只要问1个简单问题 就能准确达到客户需求

一名训练有素的音乐学家会花二十到三十分钟聆听每一首歌曲，并根据数百个面向或潘朵拉称为基因的属性上，对这首歌进行评等。一种算法则使用这些评等来挑选相似的歌曲。与协同过滤不同的是，这个算法对歌曲的了解更多，对人的了解较少。潘朵拉于二○一八年被天狼星XM（SiriusXM）以三十五亿美元收购，目前这项科技被用来为天狼星XM旗下的一些网路电台筛选歌曲。时间一久，协同过滤和内容算法被组合在一起使用。由于它们有互补的优缺点，这么做也是有道理的。

早在二○一三年，网飞就制作了超过三千三百万个版本的网站。为了做到这一点，网飞必须了解一些关于客户的有用资讯。其中一些知识来自网飞的推荐系统。有人估计它为公司增加了十亿美元的价值。后文会讨论推荐系统，但我想先谈一个更广泛且有时更简单的概念，那就是使用者模型（user model）。

当我们为了增加对选择者的有用性，客制化一个网站时，是因为认为了解该使用者。这种认识，也就是对一个人的想像，促成了客制化。虽然使用者模型有时可能是复杂的分析系统，但也可能非常简单。

记住当你登入时网飞询问的第一件事，那就是谁在观看？旁边还有三个按钮，通常会是你的名字、你伴侣的名字和“子女”。网飞会在一开始就问这个问题，是因为每个使用者的客制化内容是不同的。

还记得先前谈过的那间德国大型汽车制造商GLAM吗？他们对客户提供许多选择（比如买家可以从十六部引擎中选择），但不明智地为他们和客户将最便宜的选项定为预设。由于预设引擎被选中的频率更高，他们开始担心预设引擎可能会让一些客户不高兴，更别提最便宜引擎的销售量增加所造成的不愉快了。

我们建议他们对不同的客户做客制化的预设选项，并将此称为智慧型预设选项。主管们喜欢这个想法，但有一个小问题。他们不想投资一个复杂的推荐系统，来对每个用户推荐不同的预设选项。构建这样一个系统需要付出很多心力，而且可能没有这么有效。汽车不是经常要购买的商品，关于以往购买哪款车型的资料可能没那么有效，因为人们的需求在两次购车之间会发生变化。

一个三十岁的人，上次买的是一辆跑车，但现在可能需要一辆家用轿车或SUV，因为自从上次买车以来，他已经结婚生子了。而且，并不是所有在GLAM公司网站上购车的人，都是买过GLAM车子的顾客，他们甚至可能完全没有买过车。

GLAM有一个聪明又简单的想法：“我们为什么不直接问人们，他们想买什么样的车？”于是就打造了一个登入页面来问这个问题，选项如下：

●  一辆家用车。 ●  一辆跑车。 ●  一辆省油轿车。 ●  一辆越野系房车。