在通过大数据促进销售额提升的过程中，商品推荐功能成了强有力的引擎。亚马逊货代采用的商品推荐算法被称为“协同过滤技术”，该技术可以针对每一位顾客的购买行为进行预测。这样描述或许有些难以理解，不如举个例子进行说明。购买过这件商品的顾客也会购买那件商品，凡是在亚马逊网站上买过东西的人，都不会对这项服务感到陌生，这项服务就是通过协同过滤技术实现的。
下面，我们一起来详细了解一下这个帮助亚马逊货代大幅提升销售额的利器。作为亚马逊商品推荐算法的协同过滤技术在营销领域被称为“细分”，在统计学中被称为“分类”。总之，其实质都是将相似的东西集结成组并进行归类，也就是详细地划分类别。亚马逊使用的协同过滤技术分为两类，一类是对顾客进行细分，另一类是对商品进行细分。
其关键在于把某一位顾客的搜索、购买数据与其他用户的搜索、购买数据进行对比，分析其购买模式、用户属性的相似程度及所购买商品的共性，再结合各个顾客的购买历史，从而得出“购买这件商品的顾客也会购买那件商品”这样的购买建议。这个过程实际上就是通过分析每一位顾客的行为记录、检索记录等大数据，向顾客推荐商品的过程。在此基础上进一步精益求精的话，就会演变为本书多次提到的“0.1人细分单位”。
实现这些功能的前提是一个假设：顾客甲对某款商品的评价与其他和顾客甲情况相似的顾客对同款商品的评价相似。由此，可以进一步推出另外一个假设：虽然顾客甲现在并没有购买该商品，但情况相似的其他顾客都购买了该商品，所以顾客甲一定也希望购买该商品。亚马逊货代推荐商品的基本方针就是在无数的顾客之中找到与当前顾客相类似的顾客，将这些类似顾客已经购买而当前顾客未购买的商品作为推荐商品，呈现给当前顾客。实际上，顾客并不知道其中的内情，以为出现在网页上的推荐商品恰好符合自己的心意而已。
当然，推荐商品也有利于提高网站的转化率。亚马逊收集顾客的行为记录及其推荐的商品、服务和内容等大数据，其范围之广、数量之大实在是令人惊讶，这也促进了亚马逊货代推荐准确度的快速提升。
