悦读会|始于技术，终于信任

在工业时代，经济规则的核心是提高生产力。制造业企业的所有组成部分——从生产机器到组织架构——都为提高经济与生产效率而生。但是，对于目前网络经济中的产品来说，生产力几乎是一个子虚乌有的概念。

在网络经济中，经济规则的核心是增进联系。然而，信息充足时，对等关系取而代之。以客户与公司这两个恒久永存的角色之间的关系为例，在网络经济中，客户与公司员工之间的界限经常消失不见。

网络不断瓦解产品生产者与服务消费者间的旧式关系。现在，生产者在消费，消费者同时在生产。

在客户与企业建立起的全新关系中，因为客户参与了部分产品制造，他们就更容易从最终产品获得满足，这是“产消”与“大规模定制”最有趣的效果。客户教会企业如何取悦自己，而企业与客户间形成一种更完整的关系。

但是，为“个体的利基市场”（Niche of One）制造产品仅仅是客户关系转型的一小部分。（底特律的汽车制造商很早就学会生产个性化汽车，但除此之外没有掌握其他要领。）数据挖掘、智能卡片以及个性化推荐引擎等网络技术将不断提升公司与客户间的关系。

这种与客户建立更加亲密的关系、鼓励产消模式的拉动力，可以用以下一系列渐进的目标来表述：

这些任务每一项都要求公司提供更多的产品和服务给客户，进而也提升了客户对公司的参与度。

创造客户想要的

有时这意味着简单的定制——你想要别人没有过的的度假经历。有时这意味着大规模的定制——你想用普通牛仔裤的价格，定制一条贴合自己腿形的牛仔裤。有时大规模定制并不是你想要的——时尚产业利用人们效仿他人着装的心理获得收益。有时你想要的是半定制——你和很多人都在阅读《纽约时报》，但是你不一定需要读体育板块或者讣告，你希望读到的不是“个人日报”，而是“你我日报”，一份你与你最亲密的12位朋友所感兴趣的报刊。

为了创造客户想要的东西，用户和制造者之间必须要有大量的信息和信任交流。接口技术必须清楚易懂，使人们能够表达他们的欲望。必须精准管理生产和交付过程中如噩梦般的物流环节。这项任务中最难的部分不在于订单而是制造。任何涉及到基本原材料的工作都不像想像的那样容易定制，但可以肯定的是，任何定制方案都离不开网络技术。

记住客户曾经的偏好

我们做的大多数事情都是重复性活动。我们每天、每周或者时不常地从事相同的任务。那些重复做的事情与那些只做一次的事情具有不同的意义。小事件有大意味。重复输入密码，点咖啡时重述一遍自己喜欢的口味，或者重复解释自己为什么不喜欢浴袍，这些小事都令我们懊恼不已。那些了解我们小怪癖（这些小怪癖也必须被了解）的人容易获得我们的好感，同样，那些了解我们小怪癖的公司也自然会赢得我们的喜爱。

跟踪与解读消费者心理的技术使企业与消费者关系更紧密。公司必须花费大量精力记住消费者的偏好，消费者也要花精力教会企业如何记忆。此外，这种记忆必须够智能。你每天都点相同的浓缩咖啡，但是如果天气冷，你会点一杯热拿铁。关系技术要足够强壮，才能学着区分特例。

唐.帕博（Don Peppers）与马莎·罗杰斯（Martha Rogers）合著了见解独特的《一对一企业》（Enterprise One to One）一书。他们在书中写道：“消费者与企业之间的学习型关系会越来越智能。每一次的互动都能更明确定义消费者与企业之间的学习型关系会越来越智能。每一次的互动都能更明确定义消费者的个人需求与品位。例如，一位消费者在订购食品时会参考上周的消费清单并做出一些改动。她通过这种行为，告诉超市自己的购买偏好与购买选择。如果企业学得好，它获得的奖励就是消费者与自己更忠诚的关系。帕博与罗杰斯还写道，“在零售业中，商场需要挖掘一种其他竞争者无法拷贝的消费者信息，这样才能牢牢控制住消费者的忠诚度。”与此同时，消费者一旦花功夫与某个零售商建立起关系，他更换零售商的成本就会与日俱增。帕博与罗杰斯写道，“假如你的花店给你寄来一封信，提醒你母亲的生日快要到了，然后提议把今年的花寄到与去年同样的地址并从同样的信用卡上划款。这时，你拿起电话寻找一家便宜花店的几率有多少？”

关系需要双方的投入，因此其增值速度是单方投资的两倍。

替换关系的成本很高，放弃关系就相当于放弃了两倍的投入，你既放弃了对方在关系中的投入，也放弃了自己的投入。换句话说，收获忠诚的成本很低。正因如此，飞行积分与消费积分计划才能取得巨大成功，而这是航空公司与超市共同投资的结果。会员卡副卡是拓展关系的另一个例子：追踪购买记录的成本远小于成为会员的成本——对双方皆如此，因而值得投入去发明其他的方式来推广这种方法。电话公司推出的“朋友圈”也是一种巧妙利用网络关系的试验。

更聪明的关系技术，也就是经济学家阿尔贝·布列桑（Albert Bressand）称作“R-tech”的技术，能够将消费者与公司更紧密地联系在一起。一种新兴的P3P标准提供了一种收集用户个人信息，包括姓名，地址，甚至偏好的统一方法。如果你经常购物，那么在你的智能卡或是浏览器里就会存有一份基于P3P协议的“护照档案”。在交易中你会与经销商交换这份档案。这种技术将帮助公司记住你，同时你也在教他们如何服务你，如何讨你的欢心。

偏好的可携带性非常重要。随着网络蔓延到商业的各个方面，跨平台识别身份与需求的能力就尤为重要。丽思·卡尔顿酒店对自己的酒店房间定制化服务非常自豪。不管你入住31家酒店的哪一家，酒店无需询问便能识别你的偏好。一些航空公司也采用了类似的做法。然而，要想在网络经济时代成功拉近与顾客之间的关系，他们还有很多发挥空间。

猜想客户的偏好

为客户定制小众产品只是R-tech的第一步。第二步是智能地记忆客户偏好。第三步是在客户表达喜好前猜测客户想要什么。这是衡量任何亲密关系的标尺。当你真正了解一个人时，你才能夸口说“我知道她一定会喜欢这本书的！”

最基础的猜测技术是从客户过去的使用模式中推断其好恶。但是最强大的R-tech是建立在大量其他客户及其与预期需求之间的潜在关系基础之上。这种社会化的R-tech最典型的例子是萤火虫（Fire y）开发的基于网页的推荐引擎（该公司在1998年时被微软收购）。它的原理是：我告诉萤火虫的音乐供应商MyLaunch自己最喜欢的十张专辑，然后MyLaunch比较我与萤火虫上其他50万用户的前十位推荐。接下来萤火虫对我的音乐品味进行归类，将我与其他在专辑选择上有交集的用户归为一类。尽管我与这些用户的某些选择重合，但仍有一些其他用户提到的专辑是我没有听过的。这时，萤火虫会提醒我听那些专辑。相反的，那些重合用户也会知道我推荐而他们没听过的专辑。系统推断我会喜欢哪些专辑，并建议我尝试它们。

这个简单的系统出乎意料地有效。我鬼使神差地推荐了大量我喜欢的专辑。系统有许多精细的方法来提升它的有效性。我可以通过为系统推荐给我的音乐打分来教导它。譬如，系统有可能因为我将鲍勃·迪伦（Bob Dylan）列为我的最爱而向我推荐皮特·西格（Pete Seeger）的作品。但是假如我在听过皮特·西格后非常厌恶他的风格，我就会告诉系统，不要再向我推荐西格或同风格的音乐。这样一来，系统就更加智能了。接下来我可以通过为更多的专辑打分、表达我对它们的好恶来更精准地定位我的领域（极端厌恶是与极端热爱同等重要的信息）。因为是在网络上，我还可以重温过去喜爱的音乐，或者为其他用户推荐的音乐打分。

这个系统最强大之处不在于单纯的推荐，而在于它为三百万注册用户搭建的关系网。它连接起品味相近的用户。它鼓励各种流派的粉丝们在论坛中对话，或者建立邮件列表，或者只是介绍一下自己。从这个技术中诞生了另一种关系，那就是自我认同。

大多数听众的品位不容易被归类。他们同时是涅磐乐队、U2、披头士、琼妮·米切尔和九寸钉的粉丝，他们会在难以命名的披头士/U2/九寸钉空间中找到自己的同好。通过萤火虫，这些人就能在一个自我构建的小群体中定位自己的音乐喜好。萤火虫的技术不仅可以应用在音乐上，也同样可以应用在书籍上、电影上、网站上。（萤火虫最近就把这几种领域移交给了不同的合作伙伴。）他们采用同样的评分系统，结果同样有用。而今天，整合起来的媒体空间更是极大丰富。怪异的亚文化甚至可以在它们被命名前就被甄别出来。既喜爱安妮·莱斯（Anne Rice）吸血鬼小说的、又喜欢西部乡村音乐和伍迪·艾伦影片的人们会发现他们是有组织的！自我认同是迈向影响力的第一步。

亚马逊和巴诺（Barnes and Noble）这样的网络书店正在利用类似的R-tech技术推销书籍，帮助读者更精明地消费。亚马逊开发的协同推荐系统基于与你购买行为类似的消费者。根据你和其他人曾经的消费记录，亚马逊建议你：亲，你应该会喜欢这些作品。而且，它通常是正确的。事实上，亚马逊的推荐系统十分有用，以至于它成为亚马逊的首要市场推广工具以及利润增长点。根据公司发言人的说法，因为看到旁边推荐框中的信息而冲动购书的读者数量“颇为可观”。

《网络经济学》（Webonomics）一书的作者埃文·施瓦茨（Evan Schwartz）认为，亚马逊应该被看作一个主营“无形关系”的公司。“人们不应把亚马逊与其他实体书店相提并论。亚马逊真正增加的价值在于书评、推荐、建议、关于新书的信息、用户界面以及围绕某一主题建立起的社区。的确，亚马逊把书送到你家门口。但是作为消费者，你真正花钱买的是那些引领你购买的信息。”你的每次登陆都会使亚马逊更了解你。

网络逻辑的美妙之处在于这套软件的原理并不依托于人工智能（Articial Intelligence，简称AI）。它把每个个体所单独教授的东西汇集到一个分布式的数据集中，在此基础上完成协同工作。很多人教授的东西很弱智，但当所有的东西联结起来，就产生了有用的智能。网络的力量就来自于每个成员愿意分享的细碎信息。从某种意义上说，它需要的仅此而已。

网络是孕育R-tech式创新的温床。如果你搜罗到了有用信息，又愿意把这条信息通过上述集体的方式传播给他人，那么网络的这种横向关系也能够提高其他人的搜索效用。类似这种“协同过滤”的社交网络功能能够在网络中、公司里和小的工作团队中广泛传播。

和其他技术进化相似，关系技术会先在前沿领域中推动创新，继而进入寻常领域。

R-tech诞生于网络世界，但是它会逐步渗透到从罐头食品到体育器材的领域，甚至侵入电视节目或度假地。最终，R-tech会影响到客户关系的终极层次。