它比你自己，更早知道你想买什么

前几天半夜，我干了一件很无聊的事。

在某家电商的网站上，反反复复看一支微距镜头。看参数，比价格，最后没买，关掉页面，睡觉。

第二天中午，我打开手机上一个跟它毫不相干的资讯 App。广告位里，躺着的正是那支镜头。旁边还配了一句：同款相机包，立减 200。

我愣了一下。

我没在那家电商的 App 里登录过，也没点过任何"同意个性化推荐"。它怎么知道？

这一愣，让我对一件事产生了浓厚的兴趣：AI 个性化。这几天，我把市面上主流的个性化工具挨个翻了一遍。越看越觉得，这事值得跟你聊聊。

什么叫 AI 个性化？

什么叫 AI 个性化？

说白了，就是让机器替你"读心"。它盯着你的每一次点击、每一次停留、每一次加购又反悔，然后猜：这个人，下一步想干什么？

猜中了，就把他最可能想要的东西，提前摆在他面前。

你可能会说，推荐商品嘛，不新鲜啊。电商网站十年前就有"猜你喜欢"了。

对。但十年前的"猜你喜欢"，和今天的，不是一回事。

以前的个性化，是"被动"的。你搜了什么，我记住什么，下次推给你。它像一张小抄，抄的是你的过去。

今天的个性化，是"主动"的。你还没搜，它先备好了。它不光看你的过去，它算你的下一步。

从"响应你"，到"预测你"，这一步，是普通推荐和 AI 个性化的分界线。

这件事值多少钱？

麦肯锡有个研究：增长快的公司，从"超个性化"里赚到的收入，比同行多 40%。

40% 是什么概念？两家公司，体量相当，产品相当，团队水平相当。光是个性化做得好这一件事，其中一家每年就多出一大截真金白银。对很多利润率只有个位数的生意来说，这是能改变胜负的差距。

顺便说一句，什么叫"超个性化"？就是不给"人群"做推荐，给"每一个人"做推荐。不是"30 岁的女性可能喜欢这款面霜"，而是"你，昨晚看了三次的那款面霜，现在补货了"。

一字之差，天壤之别。

它凭什么猜得准？

你想想看，机器凭什么猜得准？

凭两样东西：数据，和持续学习。

你在页面上点了哪里、滚动了多深、在哪一屏走掉了、是半夜来的还是中午来的、用手机还是电脑，这些行为被一笔笔记下来，喂给机器学习模型。模型从里面找规律，然后实时调整：这个人，此刻最该看到什么。

而且它是越用越准的。你今天的行为，会修正它明天对你的判断。

这里插一句我自己的观察。很多人以为个性化的价值就在"转化率"上，其实不止。它一鱼三吃：让人更容易买买买，是转化；让人觉得"这平台懂我"，是留存；把预算从不想买的人身上省下来，是成本。

一鱼三吃，这才是这门生意真正的账。

市面上的玩家，我给你盘一盘

好，道理讲完了，接下来讲干活的家伙。

这一轮翻下来，主流的工具大概是八款：Adobe Target、Braze、Dynamic Yield、CleverTap、Insider、Monetate、Personyze、Webflow Optimize。

一款一款念名单太无聊。我按出身和打法，给你分成四派。

第一派：大厂全家桶

代表选手，Adobe Target。

它住在 Adobe Experience Cloud 里，脑子是 Adobe 自家的 AI 引擎 Sensei。最出名的一招叫 Auto-Target：你做十个版本的页面，它用机器学习，自动把每个访客送到"他最可能买单"的那个版本面前。谁看哪版，它说了算，而且越算越准。

它还能跟 Adobe 的 Real-Time CDP 联动，玩"下一步预测"：根据你刚看的东西，实时换掉下一屏的推荐。

要跑测试，它也不含糊。A/B 测试、多变量测试都拿得出手，拖拽就能搭，不用求开发。再跟 Adobe Analytics 打通，数据看得很舒服。

所以用过的人怎么说？住在 Adobe 全家桶里的公司，普遍觉得顺手。但吐槽也很集中：第一，跟 Adobe 以外的系统集成，复杂；第二，客服响应，一言难尽。

价格是定制报价，没有免费试用。这套东西，本质是给 Adobe 生态里的老住户准备的。你不是它的住户，门槛就不低。

第二派：消息触达派

代表选手，Braze、CleverTap、Insider。

这一派的主战场，不是你的网站，是你的手机：邮件、App 推送、应用内消息、短信，甚至 WhatsApp。

先说 Braze。它的强项是"一对多的精细触达"：根据每个用户的实时行为和预测信号，决定给谁、发什么、什么时候发。它有 AI 文案助手，能照着你的品牌调性批量写消息。圈内口碑很好的还有它的 Liquid Logic，配合 Connected Content，能把一条消息拆出一千个版本。一千个人，收到一千种"专属感"。

价格按用量和公司规模谈，有 14 天免费试用。吐槽点：高级功能对新手不太友好；收入归因和 last-click 分析偏弱，想算清"这条消息到底带来了多少钱"，得自己再搭一层。

再说 CleverTap。它打的是整个用户生命周期：新客怎么养，老客怎么留，流失的怎么捞回来。它的预测细分是个亮点，模型会先告诉你"这批人有流失风险"，你再出手，而不是等人家走了才想起来。实验引擎叫 IntelliNODE，文案助手叫 Scribe。起价 75 美元一个月，30 天免费试用，八款里试用给得最痛快的。

吐槽点：同样是新手门槛。另外它的用户旅程编排，灵活性有限，特别复杂的路径搭起来别扭。

然后是 Insider。这一派里最"AI 原生"的就是它。招牌叫 Sirius AI：你用大白话描述目标，它帮你生成用户旅程、写文案、定投放策略。站内搜索叫 EUREKA，能听懂意图：你搜"能装下一周行李的箱子"，它不会只把标题里带"一周"的商品丢给你。它还把 WhatsApp 做成了双向对话式电商，用户聊着天就把东西买了。什么时候发、走哪个渠道，它也有 Send-Time Optimization 和下一最佳渠道预测替你拿主意。

价格定制，没有免费试用。吐槽点：自定义模板导入麻烦，campaign 搭建上手有门槛。

第三派：电商体验派

代表选手，Dynamic Yield、Monetate、Personyze。

这一派的主战场是页面本身：首页、商品页、邮件内容，每个访客看到的都不一样。

Dynamic Yield 的野心最大。它管自己的系统叫 Experience OS，意思是：整个网站的体验，都由它这个"操作系统"统一调度。它最有趣的产物叫 Shopping Muse，一个对话式导购。你跟它说"我想给爱跑步的爸爸买礼物"，它像线下店的金牌导购一样接住你，边聊边推。懂自然语言，还能看图识货。看到这个功能的演示时，我的直觉是：太强了。

架构上，它刻意做成"技术栈无关"，不管你的技术底座是什么，它都能插进去。这是优点。但落地时逐页接入比较费工夫，深度定制还得懂 web 开发。价格定制，14 天试用。

Monetate 是电商老将。它的引擎叫 Orchid AI，机器学习、自然语言处理、大语言模型三样并用，实时分析行为、预测意图。它的招数里有一样特别懂人性：社会证明。给犹豫的访客，动态插上"这个颜色只剩最后几件""很多人最近都买了它"。稀缺感和从众心理，全给你安排上。

价格定制，没有免费试用。吐槽点：对按 URL 组织的店铺页面优化不足，深度定制需要技术资源。

Personyze 是这一派里的性价比全能选手。起价 250 美元一个月，还有一个每月 5000 次浏览量的免费入门版。它最独特的一招，是"邮件打开那一刻才个性化"：你上午群发一封邮件，收件人下午三点打开时，邮件内容按他那个时刻最新的行为重新组装。这就绕开了"邮件发出之后，用户又变了"的时间差。想通这个设计的瞬间，我是真服气。

它的数据胃口也大：CRM、CDP、地理位置、天气、购买历史，统统喂进来，给每个访客建统一画像。可视化编辑器拖拖拽拽就能上线一个个性化活动。吐槽点：界面复杂，缺引导式流程，新手容易迷路。

第四派：网站优化派

代表选手，Webflow Optimize。

它前身叫 Intellimize，后来被 Webflow 收入囊中。主打一件事：你的网站，对每个访客实时变形。第一次来的新客，看到欢迎信息；盯着某个商品看了三天的老客，看到的是那张降价横幅。

它有个 AI Content Studio，能生成文案、标题、行动号召，配合实时优化，"改版"这件事不再需要排期等开发。对还没登录的匿名访客，它也有 Enhanced Match 技术能猜个八九不离十。价格从 14 美元一个月起（按年付），没有免费试用，但有免费入门版可以先用起来。Webflow 自己的教程和社区资源也多，上手不难。

吐槽点：整体用下来，对小公司未必便宜；高级的电商能力有限。

选之前，先问自己四个问题

我不给你那种功能对比大表格。我给你四个问题，选之前自己问一遍。

第一问：它看得见你的用户吗？

个性化的一切前提，是行为数据。行为追踪做得深不深，点击、滚动深度、停留时长、跨设备识别，决定了后面所有的上限。工具再聪明，喂不到数据也是白搭。

第二问：它是实时的吗？

用户在你页面上，一共就停留几十秒。离线跑批、第二天才更新的"个性化"，错过了就是错过了。能不能在他还站在页面上时就做出反应，是检验成色的硬指标。

第三问：它会预测吗？

看过去不值钱，猜下一步才值钱。模型能不能提前告诉你"这个人快流失了""这个人这周会下单"，让你在他行动之前就出手。这是"响应式"和"预测式"的分界线。

第四问：它守得住底线吗？

这条最容易被忽略，也最不能省。GDPR、CCPA 这些法规管着呢。用户的同意管理、数据匿名化、被遗忘权，工具必须原生支持，而不是出了事再补救。

个性化是给糖，隐私是雷池。糖再甜，越了线，一切归零。

但是，凡事总有反面

这些工具的神通，都建立在一个东西上：历史数据。

模型从"用户过去做了什么"里学规律，再拿规律去猜"他接下来会做什么"。

风平浪静的时候，这招极准。

可市场一旦突变呢？一个爆款视频，一夜之间改变整个品类的消费习惯；一次舆情事件，让昨天的偏好变成今天的雷区。模型没见过的东西，它就猜不到。

AI 读得懂历史，读不懂突变。它只见过昨天。

所以我的建议是：把 AI 个性化当成一台又快又稳的"常态引擎"，而不是一个水晶球。常态里的事交给它，突变时的判断留给人的脑子。两者结合，才是完整的答案。

回到那支镜头

回到开头那支让我愣住的镜头。

现在我大概知道它是怎么找上我的了。跨站的广告系统认出了我的设备，把我"看过没买"这个信号递了出去，然后一套实时竞价系统在毫秒之间做了决定：把这支镜头，摆进我第二天的信息流。

你可以说这很神奇，也可以说这有点吓人。说实话，我两个感受都有。

但站在生意的角度，我想明白了一件事：这八款工具，能力上的差距，远没有想象中大。该有的料，大家基本都齐了。真正拉开差距的，是你有没有把"理解用户"当成一回事。

数据在那儿，模型也在那儿。用不用心，才是胜负手。

祝你也有那么一天：你的用户半夜看了一眼你的商品，第二天，心甘情愿地回来买单。