如今，每家商店都声称了解你。信息流会根据你最后一次点击重新排列，电子邮件会寄给根据浏览历史拼凑出的你的某个版本，而某处的模型则默默估算你愿意支付的最高价格。这项技术确实令人印象深刻。但它尚未解决的是忠诚度问题。
我们认为这个差距很重要，因为两者常被混淆。预测关注的是下一笔交易。忠诚关注的是第百笔交易，以及一个人在此期间是否感到被尊重。
预测并不等同于理解
推荐引擎非常擅长发现模式，却很难理解这些模式存在的原因。它看到你浏览了三件外套，就推断你想买第四件。它不知道你是在为别人购买，你已经找到了所需的东西，或者你只是一个闲暇夜晚的好奇浏览。
因此，模型不断推送外套。将这种情况放大到整个店面，个性化就不再像服务，反而像被跟踪。失败的不是数学模型，而是假设更多信号总意味着更相关。
真正赢得信任的细微之处
当我们问自己为什么有人会回来，答案并不华丽。价格不会因你看起来多么渴望某物而波动。送货时间准确。退货流程简化，不繁琐。产品描述提及缺点，让你能做出决定而非猜测。
这些都不需要模型。所有这些都需要在短期诱因能带来更多收益时，仍然坚持一致的决策。忠诚主要是积累的证据，证明一家商店在不便时也会保持同样的行为。
克制的个性化
谨慎使用时，了解购物者的一些信息是一种善意。记住尺码，避免推荐错误的。突出一个类别中值得看的三件商品，而非三百件。没有真正新内容时保持沉默。界面设计研究几十年来一直主张识别优于回忆，这一原则同样适用于店面和软件。
我们尝试坚持的测试很简单：如果购物者能看到我们这样做的原因，这会让他们觉得有帮助吗？按相关性重新排序通过。制造紧迫感则不通过。
我们选择优化的方向
注意力有限且日益竞争激烈，这是我们在为何冷静在线上胜过喧嚣中讨论过的问题。激进地优化注意力效果短暂，随后人们离开。优化用户是否找到所需则更慢，但效果累积。
实际上，这意味着更精简的编辑而非无尽的目录，以及诚实说明为何某物入选。无论你是在浏览日常衣橱单品，还是完成搭配的配饰，承诺都是一样的：更少、更好、且有解释。
不时髦的结论
最持久的忠诚不是积分余额或等级徽章，而是商店不会浪费你的时间或利用你的急躁的那种小而无聊的确定感。个性化可以支持这一点，但不能替代它。
如果我们做对了，后台的模型将变得无形，你注意到的反而是购物只花了十分钟，且对收到的商品感到满意。这就是我们的全部目标。
