2.1 LBS推薦：滿足用戶的個性化需求

隨著電子商務規模的不斷擴大，商品數量和種類快速增長，消費者往往需要花費大量的時間才能找到自己想買的商品。這種瀏覽大量無關信息和產品的過程無疑會使淹沒在信息過載問題中的消費者不斷流失。

為了解決這些問題，基于LBS的個性化推薦引擎應運而生：為用戶推薦周邊商品或服務，并自動完成個性化選擇商品的過程，滿足用戶的個性化需求。這種推薦是有前提的，如網站熱賣商品、客戶所處城市、客戶過去的購買行為和購買記錄。

2.1.1 LBS將改變獲取信息的方式

互聯網的繁榮發展是因為實現了人們在現實生活中的需求，而基于位置的需求卻由于技術、行業因素而長期沒有被滿足。定位技術正在轉化我們體驗與探尋世界的方式，而最終將改善我們的世界本身?；谖恢玫男畔@取，將很大程度上改變原來基于搜索來查找信息的方式。

例如，與朋友一起外出就餐或游玩，我們總喜歡先拿出手機查看附近的打折信息，下載打折券后再享受移動互聯網帶來的好處，如圖2-1所示。

不僅如此，通過LBS應用，用戶還能及時了解附近餐廳的新活動、網友對他們的評價、最好的菜等信息，如圖2-2所示。

2.1.2 從被動查找，變為主動推送

推薦引擎不是被動查找，而是主動推送；不是獨立媒體，而是媒體網絡；不是檢索機制，而是主動學習。過去，人們想要預訂某一服務，都需要打開各種搜索引擎查找服務，然后在一大堆列表中慢慢尋找、對比需要的服務，如圖2-3所示。

LBS推薦引擎利用基于地理位置、內容、用戶行為、社交關系網絡等多種方法，為用戶推薦其喜歡的商品或內容，如圖2-4所示。

基于用戶行為的推薦是利用群體智慧算法，分析用戶的群體行為，綜合分析用戶與用戶之間的相似度、用戶對小眾商品的個性化需求，從而同時提高推薦的精準性、多樣性與新穎性。LBS推薦營銷可以降低顧客的購買成本、購買選擇的機會成本和企業的交易成本，是一種企業和顧客雙贏的營銷方式，如圖2-5所示。

2.1.3 LBS將改變商家營銷的模式

傳統的廣告通常是從電視、報紙、電臺、互聯網到地面貼標語，鋪天蓋地，針對性不強而費用高昂。在LBS應用中，用戶可以設置個人的愛好，例如用戶喜歡美食和電影，那么，當用戶拿著手機，去某地逛街，手機可以自動地顯示附近幾家餐館的優惠信息，還可以顯示附近有哪幾家電影院，了解即將放映什么電影、有哪些優惠等，如圖2-6所示。

這些推薦引擎廣告，是通過洞察用戶消費意圖，匹配最優廣告，在大量媒體上實時呈現，來提高廣告效率的互聯網新技術，這也是個人主動設置個人喜好的一種商業場景。

雖然有很多人不設置個人愛好，但不要緊，LBS應用還可以分析出一個人的消費習慣、消費水平。例如，一個人每周去一兩次星巴克，毫無疑問，把星巴克優惠信息推送給他，他會很樂意接收。

對于企業來說，所有用戶的消費行為都是重要的營銷依據，只要LBS平臺上積累了大量用戶數據和消費行為數據，很多商家將找上門來進行合作。商家不但會為這個平臺的用戶提供特殊優惠，還將支出相應的廣告費用。這個時候，LBS平臺將是很大的一個營銷平臺，甚至成為贏利增長點。