正在阅读：隐藏在网络背后的财富 电子商务架构全书隐藏在网络背后的财富 电子商务架构全书

　　购物车技术会带有一个产品目录，该目录是以数据库的形式存储于商务服务器中。商务服务器是商家购买的用于数据存储和系统管理的工具。数据库是商务服务器的一部分，存储和记录庞大的商品信息。比如，一家网上服装零售商的数据库通常会存储产品的规格，像物品描述，尺寸，购买信息，库存量和订单信息等。数据库还会存储消费者的信息，如姓名，地址，信用卡信息和购买记录。亚马逊就是这一类型电子商务的典型例子。

亚马逊

　　亚马逊在服务器端也使用一个数据库来存储所有商品的详细信息，并允许消费者在客户端使用客户机/服务器应用程序提供的特定方法对这些信息进行搜索和访问。这个庞大的数据库还允许商品的交叉引用。譬如，一本小说有可能会罗列在多个不同的目录下（小说，畅销书，推荐书目）。

　　亚马逊还设置一个数据库专门来为它的回头客服务器。该数据库为该顾客之前的所有交易进行记录，包括购买的商品，货品托运方式以及信用卡信息。在这些顾客重新浏览网页时，他们将会收到带有他们名字的欢迎信息。亚马逊还会根据存储于数据库中该顾客的购买记录，推断他的喜好，罗列出推荐购买的商品。通过对这些顾客数据的检测，亚马逊充当了导购员的角色为顾客提供量身定做的服务。而且，亚马逊计算机系统的其他促销形式，也全都是自动化的，完全摈弃了人为的因素。

亚马逊的物品对物品算法

　　推荐商品系统是亚马逊主要的市场工具，并广泛地应用于迎合单个客户的习惯和品位，从而达到定制和个性化网站的目的。在用户登录之后，用户可以点击“My Recommendations”连接，进入到推荐商品区域。在该区域，用户会看到系统已经根据他们之前的购物记录过滤了的推荐商品，以及他们以前购买过的商品。此外，在此个性化领域，客户还会看到基于他们购物车中现有的商品所作出的推荐商品。

　　这种物品对物品的算法就用于根据用户之前的购买习惯，搜索与用户已经购买的商品相关的其他商品，从而生成推荐商品列表。商品之间的相关性不但取决于用户的购买历史，而且该算法还会监视其他用户在购买该商品时同时会购买的其他商品的组合率。这种组合率越高，则两商品的相关性就越大，具有高相关性的商品就会被罗列在推荐商品列表中。

　　打个比方，如果一个用户购买了或者高度评价“The Mystery Science Theater 3000 Collection, Volume 1”，那么推荐商品系统就会查找其他用户在购买该DVD的同时还会购买的商品。越多的用户出现相同的购买商品对，那么这样的组合就越有可能成为推荐商品。亚马逊的推荐商品系统不但只对自己网站上的商品进行统计，还会监查其他电子商务网的商品配对情况。因此，就算对于新的用户或者临时用户，亚马逊依然能够罗列出高质量的推荐清单来。

亚马逊推荐商品列表

亚马逊电子商务服务（Amazon ECS）

　　Amazon ECS允许开发者进入亚马逊庞大，详细的数据库，访问产品信息，来增强自己的电子商务应用程序。用户一旦注册了账号，就可以免费地访问亚马逊数据库。这些查询操作能提供记录在亚马逊产品目录上任意产品的大量的信息，包括产品数据（名称，价格，图像）以及从亚马逊客户那收集来的反馈信息（如产品评述，期望商品清单，Listmania!清单）。通过收集Listmania!清单和期望商品清单上的信息，不但能建立一个更加健全的商品推荐系统，而且还能为新手和临时用户提供详细的商品推荐表。>>