜好向妈妈定向进行个性化推荐那么是不是就有更大的可能性让妈妈购买这些推荐的商品呢。这也就解决了怎么向那些不直接在网站上用自己账号购物而让别人代买的用户进行个性化推荐，从一个用户为起点扩散开来获得多个用户。
