為了使網(wǎng)站瀏覽者轉(zhuǎn)變成為實實在在的購買者，盡可能防止瀏覽者在短時間內(nèi)放棄瀏覽網(wǎng)站，提高其對網(wǎng)站的忠誠度，不少網(wǎng)絡(luò)企業(yè)想出各種各樣的策略。對于網(wǎng)絡(luò)企業(yè)分析瀏覽者行為的需求不斷增長，目前，已經(jīng)促使了三個主要的技術(shù)集群來嘗試著解決這一問題 ，它們分別是：點擊流分析工具、基于過濾的協(xié)作推薦信息系統(tǒng)和數(shù)據(jù)采集處理機制。當(dāng)前，個性化已經(jīng)是營銷手段的重要策略，個性化的思想已經(jīng)延伸到各行各業(yè)。在個性化設(shè)計系統(tǒng)的名義下，點擊流分析工具、基于過濾的協(xié)作推薦信息系統(tǒng)和數(shù)據(jù)采集處理機制被粗略地歸為一類，遺憾的是，這三種手段至今為止沒有很好地發(fā)揮其作用，產(chǎn)生有效的結(jié)果。

根據(jù)波士頓咨詢集團最近提供的一份報告，所謂的“從瀏覽到購買”在行業(yè)應(yīng)用中的轉(zhuǎn)換率已經(jīng)跌落至2%以下。而當(dāng)今的個性化系統(tǒng)仍然處在襁褓狀態(tài)之中。為什么這些技術(shù)方法會以如此大規(guī)模落敗呢？原因是清楚而明了的。

一個很簡單的回答是：第一代的個性化設(shè)計工具并不把網(wǎng)絡(luò)瀏覽者作為單獨個體來對待。在這種所謂個性化設(shè)計工具下設(shè)計出來的網(wǎng)站無法調(diào)整自己以適應(yīng)顧客們不斷變化的興趣和欲望。這主要是因為這樣的個性化設(shè)計工具和網(wǎng)站并沒有把顧客當(dāng)前在網(wǎng)站上的行為考慮在內(nèi)。這些局限性很大程度上削弱了精確地推薦相關(guān)商品或銷售信息給顧客的能力，而這些商品和信息很可能對于個別的網(wǎng)站瀏覽者或者個體而言具有很強的吸引力。

要想精確地計算和預(yù)測一個在網(wǎng)站上瀏覽的訪客的當(dāng)前興趣和購買欲望所在，卻要基于一個對其興趣的過時記錄的分析，這樣的策略無疑是失敗的。這點對于過濾信息系統(tǒng)來說尤其如此。此系統(tǒng)基于單一的一項購買來做推薦，或者是基于訪客過去曾經(jīng)感興趣的產(chǎn)品類別來做推薦。

其實這樣的推薦策略，如果用在日常生活當(dāng)中也讓人可笑。例如一位顧客在書店買了一本英漢字典，如果他下一次再光顧該書店，店主根據(jù)之前的記錄也向他推薦英漢字典或者其他字典，這位顧客也一定沒興趣。對于網(wǎng)絡(luò)上的工具，很大程度希望模擬真實世界中人對人的銷售。而這樣的策略在日常生活中都不會出現(xiàn)，為何要把他搬到網(wǎng)絡(luò)中呢？

以一個在網(wǎng)絡(luò)上瀏覽的電腦使用專家作為例子，比如他要購買一本電腦入門書作為禮物。然而他每一次重新訪問該網(wǎng)站或者在瀏覽過程中返回的時候，網(wǎng)站會不厭其煩地向他推薦為新手而準(zhǔn)備的電腦書籍。協(xié)作過濾系統(tǒng)有個關(guān)鍵的問題或者可以稱為致命的問題，那就是這個系統(tǒng)從不接受瀏覽者提供的否定答案。

過時的個性化系統(tǒng)也因為邏輯上的一個常見失誤而無法把網(wǎng)站瀏覽者當(dāng)成單獨個體來對待。即：如果兩位網(wǎng)站瀏覽者在某些方面有共同興趣，則個性化系統(tǒng)會認為他們在所有方面都有共同興趣。而基于這樣的手段作的推薦的實際意義就受到了損害。一個典型的例子可以描述成這樣：有兩位瀏覽者都對海軍歷史方面的書籍感興趣。其中一位是對育嬰書籍感興趣的家長，而另外一個則是單身漢。這種采用“在所有方面都有興趣”的手段的個性化系統(tǒng)就很可能把育嬰類書籍也推薦給這位單身漢?？上攵?，這樣的推薦對單身漢而言幾乎毫無意義。

對于一個網(wǎng)絡(luò)瀏覽者訪問網(wǎng)站的動機，最強有力的顯示是現(xiàn)階段他在網(wǎng)絡(luò)上的實際行為。這就要求具有追蹤瀏覽者訪問過哪些頁面的能力，以及了解他對于哪些推薦的信息有所反應(yīng)或者是忽略了哪些信息的能力。知道了網(wǎng)站的哪些地方被訪問過以及哪些個別的產(chǎn)品頁面被瀏覽過，同時應(yīng)該對瀏覽的時間有所記錄，系統(tǒng)能記錄瀏覽者對某個產(chǎn)品頁面駐留的時間，這才能夠使下一代的個性化系統(tǒng)更好地識別出一個網(wǎng)站訪客當(dāng)前的購買意向。

下一代的個性化設(shè)計系統(tǒng)要想獲得成功，它就要為單獨的每個產(chǎn)品或者是可能被推薦給網(wǎng)站瀏覽者的信息發(fā)展獨立的預(yù)測模型。為了提高這些“預(yù)測反應(yīng)模型”的精確度，除了其他已經(jīng)知道的特性，比如已經(jīng)聲明的個人偏好和過去的購買記錄，輸入內(nèi)容還必須包括單個網(wǎng)站瀏覽者的現(xiàn)時行為。這將有助于網(wǎng)站的市場部經(jīng)理更好地決策，他們的產(chǎn)品或是推薦信息能夠被接受的可能性大校

對于下一代個性化設(shè)計系統(tǒng)而言，如果一個網(wǎng)站瀏覽者不能接受當(dāng)前網(wǎng)站提供或者推薦的某些特定的成品信息的時候，系統(tǒng)會自動記錄下來，并且當(dāng)作一種過濾，避免瀏覽者在下一次訪問的時候仍然看到相似的介紹內(nèi)容。如果系統(tǒng)設(shè)計者和銷售經(jīng)理能夠迅速地認識到這一點也是同樣重要的。在最后的分析中，成功地理解顧客在網(wǎng)絡(luò)上的行為，必須要有自動地調(diào)整到當(dāng)前的顧客需求模式的能力，而不是被過時的需求模式所主宰。