線上行銷業者分析網路購物行為的資訊，是經高難度的演算過，更需要強大的電腦運算能力配合，才打造出能夠洞燭機先的網站。
上網時，螢幕偶爾會跳出推薦商品的廣告，不免讓人納悶：網站為何知道我的愛好？這感覺又像變魔術，又有點詭異。
比方說，有人上零售網站FigLeaves.com，仔細看了絲質女用拖鞋，突然迸出推薦男用浴袍的連結，時機似乎錯得離譜，但搞不好正是她想買的。線上行銷公司採用新一代預測技術後，這類讓人意想不到的連結會越來越多。箇中道理在於，消費者按滑鼠或搜尋等動作，不斷擴充行為資料庫，且負責分析的電腦也更厲害。
為何冒出浴袍呢？位於麻州劍橋的分析公司ＡＴＧ負責為FigLeaves網站分析資料，發現某類型女性消費者在一周某些時候，最有可能為男性親友買東西。雖說推薦商品常常不是消費者所要，但藉由仔細記錄消費者購物習慣，行銷業者又朝最終目標更進一步，亦即要電腦懂得應用有利資訊，還要像真人店員一樣精明。「一踏進店裡，店員就開始觀察客人的肢體語言和音調。」七十億人（7 Billion People）軟體公司執行長納蓋提（Mark A. Nagaitis）說。該公司為位於德州奧斯丁的新創企業，是ＡＴＧ的競爭對手。「我們要教電腦從線上行為汲取類似訊號。」
分析網路購物行為
隨著民眾日益擔心線上隱私權遭到侵犯，分析網路的購物行為顯得敏感。但傳統的廣告技術追蹤消費者點選的每個網站，作法備受爭議。反觀「偏好預測」的方式對追蹤程度多有限制，只記錄消費者在該零售業者網頁的行為。分析時，電腦大多只鎖定按鍵頻率、購買狀況與其他變數，而不需個資。惟有在亞馬遜（Amazon.com）與沃爾瑪（Walmart.com）等網站，消費者登記成為會員，並提供個資時，私人細節才會被納入分析。
剛進入電子商務時，購物行為的分析大多針對消費者購物模式。九○年代末期，亞馬遜等業者引進協同過濾（collaborative filtering）技術，發現會買同本書的人，很顯然地對其他書類的品味也可能相同。
科技日新月異，三年前，網路租片業者Netflix懸賞百萬美元獎金，看誰能分析幾百萬名不具名顧客的資料，讓公司預測顧客偏好時，準確度能提高一成。六月時，由一組電腦專家組成的國際團隊獲獎，他們加深分析層次，將大量細節納入演算法，考量因素之一像是：顧客的情緒可能隨時間而改變。若多部電影連續被某顧客批評得體無完膚，真有這麼難看嗎？演算法可能會考慮是顧客意氣用事，對他給的評等採保留態度。
穩抓消費者的興趣所在
要達到這種高難度演算，少不了強大的電腦運算能力，多數企業最近才有這番能耐。「用以前的電腦是不可能的。」ＡＴＧ副總裁與工程長丹伯修（Bruce D'Ambrosio）說。他說公司正在擴大資料庫，企圖勾勒出每名消費者最可能留下的網站途徑。
無論是Tommy Hilfiger還是美體小鋪（Body Shop），ＡＴＧ會將客戶產品的每項關係量化出來，分析何種消費者會購買何種商品，還對哪些產品感興趣，如此形成的可能性有好幾千億種。但正是經過這層分析，ＡＴＧ才會找到絲質拖鞋與男用浴袍的關聯。ＡＴＧ還研究網路使用者的長期行為。丹伯修說，消費者若在上班時點進網站，通常會比較匆忙，周末時就比較悠閒。在理想情況下，網站會依消費者的節奏調整，周六下午時引導消費者慢慢瀏覽，周一上午時立刻秀出付款視窗。
「七十億人軟體公司」使用的演算法，企圖模仿實體店面的顧客反應，店員可以實際看到客人趕時間，但網站要得到相同結論，只能靠其他訊號，例如連珠炮似地按滑鼠。執行長納蓋提說，訣竅就是要打造顧客導向的網站。有的人習慣看用後感想和相關產品，會被連結到其他網頁，可以多加探索；有的人要看到展示才會動心，所以可能會有影片供他們點選。
客戶表示，網站調整後應該很有用。Doug Scott是英國電子商務搖籃ASAP Ventures策略長，說他以前會依個人喜好調整旗下網站，提供很多細節和選項。
但與「七十億人軟體公司」進行測試後，他了解到跟他喜好一致的用戶只有約三分之一，其餘用戶想瀏覽使用心得，或只想趕快結束。「我們是可以針對那三分之一微調，但這樣就沒法滿足其他三分之二了。」他說。原本瀏覽網站的人只有三成會買東西，但根據用戶行為修正出不同類別後，比率增至五成。
ＡＴＧ的對手還有位於舊金山的richrelevance。該公司搬出電腦時代前就存在的理論演算法，看能否用來預測消費者行為。「如果沃爾瑪網站有人在看戴爾（Dell）電腦，」執行長David Selinger說：「他會對什麼比較有興趣？是更貴或更便宜的機種？還是保固？」答案全因人而異，因時而異，還得考慮幾百種變數。
（By Stephen Baker）
