诸如“个性化”和“人工智能”之类的流行语在电子商务领域已存在多年。但2021年是否会是这些技术走向主流的一年？
一些行业参与者认为确实如此，他们认为人工智能技术及其子集机器学习在技术上已经准备就绪。
例如，Rackspace Technology的首席技术官Jeff DeVerter指出，在AI发展的早期阶段，数据科学家“有愿景，但缺乏实现的能力”。然而如今，“任何高中毕业且修过良好高中数学课程的人，只需花六个月或一年时间学习[来自Fast.ai的Jeremy Howard的课程]，就能成为机器学习与数据科学从业者。”
接下来，有三个趋势可能推动电子商务个性化的采用——即根据个人的购物体验自动更改网站内容、搜索结果和产品推荐的过程。
收入压力
Searchspring首席执行官Peter Messana表示：“2021年将充满变数。”他补充说，一些零售企业“正面临着[2021年重大的]收入目标，他们必须实现这些目标。[去年]在线销售的激增……今年几乎无法重现。你如何维持那种水平？”
正如Messana所指出的，一家零售企业的执行官可能面临巨大挑战，难以匹配去年的在线收入。
匹配2020年收入的一个可能解决方案是提供更好的购物体验。Messana说：“这就是个性化发挥作用的地方。”
个性化的购物体验能否让2021年的在线购物者继续购买？
客户体验
在线购物者不一定能区分在应用程序上购物的体验与观看流媒体电视的体验。这可能会影响购物者在访问在线商店时的期望。
例如，当在Netflix上寻找电影时，消费者不会看到目录中的每一部电影。相反，Netflix使用机器学习提供个性化建议。
同样，当她访问在线商店并搜索产品时，该消费者可能不想看到所有产品。相反，她可能希望看到符合她兴趣的商品，Messana指出。
有趣的是，Messana的公司Searchspring于2020年收购了AI推荐平台4-Tell。4-Tell的技术开发于十多年前，并在2009年的Netflix Prize中排名前1.5%。据Netflix称，这项竞赛“旨在大幅提高基于用户电影偏好预测其喜爱程度的准确性”。
Netflix等应用正在培养消费者期待个性化推荐。
数据
影响AI驱动的电子商务个性化采用的第三个趋势与数据有关。
在电子商务遥远的过去，获取关于客户行为及其偏好的数据是一项挑战。问题包括收集购物者信息以及存储和传输这些数据。隐私也是一个令人担忧的问题。
据Rackspace的DeVerter称，数据存储和传输方面的技术挑战已基本消失。
个性化服务提供商在数据聚合方面变得更为出色。单个提供商可能会从多个电子商务网站收集行为数据和偏好数据，去除个人信息，并利用所学到的内容来提供更精准的产品推荐。