🎯 为什么重要
个性化做得像服务，就抬高复购；做得像监视，就毁掉信任。差别不在技术，在数据的来源。客户明知道地给你的（零方答案、他自己的购买记录）尽管大方用；推断或追踪来的数据，小心用；他从没告诉你的，绝不要露出来你知道。把这条线拿捏对，推荐就贴心，不吓人。
💬 我的观点
个性化要贴心，不要吓人
同一条推荐，可以像一个好店员，也可以像被人跟到家门口，差别就在数据从哪来。
用客户告诉过你或买过的东西做的个性化，感觉像服务；抖出他从没分享过的东西，感觉像监视。生成相关选品 AI 很在行，你的活儿是把它守在吓人这条线的正确一侧。
最快：一条提示词，端到端
🤖 AI 提示词 — 粘贴到 ChatGPT / Claude
你是一个个性化审查员。只用我的信息（什么都不许编）。
我掌握的客户数据：[列出，比如 测验里说的偏好、购买记录、邮件点击、站内浏览]
我想做个性化的地方：[邮件／产品页／回访首页]
我的典型复购周期：[比如 约 40 天]
请完成：
1. 把我的数据分成三桶：明知道给的（零方、购买记录）、推断／追踪来的（浏览、打开）、禁区（任何他不知道我掌握的）。
2. 对我做个性化的每个位置，给出的动作要靠明知道给的那一桶，推断数据只低调用，禁区数据绝不露出。
3. 标出任何会暴露我在追踪他没分享内容的点子，并给一个更温和的替代。
4. 按我的复购周期建议补货时机，框成一句贴心提醒，而不是我知道你快用完了。
如果某个数据点归哪一桶你拿不准，就问，不要假设。
输出：三个桶，加每个位置的安全个性化动作，加吓人红线标记。
或者，四步做完
- 按来源把数据分类。 明知道给的（零方数据里的测验答案、过往订单）可以大方公开地用。推断或追踪来的（浏览、打开）可以悄悄地用。任何他会吃惊你竟然知道的，属于禁区。
- 从他选过或买过的东西出发推荐。 他说过的肤质、他上一单、他常逛的品类，这些可以明着用，读起来就像一个记得他的店员。
- 按使用周期温和地提醒补货。 消耗品，在他快用完前提醒一句，是价值最高的个性化。框成贴心的（该补货了吧？），绝不要像我们一直在数你的天数。
- 回访个性化要轻。 一个回访客户可以看到他最近的品类或一句欢迎回来，但别把他看过的每一页都摆出来。低调永远胜过瘆人。
实战演算（示例）： 一家保健品店做两种个性化。好的：推荐你正好买过的那款补货，掐准 30 天的用量，并用你在引导测验里选的目标迎接回访。吓人的（砍掉）：一个弹窗说你这周看了这个 4 次。
同一个客户，同一个数据仓库，感受却相反。一个用的是她明知道给的，另一个暴露了她不知道被追踪的。
明知道给的数据明着用，推断的数据悄悄用，隐藏的数据绝不用，这就是那条线。
⚖️ 该做 & 别做
该做
- 按来源把数据分类：明知道给的、推断或追踪来的、以及禁区。
- 从客户选过或买过的东西出发明着推荐：他说过的偏好、上一单、常逛的品类。
- 按使用周期温和地提醒补货，框成一句贴心的“该补货了吧？”。
- 回访个性化要轻：露出一个最近的品类或一句欢迎回来，仅此而已。
避免
- 别抖出他从没分享过的数据，露出追踪来的信息读起来像监视，不像服务。
- 别把他看过的每一页都摆出来，一个“你看了这个 4 次”的弹窗就是越了吓人这条线。
- 别把提醒框成我们一直在数你的天数，补货要贴心，不要盯人。
- 别对推断或追踪来的数据大声张扬，要用也只能悄悄地用。
💡 快速提示
- 对消耗品，在他快用完前提醒一句，是价值最高的个性化。
- 把 zero-party-data 里明知道给的答案明着用，那是最安全、最该依靠的一桶。
- 低调永远胜过瘆人：同一个客户、同一份数据，靠来源不同，可以像店员，也可以像跟踪狂。
🏢 品牌聚焦
品牌
Target.com · Target 是这篇的经典反面教材：它靠购买模式推断客户怀孕了，然后寄去婴儿优惠券，抖出了顾客从没告诉过它的东西，把禁区那一桶暴露了出来。那场著名的反弹，一位父亲从邮件里得知自己十几岁的女儿怀孕，正是这篇警告的那种监视感。它教的是：模型是有效的，但把隐藏的推断大声用出来毁掉了信任，Target 自己的补救是把定向商品混进普通商品里，这恰恰就是这篇说的把推断数据悄悄用的规矩。
🏷️ 标签
retentionpersonalizationboth
🔗 相关内容