究竟什么是网络推荐系统，为什么Netflix会如此重视它，它到底能为企业带来什么样的影响？
关注特定使用者
推荐系统，其思想可以追溯至两位学者Negroponte和Kay，他们分别在1970年和1984年推出了各自的研究成果《The Architecture Machine》和《Computer Software》。然而，这种“智能系统”的实践应用却是近期的事。随着网络公司如Amazon.com、Netflix 等获得成功，推荐系统越来越受到重视。
Bo Xiao和Izak Benbasat认为，推荐系统是一种通过获取使用者个人的兴趣和偏好信息，加以综合处理，并据此作出推荐建议的软件。Weiquan Wang认为，推荐系统是一种基于网络的软件，以使用者个人的兴趣、偏好、以往购物行为记录等为基础，作出相应的推荐。Asim Ansari、Skander Essegaier和Rajeev Kohli认为，推荐系统是一种具备代理性质的软件，利用使用者的行为和偏好信息，过滤可能的购买选择，并作出建议。Hubl和Trifts认为，它是一种通过掌握使用者对某特定产品的偏好信息，了解使用者的决策偏向性，进而以列表的形式向使用者作出推荐的工具软件。 Ting-Peng Liang、Hung-Jen Lai和Yi-Cheng Ku认为，它是一种信息系统，在评估使用者偏好的基础上，作出符合特定消费者喜好的产品或者内容，其核心是辨识和评估适合推荐的内容的重要性。Ansaretal认为，它是一种基于消费者的需要和偏好信息，代表顾客进行一系列的行为，并作出购买建议的软件实体程序。然而，所有的定义表述的实质内容基本一致，都认为推荐系统应当包括以下三方面内容：是一种软件；需要获得使用者个人的兴趣、偏好等相关信息，并进行处理；作出推荐建议。
不同的推荐系统，其表现形式有所不同。从销售排行榜到用户评级打分，从“浏览过、买了该商品的人，同样也浏览了、买了……”到编辑推荐或用户评论，都可以被视为推荐系统的表现方式。但是，它们对不同的商品和不同的顾客所能产生的效果并不一样，产品种类（如搜索产品和体验产品）和复杂程度，消费者所拥有的产品相关知识的多寡，推荐系统采用的算法和使用者偏好结构的相似性等，都会影响推荐系统的最终效果。因此，商家有必要有选择地采用多种推荐系统形式，形成一个综合性的推荐系统体系。
解决供给和需求分裂所带来的难题
推荐，本质上是一种消费者兴趣爱好的共享。借助这种共享行为，对于消费者而言，可以找到和自己爱好类似的同伴，形成特定的消费偏好群体，并相互学习以改进自己的消费决策行为。对于营销From EMKT.com.cn者而言，在广告等宣传手段的效果越来越弱的情况下，推荐作为一种消费者之间的信息传播行为，其被消费者信赖的程度要远远高于营销者所做的各种营销宣传努力。而且，由推荐而自动形成的消费群体免去了传统营销行为——细分市场时存在的营销者主观介入过多的可能和细分变量选择的困境。因此，如何借助推荐进行更为有效的营销是新的市场环境中营销者需要重新思考的一个重要问题。
如今，借助网络的扩散作用，消费者不仅能够看到营销者提供的所有产品，同时也能方便地得到它们。但是，能够看到所有的产品，能够方便地得到想要的产品，并不意味着消费者能够过滤繁多的信息，识别并找到自己真正想要的产品。供给的极大丰富造成了消费者的信息过载，而网络使这种情况进一步恶化。因此，考虑到消费者有限的信息认知能力和处理能力，丰富的产品信息供给未必能够提高消费者的感知价值。
消费者需求正在分裂并形成“小群体”，这是买方市场的一个重要特点。供给的丰富使得消费者的选择空间变得更大，更能够按照自己的爱好作出消费决策，形成有特定偏好的小群体，而不必盲从于大众文化。小众群体的出现使得电视、电台等大众营销宣传手段的效果越来越差，营销者必须寻求性价比更高的“小众营销”。虽然，补缺营销中的很多手段可以为我们所借鉴，但是这些手段都缺少可变动的灵活性，也就是说，适合这个补缺市场的手段未必适合另一个补缺市场。将推荐视为一种“小众营销”手段同样存在上述困难，因为推荐建议的产生通常是基于相似的偏好或者是对特定主题内容的深度了解。偏好或者主题以外的推荐内容通常难以获得信任。所以，若要将推荐作为一种有效的营销手段，我们需要克服的一个问题是如何获得多个推荐基础并实现灵活转换？
