第二种情形是会员优惠券设计。优惠券包括电子形态的、手机APP里的优惠券。这些优惠券是根据顾客的购买数据动态、自动生成的。比如顾客结账的时候，优惠券和购物小票一起就打印出来了。优惠券种类很复杂，结构很精巧，可以根据顾客分品种购买额设计，通常都有时间和品种限定。比如要在一周内用完，或只能购买某些特定的品种(这和推荐商品有点类似)。
优惠券还有一些超出我们想象的应用。比如，发现一位顾客从来没有买过牛奶，但也给他牛奶优惠券，用于测试他是不是在其他的商店购买。如果他用了优惠券，那就证明这位顾客原先很可能在其他商店购买牛奶。这个结果出来之后，就可以给他更多的牛奶优惠券，这样就可以对竞争对手形成一定的影响。
基于会员制、积分制以及购买记录的优惠券系统，是目前商业智能的主要形态。优惠券越来越丰富，也越来越有意思。优惠券系统在欧美发达国家是很成熟的系统，可惜我国大部分零售企业用得比较粗放和简单。
第三种情形是商品的推荐和交又销售。如果某顾客购买某种(或某几种)商品的时侯，通常还会买其他某种(或某几种)商品，这就构成了一个事实关联。根据这种关联，可以将相关的商品一并向这位顾客推荐。还有一种关联称作逻辑关联，它是根据某些事实作出的延伸性的合平逻辑的判断。例如一位男顾客买了纸尿布，他很可能是孩子的爸爸，于是向他推荐奶粉。
以往将商品整合起来的推荐，其逻辑都比较僵化和直接一比如位朋友跟我说，他为家里的老人看过墓地，结果连续一个月都有商家向他推荐骨灰盒。随着人工智能技术的发展，未来商品推荐将会更加多维和准确。例如，根据顾客的购买行为推断他可能对哪些商品感兴趣，进行横向的相关产品推荐和纵向的上下游产品推荐。顾客买了电吹风，解决了头发的问题，再推荐一个剃须刀解决胡子的烦恼，这是横向的推荐；顾客买了榨汁机，同时推荐用于榨汁的水果，这是纵向的推荐。未来可能还有更加智能的跳跃式的、非单一线性逻辑的推荐。比如，某人经常买些高档次的古典交响乐唱片，人工智能系统推断出这个人可能属于文化层次、收入水平比较高，行为做派比较西化的，那是不是可以给他推荐一款暗花怀旧型领带?这个行动跨度比较大，但真正具有智能推荐的意味。
第四种情形是根据现在的购买行为推测未来的购买行为。这在技术上比较困难，但却是未来人工智能的重点。其模型之一是顾客的消费生命周期；方法是基于顾客消费生命周期现阶段的行为特征推测出下一阶段的行为特征。例如，一对小夫妻刚刚结婚，现阶段主要购买家庭生活用品；通常情况下他们下一阶段的消费主题就是母婴产品了(当然，先要判断他们]有无怀孕计划)。商家在顾客下一个消费主题出现之前或尚在萌芽状态时，就可以未雨绸缪，提前与顾客互动、引导顾客消费
推测网站制作顾客未来行为的第二种模型，是根据顾客目前的行为刻画顾客的生活态度、生活方式和消费心理；在此基础上推断出顾客将来可能出现的购买行为。例如，某一顾客的购买记录证明他是年轻的、追求时尚的、喜欢运动的、有活力的，那么他将来可能喜爱及购买哪些风格、调性、功能的产品和服务，就会有一个较为清晰的轮廓、指向和范围。这是零售商店与顾客一对一地精准、高效交互以及进行前瞻性的愿景营销的依据。
本文地址：//www.gogoparty.cc//article/2989.html
