你曾经在寻找值得观看的电影时遇到过问题么？或者是为了找合适的礼物想到头痛？或者不确定接下来读哪本书？不只是你自己遇到过这种问题。

在学术上，我们称这种情况为——

【发现鸿沟】

查找或者猜想

在线零售商擅长帮助销售者找到他们已经知道的商品（查找商品）。如果你知道你要寻找的电影、产品或书的名字，你只需要几秒钟就可以从众多选择中找到它。

但是如果你恰好事先不知道你具体要找的是什么呢？在线零售商们一贯的做法是将你引导到他们的热门商品——也许是最新的畅销巨著，也许是这周纽约时报畅销书作者。但是通常情况下，这些畅销商品并不符合你的需求。

安德森·霍洛维茨的搭档班尼迪克·埃文斯最近指出了这个发现鸿沟：

亚马逊擅长销售书店前面放在桌子上的东西，或者一年售卖淹没在百万书籍中的一本。但是若要它展示给你书架背后的东西，它就做不到了。它没不擅长把你不知道的或者你不知道你需要东西卖给你，除非你自己看到了它。
 

搜索

搜索是最基本的发现方法。

不知道接下来要读什么书？那就搜索一下亚马逊的小说条目，从这里开始吧。

互联网发展的早期，搜索被认为是一种独立的 产品类型；现在，搜索加入了新功能，支持按照价格、评价、作者或其他元素进行筛选。这些都是用户喜闻乐见的功能，但是对于在实体店搜寻而言，在线搜索是一件既耗时又没有常常没有结果的事情。

在亚马逊网站搜索小说分类

个性化服务

第二种解决方法是为顾客提供“手把手”的服务。例如，Trunk Club和Stitch Fix-两个在线服装零售商-为每位顾客都配备一名私人顾问，顾问会了解他们的个人品好并给出每月的衣物配送单。对于高端商家来说，大额商品才能使用高端定制，低利润商品不适用这个方法。

在线制衣零售商Trunk Club 通过私人导购的方式为顾客提供帮助。

社交信号

有一种替代方式可以将顾客和私人服务联系起来，那就是允许他们的社交网络按照相似的方法运行。

Facebook显然是一个再合适不过的例子。基于你在网站的行为来显示新的信息。但正如Benadict Evans在她的前瞻性著作中指出来的那样，Facebook在信息展示方面的成功方法，在商品购买环节上却不适用。像Foursquare这种的app可能发挥引导作用，通过展示你朋友在咖啡店和饭店的签到记录，来帮助你在不知道去哪儿吃饭时下决定。

但是一般而言，社交信息在用户抉择时（我该定A酒店还是B酒店）是非常有用的。我认为在搜索中加入社交信号作为附加的社交语境信息是有用的，但是不应该是发现的主要方法。

Foursquare 在搜索结果中增加好友信息来提高搜索体验

个性化定制

第四种方法是运用数据驱动的个人定制，首先去了解用户的品味，然后去围绕着这些喜好特性去定制他们的在线体验。

一个私人助理也可以拿到用户对这些定制的反应，但是我们使用机器学习而不是人工的方法来实现。这些因为它耗时少且便宜，在按照常规方法创建代表性用户将会耗费巨大的时候，基于算法的个性化定制将会发挥很大的作用 。

比如，找到新的音乐。五月份的时候，Techcrunch提到说：Apple Music，Todal和最近的Spotify在音乐推荐方面的尝试都失败了，因为他们都囿于传统的博客时代的显示格式。 不过Spotify通过在推荐的其他专辑旁边增加了一个“播放排行周榜”的功能，解决了这个问题。播放列表每周一更新30首它认为你可能喜欢的歌曲，该功能的用户使用量很大。

Spotify的“播放排名周榜”每周为用户提供一个新鲜歌曲的混合列表

我们的创业项目Arema.co 了解用户喜欢的咖啡类型时也使用了这个方法，从而能够为用户推荐其他相似的咖啡。

Crema.co 了解你喜欢的咖啡咖啡，并为你提供个性化推荐。

然而，并不是所有技术驱动的个性化定制都是有用的。拿亚马逊为例，他们的推荐机制已经运行很久了，但是他们“购买此商品的顾客也同时购买”功能并没有带来惊喜的发现，相反只是表面上看起来有一丢丢相关的产品。其他的尝试也是差强人意，比如Itunes的“相关选项”通常是空的。

缺乏推荐意识

很多在线零售商仍旧将依赖商品外观来售卖商品，未考虑过推荐缺失的问题。要解决这个问题，开始的关键点是提供一个丰富的搜索体验，最好是能够收集用户的社交信息。渐渐的，聪明的零售商能够越来越准确的把握用户需求，给用户打造一种个性化的体验，从而能够帮助用户发现原本不知道自己需要的产品

。